五家企業，讓AI開始進入每天的工作

走過五屆金屬製品業數位轉型工作坊，今年，我們第一次把歷屆企業重新找回來，規劃並成立了30小時的AI專班，而建立這個課程的初心是：

不要只讓企業知道AI很厲害，而是要知道，AI到底可以放進哪一段工作。

課程不是只教ChatGPT、Gemini、NotebookLM這些工具，而是一路從庫存、生管、品質，談到知識管理、現場數據與流程自動化，期待企業能真正做到的，是從「理解AI」，進而「找到題目」，最後願意做出一個小範圍可以驗證的PoC。

令人高興的是，成果展上真的有五家企業把自己的工作題目帶上台，這件事比單純完成一堂課更有意義。AI已經不只是「會不會用工具」的議題，而是開始慢慢進到企業每天真正會碰到的工作裡。

不做大題目，先從真實問題開始

這次五家企業的題目都不一樣，但有一個共同特色：

不是先想AI能做什麼，而是先想現在最困擾的是什麼。

程岱從不同職能的日常痛點出發，包含品管的品質紀錄查詢、資材的備料管理、生產排程與研發工具等。其中，品質異常資料原本要靠人從Excel、照片、郵件與報告中逐一翻找，導入工具後，查找時間從約10分鐘縮短到約3分鐘；備料管理也從5份Excel分散維護，整合成一套系統，表單作業時間平均縮短約七成。

億勝則從少量多樣製造的生管問題切入，一筆客戶訂單背後，可能牽動數十張製令與採購單，過去查詢一次訂單進度得跨部門來回確認，不過是想知道進度而已，卻可能需要花超過8小時的時間才能得到回覆。透過流程梳理與ERP資料整合後，多數訂單查詢可由業務直接取得資料，回覆時間縮短到1小時以內。

王牌鋼鋁的題目很貼近工程現場。門窗工程常常要等泥作、防水、油漆、細清等前置工序，很多重要訊息都散落在LINE群組裡，講完就被後面的訊息蓋掉。王牌沒有要求大家改變習慣，而是讓AI在背後協助，把群組裡的工務訊息過濾、分類、確認後寫進系統，再每天主動把待辦推回群組。

這個做法很值得注意，因為AI不直接做最後決定，而是保留人的確認。導入後，排程關鍵欄位齊備率達100%，群組改期到甘特圖更新約0.6分鐘，待補驗收單也從12案降到1案。更重要的是，原本只存在老師傅腦袋裡的工序經驗，也開始被寫進系統，變成全公司都能使用的規則。

雅得選的報告題目則是一個很多製造現場都會遇到的問題：產量吃緊時，是真的缺人，還是人力配置沒有用對？他們把產量需求、標準人均產能、現有人力負荷、可支援人力與加班策略放在一起，讓AI協助把複雜計算變成管理者可以使用的人力決策。下一步，也準備從既有SPC資料出發，發展趨勢警示與不良原因分析。

乃興則從製造戰情切入，過去即使資料已經整理好，如果主管沒有主動打開系統，重要異常仍可能錯過，因此，他們思考的是如何讓AI主動推播，把需要注意的資訊直接送到需要做判斷的人手上。

五家公司，看起來做的是不同事情，但其實都在做同一件事：
讓AI從「工具」，走進「職能」。

AI不是取代人，而是讓人的判斷更有依據

這次成果展裡，很多企業最後都回到「人」的議題。王牌讓AI先判讀，但由人按下最後確認；雅得也很清楚地提到：「有AI，不代表管理會自動發生。」

AI可以幫忙整理、計算、提醒、搜尋，甚至提出建議，但真正要不要採用、怎麼處理，還是需要人的經驗與判斷。

所以AI轉型真正要做的，不是把人拿掉，而是把原本重複、耗時、容易遺漏的工作交給AI，讓人把時間留給判斷、溝通與決策。

中小企業做AI，其實不用一步就要到位

中小企業的AI轉型，不需要一開始就做很大。

先從一個職能開始，就很好。品管先解決資料查找，生管先解決訂單進度，工務先解決訊息追蹤，管理端先釐清人力配置，主管先嘗試異常推播。

先找出：哪一件事最花時間？哪一件事最常重複？哪一件事最依賴某一個人的經驗？

接著再做一個小範圍PoC。
能用、有人用、真的有改善，再慢慢往下一個部門擴散。

這樣反而比較適合中小企業。

數位轉型，是AI轉型的地基

這次特別邀請歷屆工作坊企業參加AI專班，也有一個很重要的原因，因為這些企業已經走過流程盤點、ERP、MES、資料整理與數據透明，所以當AI進來時，他們比較知道：AI要接哪一段流程？需要什麼資料？誰會使用？最後要改善什麼？

這才是真正能夠在產業中落實的：數位轉型 × AI轉型。

AI不是突然多出來的一個新專案，而是當流程整理好了、資料累積了、系統慢慢串起來之後，幫助你能夠更快的再往前一步。

從「資料有留下來」，到「資料找得到」；從「看得到資訊」，到「系統主動提醒」；從「靠人記得」，到「經驗可以被留下來」；從「靠經驗判斷」，到「人與AI一起做判斷」。

AI開始不是只停在簡報裡，而是真的進到企業每天的工作現場。

AI不用一步到位，先讓它在一個真實的工作場景裡產生價值，再慢慢長大。

對中小企業來說，這可能就是最實際，也最走得長久的AI轉型方式。