製造業如何擺脫 AI 單點優化？IBM 拆解常見的「5S」挑戰，揭開規模化導入 AI 的轉型路徑
隨著 AI 技術快速演進，AI 已從傳統負責精準分析與輔助決策的單一任務工具，逐步進化為具備自主規劃、資料收集和行動能力的「Agent」，並成為企業內部能獨當一面的數位員工。然而，儘管 AI 技術取得巨大突破，多數企業在實際導入時卻仍面臨轉型瓶頸。
在 TechOrange 科技報橘近日舉辦的「AI Ready 數據治理論壇」中，台灣 IBM 諮詢 AI 與數據服務協理林桂如指出，目前多數企業的 AI 專案仍停留在單點任務優化，或是用來提升局部工作效率，未能真正觸及商業模式與營運規則的根本改變。像 IBM 的全球研究報告就顯示，全球前五百大企業中，高達 64% 的高階主管認為，在 2030 年前生成式 AI 能夠帶給企業最大競爭優勢的關鍵，在於徹底改變既有產業商業模式與流程規則。這也代表，製造業必須逐漸捨棄單一任務的局部最佳化思維，進一步邁向長遠轉型之路。
拆解導入 AI 的「5S」挑戰
林桂如表示，許多企業在導入 AI 的過程中，往往面臨嚴峻的「5Ｓ」挑戰。第一個挑戰是各部門各自為政所形成的「數據孤島（Silo）」，導致資料與系統難以跨部門整合與流動。第二個挑戰為缺乏風險管控機制的「隱藏應用（Shadow）」，許多 AI 模型開發完成後，因擔憂潛在影響營運與生產的風險，導致做出來卻遲遲不敢上線運作。
第三個挑戰是「平台碎片化（Stack）」，例如各部門各自購買不同的 AI 平台或重複訂閱大型語言模型，不僅造成嚴重的重複投資與資源浪費，更讓開發團隊在技術選擇上無所適從。第四個挑戰是「人才技能難以跨域擴散（Skill）」，由於具備 AI 素養的專業人才分佈不均，因此跨部門協作時常面臨巨大的溝通阻力與認知落差。最後一個挑戰則是缺乏長遠營運規劃的「煙火式專案（Showcase）」，這些專案被業界稱為「滿地都是飛行員（Pilot）」的概念驗證專案，短期內看似遍地開花，卻無法持續營運並產生實質效益，因此難以將零散的技術轉化為可累積的長期企業戰力。
啟動 AI 規模化引擎，掌握「4Ｃ」關鍵
「當有一個組織或單位真的非常在意 AI 產生的投資報酬率（ROI）與效益，還有 AI 治理成果的時候，這個 AI 專案才能夠持續推動下去，」林桂如分析，為了解決「5Ｓ」挑戰，IBM 提出以「4Ｃ」作為企業建立完整 AI 運作體系的核心解方。
林桂如建議，企業應先建立統一統籌的「AI 卓越中心（Center, COE）」，由專責組織負責統籌預算、制定投資優先順序與追蹤專案成效，確保專案能持續推進並產生價值。其次是規劃明確的「AI 策略藍圖（Compass）」，意即依據成本效益、業務目標與合規性等指標評估投資優先序，避免盲目跟風而造成高昂的資源浪費。第三個關鍵是打造企業級的「Data & AI 平台（Core）」，解決系統重複投資的問題，建立能共用資料產品與模組化工具的技術基座。最後則是落實嚴謹的「AI 治理（Control）」，確保所有上線的應用都具備安全性、可控性與合規性。
在掌握「4Ｃ」的基礎上，林桂如以面板大廠的瑕疵檢測為例，說明企業初期開發一個影像辨識的 AI Agent 可能需要耗時長達六個月，但在標準化與模組化的共用機制下，若要將相同的視覺框架應用在其他製程或出貨的終檢環節，開發時間便能大幅縮短至一個月甚至一個星期。當內部累積足夠多的 AI Agent 後，便可透過跨平台的協調中樞機制實現多 Agent 協作，進一步達成跨系統調度與供應鏈等級的整體最佳化。「所以我們強調的 AI 規模化，其實是讓 AI 從會執行一件事情，變成會思考、去執行的數位員工，」林桂如說。
接軌國際法規，落實「可程式化 AI 治理」
隨著企業將 AI 應用推向規模化部署，接軌國際規範、落實 AI 治理成為不可或缺的前提。面對各國日益嚴格的法規要求，企業若將含有 AI 技術的產品或服務出口至歐美市場，就必須提供符合當地法規的具體證明。
林桂如強調，目前多數企業的 AI 治理仍停留在找人寫文件闡述的「紙上合規」階段，這種做法不僅無法提供客觀的稽核證據給海外客戶，更無法真實保存模型資料並掌握運作狀況，因此企業必須走向科學化、可落地的「可程式化 AI 治理」，將主觀的合規要求轉化為系統化的技術檢測指標。
林桂如以作業績效系統為例指出，如果排班或績效考核機制容易將特定性別或年齡層分配至不利的班次，便可能引發嚴重的公平性爭議，這類應用屬於法規定義中的中高風險場景。然而，法規中關於公平性的指標高達上百種，因此 IBM 透過白皮書，以按圖索驥的方式協助客戶從風險等級切入，一路探索企業端與技術端應該要執行的控制項目。
林桂如進一步分享 IBM 輔導一家知名高科技製造業的實際轉型案例。該企業是 AI 領域的先行者，早在十幾年前便開始導入 AI 技術，內部更累積高達兩、三百個 AI 應用。然而，當被問及這些 AI 應用的現況時，企業內部卻無人能完整回答。
為解決管理困境，IBM 協助該企業全面導入「4Ｃ」架構，成立集中化的「AI 工廠」，讓企業未來能以同一套標準化的方式來開發與管理 AI，並建立起自動化的 AI 治理機制。林桂如指出，透過這種標準化且科學化的治理方式，企業在短期內便有效降低 IT 團隊的工作負擔與維運成本，在中期效益上，AI 應用上市（Time to market）的時間也顯著縮短，有助於企業躍升市場競爭力並翻轉產業規則。
AI 要成為企業戰力，關鍵在全面翻轉思維
「如果轟炸機飛過去的時候，炸了許多地方卻一片鴉雀無聲，代表炸到無關緊要的地方，如果受到猛烈的反擊，就代表炸對地方了，AI 轉型也是如此，」林桂如生動地比喻，在 AI 轉型的過程中，因為要改變原有的遊戲規則和流程，必定會遭遇許多困難與摩擦，但企業必須堅持往前推動，並持續與各方溝通，這樣才能真正實現全企業的 AI 規模化。
要真正發揮規模化 AI 的龐大威力，企業必須在核心的轉型思維上進行徹底翻轉。林桂如呼籲，企業應捨棄僅在既有繁瑣流程上加裝 AI 的局部優化思維，轉而採取以 AI 為核心的全面再造，才能在實現 AI 轉型、AI 治理與全面智慧化的路上，走得更長更遠。
（圖片來源：科技報橘）