智齡併仁寶健康1月完成！打造「長照虛擬護理師」AI助攻北美與日本

智齡科技跟仁寶健康2026年1月起將合併，聯手搶進智慧長照市場，智齡科技執行長康仕仲創業8年來共完成4次併購，目前服務15萬名高齡長輩，並已前進美國市場，他分享進軍海外學到最大慘痛教訓是規模化（Scale out），尤其是進軍美國一級戰區，台灣半夜工程師在睡覺，但反而是美國系統高強度運作時間。

康仕仲受邀由臺灣證券交易所與國際創投暨新創加速器SparkLabs Taiwan共同主辦的「智慧醫療產業沙龍」，分享智慧醫療規模化發展經驗。康仕仲2018年創業就鎖定高齡長照市場，成立智齡科技，初期只是15名員工的新創，但如今已是台灣市佔率3成的長照平台大廠。

康仕仲指出，他發現照護人員有6成工作時間其實是花在手寫記錄，因而開發一套SaaS長照系統，提供長照中心一線人員使用，核心功能不是單純把醫療照護筆記數位化，而是以雲端的協作平台方式，行動化呈現在平板或手機上，扮演「虛擬同事」協助護理師整理資料並提供預警。

智齡發展至今已是第8年，康仕仲指出，智齡已服務超過1200家機構，累計160億筆資料，取得ISO認證，該平台除可以記錄量測數值異常，並提供傷口辨識及生命徵象分析，並有家庭Line提供家人溝通AI功能，翻譯醫療專業術語，以及針對護理師大受歡迎的交班記錄AI，可以摘要病人問題加速交班。

由於長照中心也有用藥需要，智齡也有藥物資料庫，讓護理師可以用選單方式尋找或比對藥品，目前累積的服務機構已經超過1200家，使用過的專業護理人員超過6.3萬人，累計15萬長照長輩被服務。

智齡與仁寶健康換股合併 擴張長照三本柱

康仕仲表示，智齡為SaaS業務型態，很常見透過併購成長，目前智齡也已經做過4次併購，最近的一次就是宣布跟仁寶集團合作。仁寶透過旗下子公司仁寶健康與智齡科技換股，仁寶健康因而成為智齡100%子公司，仁寶則因換股取得智齡科技11.1%股權，雙方合併基準日預計是2026年1月1日。智齡今年營收1.6億元，合併仁寶健康後今年營收約2.3億元，2026年將以3億元為目標，相當於智齡透過併購跟有機成長業績翻倍。

智齡科技強項在「住宿型機構」與「日照」，而仁寶健康則專注居家照護，他表示透過合併後能完整覆蓋長照的三個面向。

智齡科技也於2022年進入北美市場，搶吃2.7萬長照機構商機。康仕仲表示，透過出海三年，雖有累積50家客戶，也走過許多慘痛教訓，轉化為創業經驗，而第一個學到的就是：POC（概念驗證）是「風險顯影」，而不是證明自己多成功。

他表示，智齡前進北美市場後發現，客戶的流失率（Churn Rate）曾高達16%，遠高於台灣的2%，後來發現兩大原因：一是硬體水土不服，台灣帶過去的設備在北美不被接受，後來改在當地採購合作夥伴的硬體才解決。其次是管理變化，北美護理人員不習慣從紙筆轉向數位系統，智齡被迫必須重新設計導入流程（Onboarding），並聘請新顧問教學。

第二個學到經驗是：不只是產品重要，Go to Market更重要，Product Market Fit（產品市場契合度）只是假象。康仕仲表示，為此他們找了美國跟加拿大有力的經銷商，建立GTM管道，透過經銷商模式，LTV（終身價值）與CAC（獲客成本）率從原本的3.3倍 大幅提升至15.1倍，讓他意識到「通路策略」的重要性不亞於「產品策略」。

第三個學到的經驗是系統韌性。隨2022年到美國，很快智齡也將前進日本，而智齡的SaaS系統運維也面臨巨大挑戰。康仕仲表示：「我們在半夜的時候，工程師都在睡覺的時候，我們系統在北美正很高強度的在運作」，如何確保系統架構夠強韌，在跨國服務時穩定支援，有次成為跨國企業重要必修課。

康仕仲表示，規模化成長面對兩大挑戰，一是業務從專案客製化走向標準化產品的路程，是先找出客戶需求的最大公約數（共通性）去開發產品，這也必須說服股東，因為做專案是可以賺錢，但開發產品初期則很燒錢，其次，產品開發中可以建立不同機構不同需求，可以「彈性配置」設定流程的產品。

另外也利用開放API建立生態系，避免重複開發硬體，故目前其SaaS平台可以連接超過65種設備。

4次併購 規模化累積豐富經驗

他坦言，智齡科技在初期不是直接進入醫院，而是鎖定長照中心、日照與居家服務，因為這些機構在台灣的數量遠多於醫院。但在從1家客戶擴張到超過1000家客戶時，技術跟營運都面臨挑戰，雲端架構系統其實不斷在做優化，他舉例，智齡曾一度將雲端電腦從50台縮減為2台。

另外他們不追求所有技術自建，而是透過開放API串接硬體，並利用併購來補足市場拼圖與數據廣度，因此創業路上一共併購過4次，2026年1月1日併購仁寶健康後，人數將增至120人。

另外在面對大量客戶導入需求時，也從一對一改為循環式上課，以解決教育訓練挑戰。

在AI導入上，康仕仲解釋，長照機構的付費能力不高，因此AI投資必須精準且成本低廉，同時要隱藏在平台幕後，因為護理人員通常害怕看到複雜的AI。因此，AI應該像一個「隱形的同事」，在背後自動分析（例如從護理紀錄預測六個月內的死亡率，準確率可達8成），僅在必要時發出警示（Alert）或提醒，而不是讓用戶感覺在操作一個高科技工具。