AI應用如何落地、成為企業營運流程的環節，是企業導入AI最重要的步驟，也是最大關卡。人工智慧科技基金會日前舉辦產業論壇，邀請金融、醫療、製造三大領域專家，深度剖析 AI 導入的真實挑戰與機會。與會者普遍認為，AI 導入的成功關鍵，不僅在於技術本身，更在於資料治理、人才策略、跨部門協作以及能否從企業內部的「痛點」出發，找到務實的應用場景。
在全球供應鏈重組、關稅與通膨壓力交織下，台灣傳統產業與中小企業正承受前所未有的挑戰。人工智慧（AI）被視為推動創新與生產力的關鍵動能，但同時也伴隨大家不熟悉的治理挑戰與進入門檻，成為企業轉型的重大課題。
「今天不管我們有沒有用AI，最重要的是AI要有用，且真的能促進整體經濟發展，」人工智慧科技基金會執行長溫怡玲在AIF主辦「產業AI落地論壇」中指出，與其盲目追逐大語言模型、大算力，台灣必須另闢蹊徑，重新審度既有產業強項，藉由整合資源與人脈，尋找產業在國際新局勢中的定位，促成科技產業新生態系成形。
從技術演進到產業應用：AI邁向「個人化智慧」
論壇由 Google DeepMind 研究副總裁紀懷新揭開序幕。他回顧 AI 從搜尋引擎到生成式 AI 的發展歷程，指出核心技術已從「記憶」走向更強的「歸納（Generalization）」。其基礎在於「序列轉換」（Sequence Transduction），這正是 Transformer 技術的核心。
紀懷新認為，AI 下一步將邁向「個人化智慧」（Personal Intelligence）。從醫療到金融，再到製造業，個人化服務將成為驅動產業升級的關鍵。他以個人助理 Astra 為例，展示 AI 如何整合現實情境與網路知識，提供超越傳統搜尋的決策支持，徹底改變企業營運模式。
技術要入流，必須符合「絕對減法」原則
隨著AI浪潮席捲全球，這幾年台灣產業在導入人工智慧的過程中早已認知，面臨的挑戰不僅來自於技術的快速更新，更不容易的往往是人才培育、組織文化、法規與數據治理等多重層面。
企業在數位轉型過程中，普遍遭遇數據基礎不足與資料整合困難，成為AI落地的兩大關鍵難題。以醫療產業為例，數據孤島與傳統系統限制，使得醫療數據難以與AI應用接軌；再加上政府對於數據上雲或在地化的相關規範尚不明確，進一步提高了企業的導入成本與風險。
中國醫藥大學附設醫院大數據中心副院長郭錦輯指出，以中國醫大為例，導入AI的原則是，若要真正融入工作流程，必須符合「絕對減法」的原則。他強調，AI導入若只是增加流程負擔，難以獲得一線專業人員認同，也意味著AI並沒有發揮其價值。因此，AI落地需要的不只是初步的資料清理（Data Cleaning），而是更深層次的「Deep Cleaning」，涵蓋整個工作流程的優化，使流程更加簡潔清晰，才能真正提升AI應用的解析度與價值。
AI 不只是技術，還是人才、組織文化與治理議題
而在全球製造業面臨數位轉型與AI浪潮的關鍵時刻，也邀請到勤工、旭榮與群創三家各具代表性的企業，前來分享轉型實踐，以及不同產業落地時的痛點與洞察。
例如以堆高機與物流運輸設備製造起家的勤工股份有限公司，近年發展至無人化設備。執行長林少顗便表示，製造業的AI導入挑戰包括人才、流程困境，其中，員工對被取代的焦慮使得推動更加困難。為此，公司推動「專材變通才」計畫，透過跨部門工作坊打破隔閡，強調「提升人的價值」而非單純依賴工具，並進行品牌重塑，讓AI能協助客戶與自身共同成長的夥伴。
而知名成衣與紡織製造商旭榮集團，推動數位轉型的時間已有20年，近年來也積極推動AI導入。旭榮AI長郭羿伶認為，IT團隊對生產流程的深刻理解，使AI能快速接軌實務場景。更重要的是，旭榮以「坦誠與分享」作為文化核心，許多創新專案來自員工主動提出痛點。例如，中國財務部門有員工自學RPA技術，不僅改善自身流程，還能服務其他部門，形成跨部門的創新效益。
知名面板廠群創企業，在面對中國激烈競爭下，提出「三軸四刻度模型」與ECRS等方法論推動流程改善。人才策略則強調領域專家、數據科學家與IT三方協作。其自研自動化技術更使生產線人力需求自2012年起大幅下降，展現持續深耕成果。
生成式AI使得資料治理再受重視
相比製造與醫療，金融業在AI應用上受到更嚴格的監管限制。從數據使用到產品認證與部署，都有嚴謹且複雜的法遵流程，導入速度相對較為受限。然而，生成式AI的出現一方面為金融服務帶來創新契機，另一方面也揭露了該產業在流程、數據治理與人才培育上的瓶頸。金融業在面對新一波技術變革時，既有機遇，也難掩焦慮。
KPMG安侯建業顧問部副總經理張智淵則提到，隨著生成式AI的快速發展，產業界開始意識到「資料治理」的重要性正被重新凸顯。過去即便是依靠人工處理，透過共識仍能完成資料定義與應用；然而，AI的導入迫使企業必須正視資料品質與治理機制。
「生成式AI讓我們重新檢視資料的重要性，也讓大家理解未來的AI應用若要成功，必須建立在完善的資料治理基礎之上。」他強調，這不僅是企業內部營運的必然要求，更是全球觀點下的共同挑戰。
從國際趨勢來看，資料治理已被視為AI發展的核心前提。包括 GPAY 與 OECD 等組織均已強化並合併其治理架構，進一步凸顯「Data Governance」在全球AI規範與發展中的關鍵地位。這意味著，企業若要在生成式AI時代掌握先機，不僅需要導入AI工具，更應同步建立標準化、可信任的資料治理體系，確保技術應用能真正落地並創造價值。
論壇相關的建言與重點，之後將持續整理成冊，以提供產業界及政府部門參考。
