智慧製造與智慧醫療幾乎是臺灣產業界對AI應用寄望最深的兩個領域，但人工智慧就是智慧製造嗎？許多企業積極培訓員工學習人工智慧知識，回到實際職場卻不知如何應對？

面對競爭激烈的全球市場，台灣製造業該如何運用科技，幫助企業乘風而上？科技部工業工程與管理學門召集人、國立臺北科大工業工程與管理系教授范書愷一語道破：「AI就是要解放專業工程師的Domain Knowledge！」

AI與智慧製造的關係

范書愷長期投入工程最佳化、先進製程管制、大數據分析，對於台灣產業及學術界都有深入觀察。他從宏觀的角度分析工業發展，「從希望人可以做得跟機器一樣規律的工業2.0；到現在的工業4.0，則是希望機器可以做得跟人一樣聰明。」因為機器不會累，也不會抱怨，甚至可以做得比人類好。范書愷說：「就像車子一定跑得比人快，為什麼要跟車子賽跑？電腦運算比人強，為什麼要跟電腦比速度？」

很多人擔心人工智慧將取代現有人類的工作，但還有很多事情僅有人類可以勝任，例如人心撫慰的社會工作，創意設計等高階工作內容等等。因此，工作不是被AI取代，而是隨著新技術的發展與應用，與之共舞，創造出更多更具價值、讓人發揮獨特性的工作項目。

回到智慧製造領域，范書愷指出，臺灣最擅長在於工程技術開發。隨著客戶對於生產品質與效率的要求逐年提高、產品種類需求多樣化的提升，以及產品體積輕量化等各種嚴苛要求，讓許多工程師窮極一生都在追求滿足客戶需求的技術開發，也背負了許多莫名的壓力。

然而，在工程資料量與日俱增的今日，傳統的分析方法已難以適用，既有的工程知識也無法解構問題。此時透過深度學習、機器學習等技術，幫助工程師初步了解複雜產品或工程程序，經過一連串反覆訓練、超參數調校、模型建構、由程序轉換(Process Transformation)成功布署至人工智慧轉換(AI Transformation)流程中，讓專業工程師行有餘力可以再繼續深入鑽研進階工程知識，不斷提升產品與服務的附加價值。

「隊上光靠主攻是不可能克敵奪冠的！」范書愷以2016年里約奧運的女排冠軍中國隊為例，「隊中的當紅主攻手朱婷，儘管攻擊能力再強，仍然需要副攻、一傳、二傳共同竭力合作，才能發揮團隊綜效。」主攻手朱婷就好似一間公司的Domain Knowledge，解放(Liberation)的意思就是讓團隊相互掩護或是適時做球給她，而不是集中壓力在一個人身上。

「不要把自己鎖在AI中，」范書愷提醒，企業必須了解人工智慧的好處，但不要盲目信任。范書愷點出，如果以「強AI」（Strong AI）的定義來說，AI目前並不存在。所以目前我們要思考的是，如何結合深度學習跟機器學習等技術協助人才發展、企業轉型以及產業永續？

以製造業而言，從輸入、執行到輸出，最大的夢想便是生產流水線(Production Pipeline)的執行全部交由機器主導，不再由人類介入。此時，應該將大量的關注轉而放在輸入(Inbound)跟輸出(Outbound)的部分。但這未來場景何時到來？「並未可知！但絕對可預期！」因為目前在執行流程中，仍有許多客製化的需求轉換，要求全部的流程自動化、智能化，以目前科技發展來看尚未成熟，不可能一步到位。

范書愷提到，無論是稱為智慧製造或是工業3.5，需要努力的方向即是將目前尚未程序化、自動化的部分臻於完善，讓原本需要百分百人力處理的流程，可以有六成以上交由機器自動完成，而不需要人力介入，此即所謂的協助智慧(Assisted Intelligence)。

龍頭大廠與中小企業如何用AI？你的利基（Niche）是什麼？

說到目前台灣科技製造業的AI應用狀況，范書愷認為，最成熟的產業還是半導體代工(Foundry)，除了歸功於機運外，主要是產官學共同的努力。當今半導體龍頭台積電，除了有上游設備廠商如ASML、KLA等的高度配合，許多企業在標準制定上也都一致向台積精神看齊。因此，台積電無論從資源整合、專案規劃、訊號收集、感知器布署等各層級工作項目都經長期縝密擘劃，在製程中間的互連或是溝通，訊息的連結或整合都已經可以一步到位。

第二大產業便是面板，對許多面板廠來說，由於上游設備廠商緣故，訊息連通的概念較晚才起步，資料的整合將是一大關卡與高牆。范書愷表示，通過這重大考驗之後，企業要解決的便是預測保養(Predictive Maintainance)、預後與健康診斷(Prognostic & Health Management)、良率預測(Yield Prediction)等問題；有些則要思考供應鏈或是產業鏈委外的問題，讓產業思維呈現出不一樣的樣態，「每個ICT廠大家需自行尋求活水、各自努力。」

