2022年底，ChatGPT問世並迅速引發全球關注，但對許多傳統產業業者而言，這項新技術究竟能如何應用在自己的業務上，當時仍沒有明確答案。
如今，隨著AI技術快速進步，越來越多傳產業者開始嘗試將AI導入日常營運。從解決產線缺工、傳承老師傅經驗，到分析機台數據、改善生產效率，AI的應用逐漸從辦公室走進工廠。
不過，傳產普遍面臨科技人才不足、數位化基礎薄弱等挑戰。這些企業如何找到適合自己的AI應用？又該如何克服轉型過程中的難題？
「人海戰術」行不通，缺工是推力也是阻力
驅動及阻礙許多傳統產業業者導入AI的理由，可能是同一個：缺工。
一方面，在產線上擁有數十年經驗的老師傅們逐漸退休，新血湧入速度與留任穩定性時常不足以完整接手、維持良率。這促使傳產業者必須加速導入科技，彌補人力缺口。
另一方面，傳產在資訊、科技領域的員額原本就較少，也難以和半導體、高科技產業競爭人才。內部科技人才有限，即使在產線上蒐集到大量數據，也不一定有能力善用。外部顧問對傳產領域知識多少有隔閡，也讓直接外購的解決方案很難解決核心痛點。
成立兩年、已累積200多家製造業客戶的AI代理新創團隊「智慧方案」營運長陳旻筠走入中、南部製造業第一現場，看見的一大痛點便是——人海戰術已行不通。
陳旻筠解釋，過去許多企業的策略是將任務細分成內容單純、薪資水平也較低的職位，同時交付給許多人執行，來達成低成本的快速交付。例如，一份客訴報告可切成8個章節，每人負責寫一段，八個人同時進行，最後再由主管統整。
但如今大環境缺工，年輕人才對這類單純到近乎單調的工作內容興趣缺缺。一支專寫客訴報告的AI代理，事實上可以直接生成整份報告，省下過往8段章節之間溝通、統整的工時，可說是既補上人力缺口、還能提升效率。
陳旻筠認為，要辨識哪些任務適合、哪些任務還不適合交付給AI，需要AI領域的專業知識。但她建議企業可以朝「耗時」、「重覆性高」以及「許多人在作」這幾個特徵的交會處尋找值得探索人機協作的用例。
內部賦能、新舊協作，全員動起來才走得久
產業現場，缺工這題有多種因應做法。招募AI領域的新血不易，許多公司選擇先賦能內部人才。包括補助AI工具、外聘顧問開設AI課程、工作坊，甚至是兩天一夜的營隊，目標是先讓員工們「說同一種語言」，能夠理解主管佈達的AI目標，進而選拔出種子成員，讓更多AI應用遍地開花。
以亞東預拌為例，從2022年以來，員工優化工作流程的提案總數超過1600件，採用率也持續上升到八成。總經理金崇仁強調，目前公司資訊處加上總經理室的專職人員只有5到7人，無法只靠這幾個人推動AI轉型，要讓全員動起來，「不是主管去看，是員工提出實際工作上有什麼困難、需要解決，這對我們來講非常有幫助。」
今年，亞東預拌成功招募到一名AI工程師，靠的是產學合作打下的基礎。金崇仁直言，在104人力銀行刊登徵才職缺，AI人才「不會理這個產業，都去科技公司。」但透過與台科大產學合作，讓學生更了解混凝土業，「他發現混凝土業也需要AI的人才，就來試試看。」
員工平均年資較高的福壽實業，則試著新舊整合。福壽實業約有600多名員工，其中年資超過20年的可能有一半、甚至更多。公司透過續聘、回聘退休員工，傳承經驗給新血。
同是百年企業的華夏玻璃，則蒐集大量文件，打造出可讓新進員工問到飽的玻璃製造知識庫「玻璃聖經」。這與轉軸大廠新日興持續深化的內部知識庫，都是保存、積累內部專業製造知識，也能加速新人培訓的努力。
從機台到天氣，都可以作數據分析
傳產轉型的另一大挑戰在於數據基礎建設。根據資策會數轉院調查研究，台灣製造業已有超過65％導入管理訂單、庫存與財務的企業資源規劃系統（ERP），但導入能即時掌握生產進度、機台狀況的製造執行系統（MES）者，僅有20.7％。更有超過7成的工廠產線尚未建置機聯網，顯示多數工廠生產現場的即時數據管理能力依舊有限。
誠然，長期以來數位化體質不佳，新、舊設備與跨機台資料難整合，同質資料量不足，以及導入數據中台的成本高，都是牽制傳產善用數據的原因。
但能支持傳產自動化升級的數據燃料至少有兩種：機器資料以及人員資料。這兩者都能靠新技術補強實力，不一定需要整套產線舊換新。
航太龍頭漢翔航空工業旗下的「AIxWARE智慧製造平台」，已服務數十家中小企業智慧升級。背後推手、資訊處處長方一定便指出，除非設備真的太舊，否則大部分機台都能透過抓取控制器網路封包的方式解析參數，不需要掏腰包加裝新的感測器。
再結合語言模型對自然語言的理解能力，能將老師傅的主觀經驗結合機台調參、成品良率的客觀數據，訓練出更精準的AI模型，降低換線時間及測試成本。
除了場內，數據來源也能外尋。為了協助營運決策，亞東預拌也導入自動化軟體（RPA），監測外部環境的相關數據，如今已累積三十餘個監測項目。
金崇仁解釋，除了企業可控的內部變數，許多外部變數也與混凝土需求息息相關。亞東預拌定期監測建築執照開工面積與核發面積、降雨天數、台電備轉容量、油價、煤價、水庫儲水量與河川輸濬量等會影響營建工程進度、運輸與原料成本等關鍵因子的變數。
以前靠人工去網站蒐集資料，可能要花三天，如今透過RPA抓取，大概15分鐘就能完成。
AI轉型，關鍵在人不在AI
《2025製造業AI普及度調查報告》顯示，在AI普及度上，相對台灣資通訊科技業已有39.1％處於導入驗證、規模化擴展階段，傳統製造業進入這個階段的數值僅有22.7％，更有45％傳產企業停留在「未知」階段。
但在關稅變數、匯率波動、通膨壓力、碳費開徵，以及戰爭牽動能源成本等大環境的壓力下，傳統製造業能否善用前沿技術提升產線效能及供應鏈韌性，已是國際競爭力的關鍵一環。
一個或許是好消息的洞察是，許多技術能否落地，依舊回歸到人，尤其是領導者。
服務不少傳產業者的BCG X 大中華區負責人吳學霖觀察，在導入AI上，傳產業者本身數位化的程度，不一定是最大的制約條件。管理階層是否有正確、合理的認知與理解，以及給予支持的程度，可能扮演更重要的角色。
「例如，想推動AI智慧製造，缺乏相關數據，可能還是有做法去解決它。」吳學霖說，「但如果管理者不覺得這件事重要，製造主管也沒有太大驅力去做這件事。AI轉型最大核心其實不在AI，而在於人。」
