為什麼要用 AI Avatar？長者照護、業務培訓與陪伴的三個應用案例
在 9 月 12 日於東京舉辦的 Perxona AI Avatar 黑客松中，14 支隊伍實際開發並展示作品，探索一個務實的問題：什麼時候，讓 AI 擁有臉孔與身體，會讓產品更好用？前三名的作品——一位長者照護夥伴、一套談判模擬器，以及一位會回應肢體動作的 AI 夥伴——分別給出了三種不同的答案。
對於正在探索 AI Avatar 應用場景的開發者與產品團隊來說，每個專案都從一個具體的目的出發：幫助人跟上對話、解讀非語言訊號，或透過肢體動作進行互動。
對話式 AI Avatar 的價值在哪裡？
對話不只是文字。我們會留意對方是否在聽、回應對方的表情，也會在對方的姿態透露出猶豫時，調整自己的說法。
互動式 AI Avatar 能把這些訊號帶進數位對話中。它的行為可以幫助使用者知道什麼時候該開口、提供可以據以行動的資訊，或是對使用者的手勢做出看得見的回應。
這正是為什麼 Behavior AI 是 Perxona 的核心研究領域之一：Avatar 如何在言語之外，透過肢體語言溝通。今年的得獎作品，從兩個方向探索了這種交流——Avatar 表達了什麼，以及它如何回應眼前的人。
第一名：MAGO——用 AI Avatar 照顧長者
Chris Takahashi 打造了 MAGO，一位陪伴日本長者及其家人的 AI 夥伴。
他的靈感來自自身經驗：他的祖母不喜歡選單、密碼和不熟悉的科技產品，但她看得懂一張臉——也懂得被人注視、被傾聽、被回應的感覺。
讓臉成為介面
即使是對話式軟體，也可能讓人困惑：它在聽嗎？它在想嗎？現在輪到我說話了嗎？
MAGO 運用 Perxona 的 Avatar，讓對話有了看得見的節奏，也讓長者有一個可以說話的對象。
這個想法很直接：對於不擅長使用一般軟體的人，熟悉的對話介面可能讓 AI 更容易上手。至於這是否真能帶來更友善的使用體驗，還需要實際與長者一起測試來驗證。
串連家人的支援
MAGO 也嘗試為可能的詐騙建立一道有限度的安全網。這個原型的設計會考量：是誰在要錢、錢會匯給誰，以及這個要求是否帶有急迫、要求保密或可能冒名頂替的特徵。
當情況看起來有危險時，MAGO 會鼓勵長者先停下來，並提供一位可信任的家人聯絡方式。家人會收到一則安全提醒和建議的下一步行動，但不會看到私人對話內容。
這個原型清楚地結合了幾項優先考量：易於使用的對話、隱私保護，以及通往真人支援的路徑。
第二名：用 AI Avatar 進行業務培訓與談判練習
Sarthak Saklani 打造了一套以「察言觀色」為核心的業務培訓模擬。
他的專案探索的是高語境的商務溝通，特別是日本的談判場合——在那裡，客氣或含糊的措辭，往往會讓重要的意思留在言外。
由 AI 控制的 Avatar，嘴上可能說得很正面，但它的遲疑、姿勢或肢體語言卻透露出不情願。參與者要選擇如何回應：
推進（Push）：讓談判往前走。
探詢（Probe）：提問，了解對方為什麼猶豫。
退讓（Retreat）：先退一步。
讀對了情勢，談判就會推進；誤判太多次，這筆生意就會告吹。
透過 AI 角色扮演練習非語言溝通
Avatar 身上承載著完成任務所需的關鍵資訊，參與者必須留意它的行為，再決定如何回應。
這創造了一個機會，讓人練習在口頭語言與非語言訊號看似矛盾時，問出更好的問題。真實的肢體語言會因人、因情境而異，因此後續開發應該保留這種模糊性，而不是為每個手勢指定一個固定的意義。
這個 MVP 指向了業務培訓、新人訓練，以及預演困難商務對話等應用方向。
第三名：Mika——回應肢體動作與日常情境
Abhishek Kumar 打造了 Mika，一位陪伴日常時刻的 AI 夥伴，探索的是另一個問題：如果 Avatar 會回應你的動作呢？
使用者開啟相機後，Mika 會透過視覺輸入，留意使用者的姿勢、手勢、臉部表情和周遭環境。它能回應所觀察到的事物，也能跟著使用者一起動。
Demo 中展示了一個簡單的例子：使用者舉起張開的手，Mika 也跟著舉起手。這樣的互動，讓肢體動作和語音、文字一樣，成為交流的一部分。
肢體語言是雙向的
Mika 把 Behavior AI 的概念延伸成雙向交流：Avatar 不只能透過動作表達自己，也能回應使用者看得見的行為。
這開啟了另一種陪伴形式：人可以揮手、移動，或分享自己周遭的環境，讓這些都成為互動的一部分。
Abhishek 也把使用者的控制權設計進體驗之中。Mika 的即時相機分析是在使用者自己的裝置上執行，相機和麥克風只會在使用者選擇時才啟動。介面會清楚顯示相機的狀態，並提供明確的關閉方式。
什麼時候該用 AI Avatar 來打造產品？
問自己一個問題：如果拿掉 Avatar，使用者會失去什麼？
對 MAGO 來說，是一種熟悉的、能跟上對話的方式；對 Sarthak 的模擬器來說，是練習解讀非語言訊號的機會；對 Mika 來說，是一位能透過動作回應的、看得見的夥伴。
這些都還是早期原型，實際成效仍有待驗證。但每一個都為 Avatar 賦予了明確的任務，也為後續發展指出了清楚的方向。
恭喜 Chris Takahashi、Sarthak Saklani 與 Abhishek Kumar，也感謝所有在 Hackvatar 上開發並展示作品的 14 支隊伍。
他們的作品，正說明了我們打造 Perxona 的理由：幫助人們參與對話，並在言語之外溝通。