「中小企業則要思考自己的Niche在哪裡，有些簡單的東西，就不要再執著，因為產業鏈還有更下游的人，成本可能更低，」范書愷說，中小企業應該要做自己最擅長、最有競爭力的部分，在擅長領域應使用AI解放領域知識、進而優化、創新領域知識，才能持續保有優勢。

不同於大公司有許多部門可以彼此支援連結，發揮一加一大於二成效，臺灣的中小企業多半是「一根柱子挺到底。」我們有許多隱形冠軍，例如隱身在中和、后里等地的車用安全帶工廠或是登山車工廠，產品的製造是這些工廠的領域知識，但這些領域知識總有一天將被普及，屆時隱形冠軍將不復存在？

持續前進的過程 沒有終極最佳解

有些企業會申請很多智慧財產權，除了這些必要手段之外，還有更積極的方法嗎？范書愷建議，所謂的智慧製造就是讓製造過程自動化、智慧化，透過AI的幫助可以減輕工程師的壓力，讓台灣在擅長的製造管理上，除了不斷精進技術，也能讓工程的專利研發向前走。像是利用機器人、電腦協作的導入，將複雜的東西慢慢解構，一開始也許不顯著，但當資料慢慢累積變多，新獲得的知識就能逐步銜接上去。如果是中小企業最好專注於單一功能或單一產品，但如果是大型的跨國企業，就得讓BU針對客戶需求、市場動態重新定義。重點在於企業必須找到自己的利基，也就是可以在市場中存活的本領。

現在的智慧製造是接軌工業4.0中間重要的橋樑。臺灣產業的特性專長就是少量多樣化的客製能力，每一個步驟又需要高度精密或是高度研發能量才能完成。也許經由一個個步驟逐步精進，緊盯過程，隨時發掘下一個利基或者是核心競爭力，再持續往前。

「人的問題」通常AI無法解決

組織內部是另外一個重大議題。許多企業員工在學習人工智慧的相關知識後，常不知道該如何應用於工作中，或是該做什麼事才能幫助公司。只坐在一個小「穀倉」（Silo）中實行的結果，很可能會落入格局太小、侷限於眼前的視野抑或缺乏重大意義的嘗試，從而造成經營管理上的困境。

「這時候高階管理者就至關重要。」高階管理者必須思考策略規劃並制定方向，創造一個開放環境與建立組織文化，整合跨部門、跨組織甚至是跨處室的連結，將企業活動都能堅持鎖定在公司的策略架構下。而每一位組織成員都要認清「什麼問題是關鍵。」，確定每一個想法和做法都準確地落在策略上。但這個部分屬於「人的問題」，就不是人工智慧所能協助的。

范書愷解析，了解AI能解決什麼問題以及組織策略後，所有的部門要能連成一氣，打破原來部門間的框架與限制，並提出獨特的見解，才能培養出勇於嘗試、允許失敗的AI企業文化。

「可以行動的見解非常重要。」范書愷特別推崇唐宋八大家之一的蘇軾，雖然「滿肚子不合時宜」，卻對許多事都有自己的見解，不僅是個充滿生活感的藝術家吃貨，改良了東坡肉，甚至留下不少地方建設。知名的蘇堤就是他任杭州知州時的功績，是個不僅只有理想、還有行動力的文學家。

最怕盲目跟隨潮流 多元對話探索未知可能

不合時宜往往才是創新與機會的起點。范書愷直言：「在這個數據爆炸的時代，最怕就是迎合潮流。」因為每家公司的狀況都不盡相同，團體中有不同的聲音，才會激發不同的思考，探索更多可能。

他舉例，無論是工程師或是科學家都對人類有很大的貢獻，兩者最大的差別在於：科學家是發現存在於這個世界上、天體或宇宙中，我們原本不知道的東西，從而增進人類對於宇宙、世界的理解。而工程師的偉大則是做出了許多創意滿滿的產品，例如iPhone，幫助人類過著更便利的生活。兩者雖然扮演不同角色，但同等重要。

同時，更要鼓勵組織中較為沈默的成員參與討論，因為不同的工程師會有不同的觀察角度。但要如何創造團隊討論的環境？「揚善於公堂，規過於私室。」范書愷強調，當成員表現好時，不吝在公開場合誇獎；做錯了也不要公開批評或糾正，而是私下規勸糾正。主管也必須要學習分享，擁有開闊的胸襟，懂得欣賞團隊成員的優點，並知道哪些缺點要用團隊力量彌補。

疫情帶來的影響：加速科技整合打破舊有認知范書愷坦言，這一波疫情將會加速對於科技的依賴，並且打破我們對於辦公室的舊有認知。因應遠端協作(Remote Collaboration)的需求，感知的技術就至關重要，例如機器視覺(Computer Vision)、5G、藍芽或是擴增實境(Augmented Reality)等技術，讓位在不同區域工作的同仁，感覺就像和同事在同一個場域工作一般。目前這些單項的需求都有相應的技術，但整體的解決，仍然需要系統整合以及平台的建立。「未來，在AI的加持下，人類必將改寫工作與生活的定義。 」