Hmcomm Inc.

Hmcomm Inc. 的創業源頭，可追溯至CEO於大型SIer（Fuji Soft）擔任工程師、專案負責人、經理及董事期間所產生的問題意識。 日本擁有豐沛的優秀技術與工程師，惟這些資源未能充分轉化為社會價值或產業生產力的提升——他將此視為一種危機。隨著雲端服務改變了軟體的開發與交付方式，他更加強烈地感受到，日本工程師的技術能力必須更直接地連結至社會課題的解決。 基於此一經驗與信念，他於2012年自行創業。其後接觸到位於筑波的產業技術總合研究所（AIST）所持有的音響分析技術，並運用「AIST技術移轉創投計畫」此一將研究成果推向社會實用化的框架，正式展開事業。 自創業以來始終如一的，是對「聲音」的熱情，以及「從聲音創造價值、以創新服務貢獻社會」的理念。 當時市場關注焦點正轉向影像與圖像分析，而在非結構化資料中技術門檻最高的「聲音」領域，鮮少有企業認真投入。Hmcomm 將技術主軸設定於此，此後專注於分析並商業化涵蓋範圍廣泛的聲音資料，從人聲到工廠、設備及社會基礎設施所發出的工業聲響皆包含在內。

隨著公司成長，所吸引的人才亦隨之演進。創業初期的核心是對音響演算法、音響特徵分析及機器學習感興趣的研發人員；其後，具備將研發成果產品化與落地部署能力的人員陸續加入。時至今日，推動成長的引擎則是具備「社會實裝能力」的人才——不僅開發技術，更能理解客戶課題、將AI轉化為具體事業成果的人才。

Hmcomm 認為，軟體開發產業正面臨由生成式AI與AI Agent普及所帶動的重大結構性變化。 既有模式是大量聘用工程師、組建龐大開發團隊，以人工方式進行設計、程式撰寫、測試與維運。惟今後經營層預期，由AI承擔大部分程式撰寫與測試的「AI驅動開發」將快速普及，人類撰寫程式碼的價值將相對下降。 因此，軟體開發的計價單位預計將由人月制迅速轉向AI Agent授權、系統使用費、依AI運算量計價的用量制計費，以及持續性的維運／改善費用。 Hmcomm 無意如大型SIer般擴充人力規模，而是打算發揮小規模、靈活組織的機動性，開發並營運大量AI Agent，承接客戶廣泛的業務流程。 其核心即為語音AI Agent平台「VAAP」。 過去以人月制開發服務形式提供的人力作業，將在VAAP上實裝，轉向將AI Agent部署至客戶業務流程的模式。透過AI Agent如同人力般執行任務——並衡量成果、持續改善——Hmcomm 期望從一次性的AI開發公司，進化為持續提供AI Agent的平台型企業。 話雖如此，僅憑AI要設計並營運所有流程，同時理解客戶的經營課題與業務需求，實屬困難。因此，Hmcomm 將直接面對客戶、從課題發掘到AI導入、業務實裝及導入後價值創造的人員，定位為「FDE」（Forward Deployed Engineering）。FDE負責定義客戶的業務與目標成果，透過AI驅動開發建構Agent，並在導入後持續監控與改善客戶業務。透過此一架構，公司目標建立人與AI Agent共存、且由AI Agent執行的工作比重持續提升的企業模式。

核心戰場的定義

在企業AI導入擴大與社會基礎設施省力化需求的支撐下，Hmcomm 鎖定三個具備顯著成長潛力的核心市場。 其一，透過AI導入實現業務流程與商業模式轉型的市場，此一需求將在各產業全面啟動。 其二，來自客戶持續使用所開發並部署之AI Agent的經常性收入來源。 其三，異常音檢測技術「FAST-D」所對應的工業與社會基礎設施市場。勞動人口減少所致的人手短缺與社會基礎設施老化屬結構性社會課題，有別於景氣循環波動。除企業辦公室業務的AI替代之外，經營層認為設備巡檢、預知保養、基礎設施監控等實體作業的AI省力化與高度化需求亦將持續擴大。若說VAAP代表處理企業內部業務流程的「數位AI Agent」，FAST-D則定位為承擔設備巡檢與基礎設施監控的「實體AI Agent」。 能夠同時將數位與實體領域Agent化，構成Hmcomm 中長期的重大市場機會。

