當 AI 從聊天工具走向能自己接力工作的 Agent（AI 代理），最需要它的，未必是天天坐在電腦前的科技業，而是缺工、老師傅即將退休、經驗只存在腦袋裡的台灣製造業。
智慧方案（Intellicon Solutions）創辦人暨執行長陳慶蔚（首圖）是第一代網路創業家：2000 年共同創辦嚮網科技，推出優仕網與愛逛街，2017 年嚮網被 LINE 收購後，他在 LINE 台灣電商事業部擔任直播商務總監，負責直播電商。2024 年他再度創業成立智慧方案，以 AI Agent 管理平台 EgentHub 協助企業把工作經驗轉成「AI SOP」，並已幫助超過 200 家企業導入 AI Agent，客戶橫跨紡織、金屬扣件、化工與電子製造等產業。
在《數位時代》Podcast「記者茶水間」中，由副總編輯趙郁竹提問，陳慶蔚分享為什麼選擇從製造業切入、如何先從報價單等單據下手讓員工有感，以及「Agent 對接 Agent」的時代，人類員工還能做什麼。
從他的經驗來看，製造業導入 AI 可以先做兩件事：一是從報價單等耗時的單據下手，讓員工馬上感受到省下的時間；二是把老師傅腦中的經驗整理成 AI SOP，讓知識留在公司。
文章目錄
Q1：智慧方案為什麼選擇從製造業切入？
Q2：製造業導入 AI 最常見的痛點是什麼？該從哪裡切入？
Q3：什麼是「AI SOP」？老師傅抗拒改變時怎麼辦？
Q4：智慧方案提供什麼服務？如何處理製造業的資料保密需求？
Q5：「Agent 對接 Agent」是什麼樣的工作模式？人在其中扮演什麼角色？
Q6：新人戴著眼鏡即時錄影、卡關時直接請教「AI 老師傅」，這個場景現在做得到嗎？
Q7：AI Agent 能解決台灣製造業的缺工與傳承問題嗎？
Q1：智慧方案為什麼選擇從製造業切入？
A： 各個行業我們都嘗試過，零售電商、行銷科技是我以前比較常著墨的領域。公司成立大約 3 至 10 個月之間，我們摸索到紡織和一些製造業，發現了幾件事。
第一，製造業是台灣營業額高、從業人數多的產業，而且面對全世界。 就 GDP 來看，製造業大概是台灣占比最高的。電子業有台積電與相關供應鏈，現在很多也是我們的客戶；比較傳統的紡織成衣、化工、金屬扣件、工具機、電器等，出口比重也很高。服務這些出貨到全球的廠商，等於站在台灣服務全世界，能服務的公司跟人數也比較多。
第二，AI 在人數多的公司，乘數效應比較大。一個人學會 AI，公司裡跟他同職能的另外 50 個人，很容易共用他訓練出來的 AI，因為大家的技能都一樣。這種放大效果在人數多的行業特別明顯，而這類行業大多是製造業。
第三，製造業的電腦與資訊科技應用較少，更需要 AI 幫忙。 軟體科技或行銷科技業本來就花很多時間在電腦前，AI 軟體對他們的幫助比較直接；再大的行銷科技公司，人數也不如製造業。我常問客戶公司有幾個人，對方說 5,000 個，我能幫上的忙就很多。
Q2：製造業導入 AI 最常見的痛點是什麼？該從哪裡切入？
A： 電子製造業現在在台灣非常熱門，出貨的是 AI 相關裝置與元件，先排除不談。其他製造業普遍的問題是缺工，再下一個問題則是：老師傅快退休了，誰來傳承？
AI 剛好可以在這裡幫上忙。年輕人可以帶著 AI、把它當助理，一起跟老師傅學習。
很多時候我們去工廠，其實聽不懂老師傅在講什麼。我就請他跟我講這東西怎麼做，然後趕快偷偷問 AI，AI 會給我一些指引，我就比較能跟老師傅聊起來。在這樣的討論過程中，AI 也了解了他的行業知識。
接下來我會問：師傅，你有什麼問題想解決？他會說某些事情要花非常多時間，那我們就讓 AI 試試看。我們在製造領域常做的第一步，就是從節省時間開始。本來要做 3 小時的工作，竟然半小時內就做完，師傅才會真正感受到 AI 的幫助。
我們希望客戶馬上有感、能省到成本，所以會先挑 ROI（投資報酬率）最容易計算的工作，也就是標準化作業與審查比對，例如報價單、品管單、採購單、物料表、樣品單、製作單。
以製造業的日常來說，客人給你規格，問這件衣服能不能生產 1 萬件，你就要張羅物料夠不夠、什麼時候進貨、價格怎麼樣，溝通協調之間產生大量單據。以前都靠人在電腦前登打、花眼力比對，我們希望把這些工作的時間縮到很短。
之後就一步一步往更複雜的工作走：
- 標準化作業： 擬單、生成報價單等單據
- 審查比對： 核對各種單據與表格
- 資料解讀： 開始分析生產線上的資料
- 規劃類工作： 生產計畫與排程、物流規劃、預約安排
排程排得更好，就能減少浪費。但一開始還是先從省成本、減少加班做起，大家從簡單的地方開始理解 AI，漸漸就會覺得 AI 真的能幫忙。
Q3：什麼是「AI SOP」？老師傅抗拒改變時怎麼辦？
A： 老師傅的 SOP（標準作業流程）靠的是經驗，問他有沒有寫成檔案，他說沒有。跟 AI 互動的過程，就是把這些經驗整理成所謂的 AI SOP。
