2014 年成立的Umbo CV（盾心科技），是台灣 AI 新創中，成功進入歐美市場的典範，在超過 30 個國家有長期付費企業用戶。
Umbo CV專攻智能安全監控，研發擁有自我學習與分析能力的影像辨識技術，所打造出的軟體平台可透過監控的影像Data，學習並辨識影像中人、車、動植物等物件，以及侵入、群眾聚集、火災等特殊事件。除了軟體平台，Umbo CV也開發出搭配用的硬體攝影機，用AI科技，改變了監控產業原本要靠保全以肉眼24小時監看的模式。
四年來，Umbo CV已成功募得兩輪資金共計980萬美元，同時也是AppWorks Accelerator #9 校友。
創辦Umbo CV之前，關宇翔曾任專業安控公司產品銷售主管，從早期階段便參與公司上市的過程，對於安控產品的國際市場擁有深厚歷練。回顧創業經驗，關宇翔認為，AI市場的風口已經打開，現在是創辦AI新創最好的時間，但在現階段，AI新創最大的挑戰，反而不是缺少前景看好的創業題目，相反地，正因為人們對AI應用有各種期待與想像，有太多創業題目可選擇，如何將有限的資源與時間，「專心」地投入對自己最佳的創業題目上，才是AI新創最重要的課題。對AI新創來說，如何選擇創業主題？如何避免外界干擾？如何制訂發展策略？以下是關宇翔的經驗分享：
Q：為什麼會選擇安全監控作為Umbo CV的創業題目？
A：一開始的想法並不複雜，只想到自己。因為我在這個產業待過不短的時間，知道業界碰到的問題，以及預估未來將往哪個方向發展。我發現，很多來自客戶的需求，和現有產品間有一個Gap，那個鴻溝看起來是有技術缺口的，我當時就在思考，這個技術缺口，是否現在能夠補上，後來才去看一些Machine Learning的技術，也在業界詢問了一些人，慢慢把創業團隊組起來，才確認這個技術可以做，在我創業那時，也正好是AI準備發展的階段。
我們做的是跟Computer Vision相關，在安全監控產業，最獨特的地方，在於這是全世界影像Data最大的領域，比YouTube、Facebook任何網站都大。這麼大量的Data，感覺就是寶藏，可以為Machine Learning帶來很多可能。
對我來說，先發現了要解決的問題（安控產業需要用人力來監看大量影像，成本太高），又發現這問題可以用Machine Learning來解決，而Machine Learning又需要大量的Data來訓練，這完全是一個正向的Data Cycle，所以就決定要做了。
Q：現在這個Gap還在嗎？
A：技術上的Gap還有各式各樣的發展空間。這個問題回到根本，是Machine Learning和Computer Vision在幾年內可以解決多少問題，這裡面還有不少很大的Gap，每一個都能再切成更小的Gap等著被滿足，差別是解決的是大問題或是小問題。我們切入的領域，是比較屬於一般性的大問題，所以優先選擇這個題目來做，目前客戶對我們也算滿意。
Q：現在還是AI創業的好時機嗎？還是最好的時間已經過了？
A：我相信現在應該不會有人懷疑AI只是曇花一現的熱潮，已有太多AI應用融入人們的生活，它絕對是典範轉移的重要趨勢。比較有趣的現象，反而是人們對AI的期待越來越高，今天做了這些、明天希望還能做更多，這樣的期待，會Push所有做AI的企業，持續去開發更好、更先進的產品，這背後，會有很多創業的機會。
Q：Umbo CV的Know-how，從外在角度來看，主要是影像Data蒐集的方式，以及發展出的演算法，創業至今，有想過將這些應用在安全監控以外的產業嗎？
A：其實這很有趣，因為我們是AI新創，一直有客戶或機會找上門，要我們開發其他過去從來沒想到的應用，很多人發想了一堆題目，來問我們能不能做？創業至今，這類的雜訊超多。
可能是大家電影看太多了，對AI有許多想像。比如說，我們遇過一個做海洋研究的客戶，他們會用潛水艇去研究整個區域內的海洋生態，想要知道有什麼魚？有多少？因為在深海，生物被照出來的樣子，和陸上看到的很不一樣，要用Machine Learning去辨識魚在深海的行為，才能知道這是什麼品種。客戶的潛水艇開下去，把整個區域的影像錄起來，現在是由人來看，未來希望由AI來辨識。這看起來和我們的技術好像有關，類似這樣的案子太多了。
