【台灣AI產業升級系列論壇專題】：AI Agent進工廠能做什麼？製造業先從一段可驗收流程開始
（ 論壇講者與談人於活動後合影。自左至右，分別為優智能執行長陳建志、MICH微智匯控股 AI解決方案架構副總經理張哲嘉、思偉達創新科技產品長暨設計總監郭東穎、迅得機械技術長呂文斌、宇清數位智慧董事長暨技術長郭仲仁、奇鼎科技研發處長劉祐誠、TAIWANinside 共同創辦人林宏文與 NEAT 理事長鄧萬偉。）
全國創新創業總會（NiEA）與台灣新經濟連盟協會（NEAT）於 2026 年 08 月 20 日在台北南港展覽館1館5樓 504b 會議室，共同舉辦由 MICH 微智匯控股擔任主要贊助商的「台灣AI產業升級系列論壇｜晶圓廠等級的智慧製造走進中小工廠：從數據、排程到AI Agent」論壇活動。論壇配合 Automation Taipei 2026 舉行，由 Startup Island TAIWAN 指導、亞矽暨AI政策執行中心合作，TAIWANinside擔任協辦媒體與執行單位，共同創辦人林宏文主持。
論壇安排兩場專題演講與兩場座談。MICH微智匯控股技術長張宗堯、宇清數位智慧董事長暨技術長郭仲仁分別主講；迅得機械技術長呂文斌、優智能執行長陳建志、MICH微智匯控股 AI解決方案架構副總經理張哲嘉、奇鼎科技研發處長劉祐誠及思偉達創新科技產品長暨設計總監郭東穎參與座談。NiEA營運長吳若瑋與NEAT理事長鄧萬偉代表主辦單位出席。
多數製造業報名者仍在理解與評估AI
活動前問卷呈現出明確落差。去除重複報名後，81位填答者中有55位自填為製造業。55位製造業報名者之中，35位尚未開始評估，或仍停留在了解與評估階段，占約64%；17位已在單一或部分流程試用，只有2位表示已在多個流程或廠區規模化使用。另有1位選擇「以上都不適用」，並補充說明為「個人想了解」。這組資料顯示，現場多數企業尚未進入全面導入階段，企業更需要先理解AI Agent的工作方式，再判斷工廠是否具備導入條件。
AI Agent和ChatGPT差在哪裡？
張宗堯從工廠的實際工作流程切入，說明生成式AI、RPA與AI Agent各自適合處理的工作。生成式AI可以整理、判讀與產生內容；RPA適合依照固定規則重複執行步驟；AI Agent則在既定目標、可用資料與權限範圍內判斷下一步，調用ERP、MES、APS等系統完成任務，再將結果交由人員確認或寫回系統。製造業導入AI Agent時，重點在於把判斷、執行、確認與回報納入可控、可追蹤的流程。
例如，企業收到一筆新訂單後，AI Agent可以辨識品號、數量與交期，再查詢ERP中的庫存與物料狀態，接著調用APS產生排程。如果系統發現設備、交期或材料發生衝突，AI Agent可以整理可行方案，交由人員確認，最後再將核准結果寫回ERP或MES。這類應用並不等於讓AI自行管理整座工廠。企業必須先設定邊界、權限、例外處理與人工確認點。
AI Agent需要調用既有的決策工具
工廠導入AI Agent時，企業仍須保留既有系統的角色。郭東穎以訂單與文件處理為例指出，OCR可以先把紙本或非結構化內容轉成欄位資料，後續流程才有條件查詢訂單、庫存與生產資訊。郭仲仁則說明，生產排程涉及交期、設備、人力、換線與物料等限制，APS與數學模型仍負責處理約束條件，AI Agent負責串接任務與資訊。
郭仲仁分享一項包含59個步驟的專案，其中只有6個步驟使用機器學習。這個案例提醒企業，智慧製造不應把所有環節都改寫成AI。規則明確的流程可以沿用既有程式或數學方法；資料模式複雜、需要辨識或預測的環節，再評估是否採用機器學習。