成長空間

即使在既有客戶內部，仍有大量業務流程尚未導入AI。Hmcomm 已在語音辨識、客服中心、會議紀錄及異常音檢測等領域累積與大型企業合作的實績。除既有產品的交叉銷售外，FDE亦可在客戶內部發掘新的業務痛點並加以Agent化，藉此提升單一客戶貢獻收入。 其策略並非銷售單一產品，而是將Agent／AgentSuite部署至客戶的多項業務流程，並透過授權費、使用費及維護／改善費用轉化為經常性收入。

向鄰接市場擴展

經營層認為成長空間最大的領域為FAST-D。來自製造設備、電力、瓦斯、上下水道及地下設施的工業聲響與運轉資料，屬於現場特有、在一般網際網路上並不存在的「暗資料」。Hmcomm 已累積分析工廠與設備聲響、檢測異常與故障前兆的實際部署實績。以此累積的工業聲響資料與分析know-how為跳板，公司將向設備保養與社會基礎設施監控領域擴展。例如上下水道巡檢，目前仍涉及危險作業及仰賴資深人員經驗的工作。今後將FAST-D與巡檢機器人、無人機及車載drive-by方式結合，可望實現巡檢作業的省力化與高度化。在合適情況下，公司亦將透過與基礎設施巡檢業者、設備保養公司、機器人／無人機業者及物流業者的策略聯盟與併購，探索超越提供AI系統、進一步承接巡檢作業本身的商業模式。雖然個別檢討中的案件尚未揭露，惟經營層有意持續將合作與併購視為中長期成長途徑加以評估。

累積的語音／工業聲響資料與分析技術

Hmcomm 起步於將AIST研究成果商業化的技術移轉創投，已累積分析從人聲到工業聲響等廣泛聲音資料的技術與know-how。生成式AI的快速進展，加快了AI模型開發與精進的節奏；與此同時，用於訓練與實務部署的高品質資料，其重要性反而更形提升。取自工廠、設備及社會基礎設施的工業聲響資料尤其難以取得，經營層認為，多年來透過客戶合作與實地部署所累積的資料與分析know-how構成競爭優勢。

端到端的社會實裝能力

僅提供AI要素技術或中介軟體，無法為客戶帶來事業轉型。實際導入需理解客戶的業務流程、核心系統、資安要求及營運架構，再將AI嵌入既有業務之中。Hmcomm 多年來持續將AI嵌入客戶的實際營運——包括客服中心、製造現場的異常音檢測系統等。從課題發掘、AI模型開發，到與既有系統的整合、正式上線導入及導入後的維運與改善，能夠端到端交付的能力，使公司有別於專注提供要素技術的供應商。

透過自有AI引擎支援地端與封閉網路環境

Hmcomm 以自有AI引擎為基礎，同時導入開源技術，強化可在自身環境內管理與交付的技術堆疊。此使其得以部署至地端環境、封閉網路及邊緣環境——這些皆屬僅靠雲端外部AI服務難以因應的場景。 處理機密資訊的企業，以及公部門、金融業、製造現場與社會基礎設施，皆要求在資安、通訊環境及運行成本方面均有周全考量的AI導入方案。能夠在內部掌控AI模型、資料與處理環境——而非單純在外部生成式AI的API上建構應用程式——並依客戶需求確保品質與資安，是重要的競爭優勢。

除既有的營業收入與客戶數指標外，公司將重視追蹤由人月制事業轉向AI Agent經常性事業進展的KPI。

過去AI Products的營業收入中，除月費授權等經常性收入外亦包含NRE（初期導入開發），使收入對大型案件的時點高度敏感。今後公司計劃在可行範圍內將NRE與經常性收入分離，並逐步揭露ARR／MRR、簽約企業家數及Agent數，讓投資人更清晰掌握向經常性事業轉型的進展。

經營層將營收成長劃分為三個階段。 第一階段：由FDE辨識客戶的經營與業務課題，並定義AI導入的目標流程及應達成的成果。 第二階段：設計並建構解決該等課題所需的Agent／AgentSuite，並與客戶的核心系統及業務流程串接。 第三階段：在VAAP上持續運行該等Agent，累積來自月費授權、使用量及維護／改善的經常性收入。

此一循環一旦確立，FDE案件愈多，投入實際運行的Agent愈多，將帶動ARR與用量收入的累積。此形成可複製的成長模式，不僅營業收入，營業毛利與營業利益亦將持續擴張。結合既有客戶的交叉銷售、核心產品與服務的擴展、透過VAAP持續交付Agent，以及資本與業務聯盟，公司目標於中長期維持年約30%的持續成長。在外部成長方面，併購並非單純擴大營收規模的手段，而是定位為加速VAAP事業與內生成長的槓桿。特別是透過將軟體公司與SES公司所擁有的客戶關係與人才轉化為FDE及AI驅動開發，公司期望將結構由人月制事業轉向AI Agent事業。透過併購加入的人員將再培訓為FDE，擴大發掘客戶課題的能量；而AI驅動開發平台「FD-X」則提升Agent／AgentSuite的開發生產力。經營層指出，此或可導向「Agent Factory」構想，使FDE的案件取得、Agent開發、正式導入及ARR轉化依序放大規模——惟現階段仍在持續研議中。