Q：身為創業者，聽到這樣的題目，一定很興奮，如何選擇做與不做？
A：真的，聽到這樣的題目，會覺得AI實在有太多機會。但回到創業本身，Startup初期，其實是思考如何讓資源運用更有效率，在還有錢但尚未賺錢的時候，做對自己最有價值的選擇，對Startup來說，這段時期最困難的，是如何在那麼多機會中選擇對自己最好的那個，看起來似乎有好多產品可以做，但前景其實都不清楚，真正能找到PMF（Product Market Fit）的可能很少。
對我們的團隊來說，因為在業界的經驗比較久，比較能判斷哪些問題可以解，解了之後做什麼產品比較賣得動，如何把商業模式建立起來。因為我原本就在這個產業，所以選擇比較容易，若今天要切入農業做AI，重新累積產業知識，成功的機會可能不大。因為資源有限，研究也需要時間，跟我們專長領域差異太大的都不會考慮。
比較難決定的，反而是那些跟我們類似，好像稍微改一些，就能符合客戶的需求。到底要改嗎？這背後都是時間與人力成本，此外，一旦改過去，原來的東西還做不做？兩邊哪個市場或機會比較大？這是比較難的問題。我們的確也曾經選錯題，剛開始覺得只要稍作改變，就能切入更大的商機，結果並非如此。
在這件事情上，我們走了不少冤枉路，後來歸納出一個道理：做最多客戶願意掏錢買、讓客戶轉換成本最低的產品。因為Startup真的沒有辦法想那麼長遠的事情，去爭取一、兩年以後可能會採購的大客戶。那些我們決定先不做的題目，未必是錯的，只是對我們的風險比較高。
Q：如何建立做與不做的決策機制？
A：我們會以Group（小組）做決定，一起討論這個東西做下去，成本要多少？值不值得嘗試？風險是什麼？我們能不能承擔？不同部門的人都會參與討論。比如說潛到深海去研究魚，我們會討論這個市場有多大？客戶有多認真、多少預算要做這件事？轉換所需的技術要花多久開發？也許技術的人，會認為這樣的技術轉換需要兩年的時間，那我們就不會做，因為太久了。
比較難的，是每個討論的問題，看起來都可行，技術ok、市場也ok，這時候，做決定就要回到Founder身上。
Q：過去的經驗對判斷做與不做有幫助嗎？
A：這可能跟Founder的個性有關，過去的經驗是否有幫助，在於你多相信過去的經驗，以及多依循既有的產業規則。我相信經驗可以幫人也能害人。我認為有些經驗，若在邏輯上是不可逆的，就不會去Challenge它，但若我覺得是可逆的，我會去Challenge，很多產業規則也是如此。比如說，因為我們這個產業叫Security，大家對Data的安全性，要求比較高，過去的規則是這些Data不能放到網路上，必須是Off-line的，過往我在業界，可能100個客戶中，有95個也都這樣認為，但我不信這件事，就算所有客戶都這樣跟我說，我覺得他們只是還不理解未來趨勢，類似這樣的業界規則，會成為很多人創新的包袱，但我就覺得這可以被改變。
對我們來說，可能比較不信邪吧！Startup本來就該這樣，如果太依循過去的作法，會限縮自己很多的機會。Startup是在夾縫中去找出機會，因為大家都把卡好位了，只有幾個縫，若又把自己定位在不能變化，那就沒有什麼機會了。不信邪的代價，當然很辛苦，因為要挑戰既有的規則，但如果不去挑戰市場既有的做事方式，突破會很有限，例如我們，如果當時沒有去挑戰市場既有規則，我們後來在Machine Learning上不可能做得這麼好，因為蒐集Data會變成很大的瓶頸。
Q：新創必須去挑戰的既有規則，對你來說是直覺還是理性？
A：我覺得是直覺加理性，理性要有Data Support。我覺得最難的，是要拿到對的Data，才能用理性做對的決策。很不幸，絕大時候，創業用來做決策的Data，可信度往往不夠，例如只有50%的Data是對的，50%是錯的，但我們又必須以此作決策，所以我說是直覺加理性來做決策。
Q：但其實直覺很抽象？
A：我認為直覺是一種生物特性，做任何決定，看起來是直覺，但背後一定都有更邏輯的原因，只是一開始未必知道。真正重要的，是即使是用直覺做決策，也還是要盡量找Data去驗證。比如說，照著直覺做決策後，預期會達到Milestone A、Milestone B，如果沒有達到，那就要回過頭去調整決策、去找問題出在哪裡，這就是創業者該做的事情。創業所需的知識太多，不可能有人全部會，創業者只能用所學與經驗去做決策，但要能找到快速驗證與修正的方式。
