多數人對 RPA 的認識仍停留在「按鍵自動化」的階段，認為其與 AI 無關。實際上，真正能穩定運行、具可擴展性的 RPA 系統，背後其實仰賴豐富的素材庫與模組設計。鄭永斌解釋，在 AI 尚未普及前，RPA 的流程多靠固定規則、按鍵記錄與畫面偵測來實現操作。例如開啟瀏覽器、辨識畫面上的圖示、輸入關鍵字、點擊搜尋等一連串動作，全都由使用者預先定義。但隨著 Copilot、Plug-in 等 AI 工具興起，RPA 也開始與 AI 結合，進入下一階段的智慧自動化時代。

在數位轉型浪潮席捲全球的今天，AI 被視為提升效率與創新能力的關鍵引擎。然而，企業在實際導入過程中，常因內部流程複雜、老舊系統堆疊複雜，導致 AI 應用難以真正「落地」。許多企業面對的第一道門檻，正是來自無法與 AI 技術對接的傳統軟體系統（legacy systems）。

IsCoolLab 創辦人鄭永斌指出，市面上許多企業仍依賴無 API 的系統作業，即便許多雲端或大語言模型有許多應用程式介面（API, Application Programming Interface），也會因為需要額外付出高價授權或修改程式費用，而無法串接，這是許多企業數位轉型的重要障礙。他分享，曾有製造業者為提升效率，自行開發程式連接內部系統，卻在導入後一個月收到超過百萬元的 API 授權帳單。而先前曾引發業界討論的MCP（Multi-Channel Process）等先進架構，同樣受限於多數應用系統並未開放 API 或缺乏彈性，使得系統間整合難以實現。

讓 AI 能在現場「動起來」的 RPA

在這樣的情境下，RPA（機器人流程自動化）成為台灣許多企業實現 AI 落地的關鍵解方。RPA 能模擬人類操作軟體的行為，執行重複性、規則導向的任務，更重要的是，它能在無 API 的環境中，透過視覺與模擬操作建立「中介殼層」，讓封閉系統也具備呼叫與整合的能力，進而串接 AI agent 或 MCP 架構。

成立於 2018 年的 IsCoolLab ，其核心業務是RPA（機器人流程自動化），尤其專注於工業RPA領域，積極將AI技術融入其解決方案中，並推出整合人工智慧與電腦視覺專利技術的流程自動化平台 Robotiive。該平台具備非侵入式部署能力，可實現跨系統、跨裝置的數據整合與操作自動化，協助企業快速串接既有系統，突破資訊孤島，成為製造、金融等產業落實 AI 應用的重要技術夥伴。

多數人對 RPA 的認識仍停留在「按鍵自動化」的階段，認為其與 AI 無關。實際上，真正能穩定運行、具可擴展性的 RPA 系統，背後其實仰賴豐富的素材庫與模組設計。鄭永斌解釋，在 AI 尚未普及前，RPA 的流程多靠固定規則、按鍵記錄與畫面偵測來實現操作。例如開啟瀏覽器、辨識畫面上的圖示、輸入關鍵字、點擊搜尋等一連串動作，全都由使用者預先定義。但隨著 Copilot、Plug-in 等 AI 工具興起，RPA 也開始與 AI 結合，進入下一階段的智慧自動化時代。

用 RPA 自動上架商品，協助電商加速營運流程

在生成式 AI 崛起前，IsCoolLab 早已專注於流程自動化（RPA）技術的落地實踐。鄭永斌分享，他們曾協助台北一家電商平台進行大量商品上架作業。客戶只要將商品資料彙整於 Excel 表單後，啟動 RPA 系統，即可自動開啟電商後台頁面，逐步完成從商品標題輸入、圖片上傳到價格設定等一連串上架流程，全程無須人工介入。

這樣的流程看似簡單，實際上涵蓋了許多的細節與介面互動，鄭永斌進一步說明，這類流程的核心基礎，類似「No-Code」平台操作：使用者只需記錄幾個簡單步驟，即可建構出一個完整的流程模組。這些動作皆為純流程邏輯，尚未結合 AI 模型參與。

他強調，一個合格的 RPA 供應商，關鍵在於素材的廣度與穩定性，「包括操作邏輯的拆解、資料來源的識別能力，以及跨系統的整合彈性。」他回憶，早期團隊在實測階段常因操作元素資料不足導致系統當機，後續經過大量客製化、抽象化與模組化，才建立起可重複應用的穩定架構。而IsCoolLab 的素材庫目前已能支援不同場景下的模組調用，讓系統整合商與現場人員都能快速部署、彈性調整。

融合 AI 與電腦視覺，打造非侵入式自動化

隨著 Copilot、Plug-in 等生成式 AI 工具問世，RPA 也正逐步邁向智慧自動化的新階段。

IsCoolLab 在導入 RPA 過程中發現，許多工廠現場根本無法部署 IoT 設備，有些原因是成本過高，企業難以全面部署感測器。有些工廠甚至還在仰賴人工巡檢，由警衛每小時抄寫儀表數值，拍照記錄後再手動輸入系統。

「這其實就是 RPA 該解決的問題。」鄭永斌指出，在缺乏即時資料的情況下，不僅無法立即掌握設備發生異常的時間，若遇到國際客戶訪廠，如日本買主，更會因人工抄寫而質疑數據的準確性與即時性，成為品牌信任的風險來源。

IsCoolLab 針對這類問題，發展出結合電腦視覺與 AI 的非侵入式解決方案，透過一個鏡頭就能監看多顆三色燈，不需額外安裝 PLC 外接器或改裝設備，便能即時擷取設備狀態，並轉為可寫入 MBS 的資料格式。同時，透過拖拉式介面，使用者可設定紅、綠燈的行為邏輯，串接 RPA 流程自動回報異常，形成從感知到行動的閉環機制。

例如在與某 PCB 廠合作中，IsCoolLab 協助其將三色燈狀態轉為 RPA 指令，以記錄「設備故障 → 人員到場 → 維修完成」的完整履歷。傳統做法需耗費數月開發程式，如今透過模組化平台僅需一至兩天即可完成，大幅降低部署門檻。

另一個應用場景，則是導入於生產規格的文件擷取中。某 IC 封裝廠商過去需人工從 CAT 圖檔中讀取逾 140 項數據，包含表格欄位與特定頁碼的技術規格，且錯誤率高。一旦誤植就可能導致幾千萬元的賠償損失。IsCoolLab 將該流程自動化後，準確擷取近九成參數，並大幅減少人工錯誤。

在製造業與傳統產業中，這種設計思維提供了一條務實、可行的導入路徑，不僅解決了製造業老舊設備難以連網、資安風險，以及設備供應商API費用高昂或額外開發的成本。此外，Robotiive 採用拖拉式模組化介面，讓系統整合商（SI）或現場操作人員皆可快速完成設定與維運，大幅降低技術門檻與專案風險。對企業來說，這不僅是一種技術導入，更是一種轉型加速器，還能夠解決目前生成式AI穩定度不足的問題。