AI不能跳過ERP、MES與現場資料
企業若要讓 AI Agent 完成任務，資料必須具有一致的定義。呂文斌從設備聯網經驗指出，OT端與IT端經常使用不同名稱描述同一項設備狀態；企業如果沒有先統一欄位、單位與事件定義，後續分析容易出現誤判。劉祐誠也提醒，感測器資料只能呈現量測結果，化學、水、電與製程條件仍須配合工程知識解讀，企業不能把數值直接交給模型後就期待得到可靠答案。
陳建志則把焦點放在經驗傳承。資深師傅常依照聲音、外觀、手感或歷史情境判斷異常，但這些判斷如果沒有轉成可追溯的紀錄與規則，系統無法穩定使用。企業需要先記錄判斷條件、處理方式與結果，再由跨部門團隊確認哪些內容可以標準化。
先選一段可以驗收的流程
問卷中有48位製造業報名者把「中小製造業的AI實際應用案例與成效」列為關注主題，占約87%；33位關注導入前評估與成本效益，占60%；30位關注廠內資料建置與治理，占約55%。填答結果顯示，企業目前最在意導入後能否改善交期、工時、良率或異常處理，模型名稱並非首要問題。
現場有聽眾詢問，企業能否不先建置APS，直接把資料交給AI。張宗堯回應，企業可以先從特定任務開始，但企業仍須定義交期、品質、價格與優先順序等商業規則。缺少決策標準時，AI Agent無法判斷哪一個排程結果符合經營目標。
因此，較可行的起點是一段可以界定輸入、輸出、權限與驗收指標的流程，例如訂單登錄、缺料檢查、派工建議或異常彙整。企業可以先比較導入前後的處理時間、錯誤率、人工介入次數與交期達成率，再決定是否擴大範圍。
工作量確定後，再決定上雲或留在地端
張哲嘉把算力選擇拉回工作量、資料敏感度與維運能力。工作量小、需求變動大，或企業尚未配置IT團隊時，雲端服務可以降低初期建置負擔。資料不能離開廠區、使用頻率穩定、反應時間要求高，而且企業具備機房與維運人力時，地端部署較有條件發揮效益。部分企業也可以採用混合架構，把敏感資料與即時工作留在廠內，把彈性需求放在雲端。
企業計算總持有成本時，不能只比較硬體採購價或雲端月租。地端方案還包括電力、散熱、空間、維修與人力；雲端方案則需要估算長期用量、資料傳輸、權限管理與供應商依賴。企業應先確認任務負載，再比較三至五年的成本與風險。
主辦單位希望促成跨域團隊進入工廠
主辦單位在論壇中提出，中小製造業需要的支援通常橫跨設備、資料、排程、模型、算力與維運。單一供應商很難獨立處理全部問題，因此合作團隊必須先到現場確認流程，再提出可以驗收的整合方案。場域驗證也必須留下成效紀錄，企業才有基礎評估後續投資。
論壇最後沒有要求所有工廠立即導入AI Agent。現場討論形成較務實的順序：企業先選定一段邊界清楚、資料可取得、結果可衡量的流程；企業再確認ERP、MES、APS與設備資料各自負責的工作；導入團隊最後才決定模型、算力與部署方式。AI Agent能否進入工廠，關鍵仍在企業是否把流程、規則、資料與責任說清楚。
調查方法說明
本文資料來自「台灣AI產業升級系列論壇」活動報名問卷。問卷於活動報名期間透過ACCUPASS蒐集，共取得 85 筆資料。本文以參加者電子郵件作為去重依據；排除重複報名後，共有 81 位填答者，其中 55 位為嚴格定義下之製造業直接業主。本文所列製造業比例均以55位填答者為分母。主題題目採複選，因此各項比例加總超過100%。本調查採自願填答，未進行隨機抽樣及加權，結果僅反映本次論壇報名者的導入狀況與關注議題，不能推論為台灣製造業整體比例。