Q：你自己驗證或修正的方式是什麼？
A：通常技術很好的新創，不用擔心做不出產品，反而常常是看錯PMF，因為有太多Sidetrack（分心、轉移注意力）。甚至有時候，Sidetrack才是對的，原本做的產品，轉一下反而更好。
身為創業者，每次碰到這種Sidetrack出現，就是必須要不斷Check，因為很容易被騙。被騙一下還好，比較糟的，是被騙了太久浪費太多時間與資源，或是事後看起來，它是更好的選擇但當初忽略了。我自己的經驗，會用多個指標去檢視這些Sidetrack，如果是假的，也許十個指標中，就是有一、兩個勾不起來，會覺得怪怪的，這個勾就是打不下去，這時候就要去懷疑。但這件事要小心，因為創業者通常比較樂觀，常常會不小心就打勾了，但其實沒有那麼好，但會Check的很開心，以為找到了新機會，我覺得這是一個Founder成長的過程。
現在要創辦AI新創，我覺得專心最重要。因為外界對AI這個技術有太多期待，AI新創很容易被Sidetrack影響，不斷會有客戶要你做A、做B，這個雜訊是多到超乎想像。
若是做電商，今天要加賣新商品，也許不是什麼大問題，但對AI來說，投入新題目的成本很高。包括建置Data Pipeline是很大的工程、AI人才與設備的費用都很高，對資源不多的新創來說，不會有太多犯錯、走錯路的機會。所有新創都需要Focus，但AI新創必須要有更多方式，去持續驗證這個Focus是對自己最好的選擇。
Q：Umbo CV既是AppWorks Accelerator的校友，又是AppWorks Funds的投資案，為什麼會一直選擇AppWorks？
A：從我們剛開始創業到現在，AppWorks的幫助真的非常大。第一，是因為AppWorks，我們才知道台灣有創業Ecosystem，所以回到台灣。第二，我們回到台灣後，其實也是第一次創業，團隊都是工程師，技術以外與創業有關包括財務、法務以及更多面向的知識，我們都是跟AppWorks的校友們一起學習，彼此互相幫助。第三，我們也在AppWorks的校友中，找到另一位共同創辦人（編註：Umbo CV共同創辦人柯智文），他是從其他新創團隊加入的，對我們後來開發硬體產品的幫助很大。第四，我們後來要第一次募資，AppWorks帶我們完整走過這個階段，AppWorks提供的投資條件，對我們非常Fair，並沒有因為我們是第一次募資，缺乏相關的經驗而佔我們便宜。身為創業者，AppWorks提供了我們所需的幫助，我們真心覺得很幸運能成為AppWorks Accelerator的校友。
更讓我覺得很棒的地方，是AppWorks始終都讓我們自己做決策，然後透過幫我們找資源、參考資訊來支持我們。身在新創圈，常常會看到其他創業團隊，被投資人告知「應該」要做什麼會更好、成長速度會更快、這樣對投資人更好，AppWorks從來沒有，只有問我們想做什麼？有什麼需要幫助的地方？Everything is our choice, and AppWorks always supports us。
Q：謝謝，很高興知道AppWorks真的幫助到你。展望2019，我們可以期待Umbo CV有哪些突破？
A：2019年我們要正式進軍日本市場，目前有看到一些不錯的機會。過去因為我們比較熟悉歐美市場，整體趨勢也符合我們的發展，所以成立初期就切入，日本則陸續有間斷性的接觸一些客戶，現在來自日本的客戶規模，已經沒辦法用遠端遙控來服務了，可以進行小規模的佈局。
針對我們產品服務的特色，我們會依據三個指標來選擇市場。第一，網路基礎建設要夠完整，因為這牽涉到收集影像Data的品質；第二，人力成本夠高，因為主要是取代傳統的保全人力；第三，幅員比較遼闊，派遣保全從A點到B點要花比較多通勤的時間。日本市場都符合以上三個條件。
【歡迎所有AI/IoT創業者加入專為你們服務的AppWorks Accelerator】
本文授權轉載自AppWorks Accelerator，作者：AppWorks媒體公關總監 李欣岳