他從來沒寫過，那我們就用講的。我會拿出錄音設備，把講話內容轉成文字。教學也是一樣，我教一群人時會把過程錄下來，除了講義，也把講述內容留給他們複習。
雖然我們是軟體公司，但我覺得我們更像一家教育訓練公司，教大家怎麼用 AI，只是剛好有一個軟體平台，教學時可以拿來當教具。把服務、教學這件事做好，我的軟體自然就會受到喜愛。
老師傅的知識被 AI 理解之後，新人想了解某個職務的工作，也可以直接問 AI，因為 AI 已經跟老師傅相處過一段時間。接下來新人的教育訓練、上手速度，甚至真正生產線上的工作，都會一段一段被組合起來。
Q4：智慧方案提供什麼服務？如何處理製造業的資料保密需求？
A： 製造業還有一個行銷科技或零售業不見得那麼敏感的課題：資料的保密性。他們接客戶訂單，常會被客戶要求高度保護資料，所以台灣製造業的內部資訊系統多半是地端（部署在企業自有機房，而非雲端），或者一定要保護在公司裡面。
坊間科技大廠（如 OpenAI、微軟、Google 等）的服務基本上以雲端為主，資料都要上傳，甚至是上傳到美國，整批資料上傳，對製造業來說有時是不太行的。
所以我們做的，是在企業內部搭建一個軟體平台，讓同仁在公司裡就能跟 AI 互動聊天、請它做工作。平台包含 AI 推論、知識庫，以及所有的系統串接，例如 email、行事曆、報價系統，還有 ERP（企業資源規劃系統）、MES（製造執行系統）這些資料原本存放的地方，再用 AI 來分析。你可以把我們理解為一個 AI 中台，也就是資料中台加上串接中台，建在客戶自己的公司或廠內，安全地應用模型。
我們最近也有比較輕量的方案：買 2 台 Mac Studio 放在公司裡，價格大約 1 萬美元（約新台幣 33 萬元），甚至不到，就有一個地端裝置，所有 AI 對話與知識全部管控在公司裡。
我們服務很多中大型企業，他們有監管或比較嚴格的稽核需求，這套做法完全可以滿足。同仁處理客戶的訂單、圖稿時，不用再擔心不小心把資料外流，造成客戶損害。
很直白地講，我們就是把 ChatGPT、Claude 從外面搬進你們家，讓同仁可以安全地跟 AI 溝通，同時具備該有的權限管理、使用紀錄，以及成本管理。大家都會用到 Token，有人用得很兇，就需要能被稽核，看是不是不正常使用，這些都可以在平台上管理。
Q5：「Agent 對接 Agent」是什麼樣的工作模式？人在其中扮演什麼角色？
A： 去年以前的 AI 比較像點狀，每個人各自跟 AI 互動：你很會聊天、你學 prompt（提示詞）、你會整理資料。今年我們多做了一件事：我的 AI、你的 AI 跟他的 AI，三方互動，工作可以自己傳遞。我的 AI 做完工作，就直接交給你的 AI，而不是交給你。
如果有些工作你的 AI 已經做得很熟，就讓它直接做完、留下紀錄。但如果是非常需要你確認才能送出的工作，你可以教你的 AI：做完之後、送到下一站之前，先跳出來讓你審核，你按了按鈕才出去。這就是我們講的 Human in the loop（由人在流程關鍵點把關）。
所以去年是一個點、一個點，一家公司可能有 5 個職務、5 個點；現在我們把 5 個點串起來，那 5 個人在喝茶聊天開會，底下的 5 個 AI，甚至不只 5 個，就在工作。這不是願景，我們服務的一些企業已開始用這樣的方式工作。
現在我們常協助客戶盤點哪些工作適合 AI 做、哪些適合人做。人能做的事還很多：客戶關係、談判、客訴溝通，凡是跟人接觸的，今天仍要靠人類。最重要的則是決策，以及背黑鍋：出了問題，負責的不是 AI，而是它背後的「老闆」，也就是每一個工作者。
Q6：新人戴著眼鏡即時錄影、卡關時直接請教「AI 老師傅」，這個場景現在做得到嗎？
A： 我覺得這已經是可行的未來了。AI 現在的視覺能力蠻好的，很多時候只是你沒試過而已，你把影像、設計圖丟給它，它其實看過就懂。
即便它沒看過，你也可以訓練它，給它看很多次，100 次、1,000 次，它就有概念，可以幫忙判斷。只要你有想像力，就可以跟 AI 一起嘗試把想像化為實體。
現在另一個角度是跟 AI 共創：AI 團隊加上人類團隊，一起努力可以創造很多。常有人問我公司有幾個人，我說至少 200 個。實體的人類其實不多，但 AI 助理、AI 員工蠻多的，這已經是現在的工作模式。
Q7：AI Agent 能解決台灣製造業的缺工與傳承問題嗎？
A： 對老師傅來說，藉由跟 AI 溝通，比較不會覺得青黃不接，因為有人能更快了解他，也多了一些幫手；年輕人本來有一大段知識要追趕，透過人類跟 AI 一起協助，能力會增強；對公司而言，所有知識都會妥善留存下來。
傳承與缺工的問題，至少在電腦前的這些工作上，相當程度可以被解決。不要覺得 AI 怎麼可能懂這些，它還真的懂蠻多的，只要你有想像力、願意去試、去教它就好。
收聽完整 Podcast｜記者茶水間 242｜當 AI 走進製造業！把 Agent 搬進廠房的實戰通識課
（本文初稿為 AI 編撰）
