全球智慧製造進入 AI 下半場之際，對面臨產品少量多樣、高變異挑戰的台灣企業而言，AI 導入的關鍵早已不再是技術本身，而在於能否將難以傳承的老師傅經驗轉化為可複製的「系統能力」。電子測試儀器大廠固緯電子（GW Instek）與英登科技合作開發的 AI Agent 品質協作系統，便成功達到這個極具挑戰性的目標。

固緯深耕電子測量儀器領域超過半世紀，產品線高達 300 多種基本系列，延伸出近 2400 種型號，PCB 板超過 500 種。然而，這種高變異製造特性也帶來了巨大的挑戰，由於機種差異過多，製程標準難以固化；此外，產線頻繁更換，光是半天就可達十次之多，使得新人訓練與經驗傳承成本極高。

更嚴重的是，過去品管集中於後段 AOI 檢測，導致錯誤發現過晚，尤其 DIP 組裝不良率曾高達 5%，若在過錫爐後才發現錯誤，重新來過的代價相當巨大。固緯電子副總經理林欣怡坦言，如果能越早解決，就能降低費用。

因此，固緯決定將品質把關前移至 DIP 組裝工站，以「即時修正」取代「事後補救」，從源頭降低不良率與相關風險，並鎖定此環節作為 AI 導入最具投資效益的突破點。

AI Agent成知識的數位轉譯與即時部署

固緯要突破的技術瓶頸在於，如何讓 AI 快速學會老師傅的隱性經驗，並能在「小量多樣、頻繁換線」的高變異環境中，即時精準輔助現場作業人員減少錯誤率。

為此，固緯與英登科技合作，從「知識建模」出發，開發出能自我學習與推理的 AI Agent 架構。英登公司董事長陸一平解釋，傳統 AI 視覺檢測仰賴人工標註，但是固緯產品多達 2400 種，不可能逐一標註、建模。因此， AI Agent 採取了「理解製程」而非僅「辨識影像」的高階設計思維，核心包含了三大階段：

第一步是知識萃取與生成。透過技術文件、料件製程、替代料等數據，系統建立「知識包」，隨後利用大型語言模型（LLM）生成未被記錄的老師傅經驗，例如何謂「不良」與最常見的錯誤情境，實現隱性知識的數位轉譯。

接著是三大訓練數據集的建立。其中包含「推論」，意即預測下一步會出現的狀況；「推理」判斷錯誤由哪個行為造成。並且「深度思考」從上下文影像中找出不良根因，結合強化學習，讓 AI 具備人類式的因果決策能力。

最終則是模型壓縮與終端運算。為了實現即時推論，龐大的老師傅模型被蒸餾成輕量模型，直接部署於生產線攝影機進行邊緣運算。陸一平表示，透過這三個步驟，AI Agent 真正能做到即時看、即時說、即時反應，實現現場決策支援。

AI 介入後的文化轉變 從「事後補救」到「人機共學」

AI Agent 上線後，固緯電子的 DIP 組裝產線發生本質變化。過去人工難以即時察覺的錯誤，如插錯、反插或漏插，如今均可在第一時間被標示提醒，不良率趨近於零。更重要的是，這場轉型引發了組織文化上的革新：

先是即時共學模式的建立，AI 不再只是糾錯者，而是知識的放大器。當 AI 提醒錯誤、員工立即修正時，新的記憶被建立。陸一平認為，AI Agent 是一種幫助作業員快速建立「老師傅的手段」，它讓每一次修正都能變成可學習的知識。

其次則是組織信任的重塑，雖然初期員工曾將 AI 視為「監控者」，但是，當系統幫助他們即時提升績效、減少重工後，抗拒感逐漸消失。AI 成為能夠幫助一線員工更快成為老師傅的協作夥伴。固緯電子董事長林錦章認為，AI 導入的價值不在於自動化多少流程，而在於讓企業重新學會如何學習。

固緯不將 AI Agent 視為單一專案，而視為企業長期的文化工程，這股文化也逐漸擴散至其他業務線。林欣怡認為，這是公司第一次用系統的方法保存經驗。過去依賴個人手感的「人治經驗」，如今被轉化為可循環、可擴散的「系統能力」，為所有面臨高變異與缺工挑戰的製造業，提供了一個寶貴的 AI 轉型實證。