改善路徑主要有二。

其一，透過FD-X提升開發端效率。 程式撰寫、測試與文件製作將由AI驅動，建構可高效率、半自動化開發與改善Agent的框架。目標為建立在相同人力下能向客戶交付更多Agent／AgentSuite的架構。

其二，透過「AI Head Office」構想提升銷管費（SG&A）效率。 目前由會計、人資、總務、法務及業務行政人員執行的例行作業將予以Agent化，形成SG&A不隨營業收入等比例上升的組織架構。 藉由運用AI同時提升開發成本與SG&A的效率，並提高經常性收入占比與毛利率，公司目標於中長期達成合併營利率20%以上。

在併購方面，關注焦點並非僅在合併營收規模，而在於能否將標的的客戶基礎、人才、技術與資料連結至VAAP、FDE及FD-X，藉此加速集團整體的內生成長。併購後將優先推動與既有事業的綜效創造及獲利能力改善，並以資本效率為考量推進PMI。

ROE／ROIC目標： 目前尚未公布具體數值目標。今後公司有意在權衡成長投資報酬、資金成本與利潤率的基礎上，研議設定並揭露資本效率指標。

經營層認為，最大的下行風險在於向VAAP的商業模式轉型延遲。 Hmcomm 在語音AI與異常音檢測領域具備技術實力與導入實績，惟作為整合型AI Agent企業的市場認知仍有待進一步建立。 因此，VAAP需要標準化的Agent／AgentSuite，使客戶得以在短期內驗證效益，展現更短的導入期間與壓倒性的價格優勢。

第二項風險為FDE案件轉化為ARR的比率不足。 若FDE案件最終僅止於一次性的AI解決方案開發專案，營業收入雖可能成長，惟目標中的經常性收入結構將無法成形。因此，經營層在每項FDE案件啟動之初，即同步設計目標流程與導入後的授權／用量模式，並將嚴密管理由FDE轉化為Agent／AgentSuite、進而轉化為ARR的比率。

第三項風險為併購後PMI與人才轉型的延遲。 若被併購公司僅延續其傳統人月制事業，集團的盈利結構將不會出現實質改變。 方針為在併購後早期階段即提供FDE、FD-X及VAAP的實務在職訓練，依適性配置人員並進行再培訓，並以量化方式管理PMI進度。

高階主管薪酬

目前並無與股價連動的薪酬或股票選擇權制度。惟經營層認知企業價值不僅取決於營業收入，亦與成長率、ARR及利潤率連動，故依高於公開財測所設定的內部事業計畫營運，並以達成該計畫為目標。公司表示，今後有必要研議與此等指標連動的薪酬架構。

接班規劃

公司採行將各事業部視為獨立事業的公司制（company system），由執行董事擔任各公司負責人，對人、資產與資本負責。其被課予的責任不僅限於營業收入，亦包含利潤與資本效率；並已建立由執行董事晉升為董事、進而成為肩負特定使命之職稱董事的績效導向晉升路徑。此外，各公司單位的評核標準之一為「指定接班人並於兩年內將該單位分拆交由其接手」，形成公司單位不斷增生、同時培育未來董事候選人的機制。至於CEO本人則表示，若出現具備能力的接班人——視績效表現而定——他願意交棒並轉任其他角色。

員工留任率相較過去已顯著改善，並達到合理水準（未揭露具體數字）。儘管產業整體流動性高、頂尖人才更迭激烈，經營層將留任率改善歸因於得以參與尖端專案的機會，以及立基於理解客戶課題的問題解決取向。

其背景在於產業結構本身的變化。傳統上PM、SE、程式設計師與測試人員之間的分工已大幅改變，經營層認為人才角色本身正處於轉折點。因此，最重要的課題在於如何將這些人員轉向更高附加價值的工作並轉換其角色。

除自家員工外，公司有意將其對FDE的定義廣泛分享予集團公司及未來的併購對象，推動以人力資本為主軸的事業重新定位。經營層表示，其責任在於創造一種能夠持續透過軟體解決社會課題的狀態——換言之，即讓其人員得以長期安身立命的狀態。