一個「良率」14種定義：緯創十年轉型，如何為AI打好地基

當企業談論 AI 導入，最常聽到的問題莫過於「結果不夠精準」。但這句「不夠精準」背後，很可能不是模型不夠聰明，而是組織內部本來就缺乏清晰溝通與統一標準。當經營者、部門主管與第一線執行者之間存在巨大的認知落差時，技術再好也無法彌補管理的缺口，就算砸下重金，換更強的系統與模型，依然無法解決核心痛點。

這類「內部未對齊」的困境，在大型企業中屢見不鮮，以製造業常見的「良率」為例，不同部門往往各自訂出字面相似、內涵卻截然不同的指標；當大家依循的標準各不相同時，AI 產出的結果，自然難以符合所有人對於「精準」的期待。

緯創資通技術長沈慶堯於「2026 AI TAIWAN 未來商務展」國際趨勢高峰論壇分享內部轉型歷程時，就提到團隊在推動轉型的過程中才發現，公司內部光是良率就有 14 種不同的定義。因為各部門的定義都不同，而定義了許多字面相近的指標。

一個「良率」14種答案，企業本身的標準對齊了嗎？

沈慶堯回顧緯創自 2017 年啟動的數位轉型，將其總結為「數位化打底」、「建構企業架構（EA）」與「佈局 AI 基建」的轉型三部曲。初期，團隊的目標很單純，就是全面落實數位化；隨著底層基礎逐漸穩固，才系統性地建構企業架構；直到近幾年AI浪潮崛起、技術成熟，團隊才順勢展開AI基礎建設的全面升級。他分享緯創這段穩紮穩打的軌跡，希望能為正面臨AI導入焦慮的企業提供實用的建議。

第一階段主要透過「最小可行產品」(MVP)模式逐步試錯與推進。沈慶堯提醒，企業評估AI導入成效時，不應僅侷限於財務指標上的績效。若能把「組織文化改造」與「員工教育訓練」一併納入績效考核的範疇，反而更能激發團隊的共鳴，賦予員工持續推動轉型的動力。

團隊也是在這個時期，逐步摸索並釐清了公司內部資料的關聯性，同時深刻體認到，數位轉型中最重要的一環，便是確立「共同標準」，各項指標都要有清楚一致的定義。內部在這個階段也大量投入資源，最高峰時一年甚至推動了兩、三百個專案。團隊從實戰中釐清資料的關聯與輸入邏輯，成功奠定了底層基礎，建構起緯創的「資料治理 1.0」。

有了第一階段的基礎後，緯創自2021年起，系統性地透過數位長與IT部門的結合，建置公司的基礎架構，串連第一階段各個專案累積的資料，再進行AI化的部署。

讓掌握領域知識的第一線人員參與，才能找到實務中的痛點

沈慶堯特別指出一個重要概念，許多企業推動數位轉型時常犯一個致命迷思，就是把數位化視為IT或MIS部門的責任。他坦言，緯創轉型初期也是由數位長與IT團隊主導開發；然而團隊推行兩、三年後發現，即使IT部門開發出不少工具讓員工使用，系統與實際業務需求之間，卻始終無法完全契合營運核心。原因在於，技術團隊未必真正透徹了解各部門的實務運作與真實痛點。

為了解決這個困境，緯創的做法是把各部門的人一起拉進來，由真正掌握Domain Know-how(領域知識)的第一線人員參與，協助判定哪些資料具有實質商業意義、哪些資料的關聯才符合實務邏輯，這才能淬鍊出真正能讓AI發揮價值的「高品質數據」。

即使一開始會需要面對非技術部門的抗拒，例如「不懂大型語言模型，也不知道該怎麼做」，但沈慶堯認為，隨著AI工具門檻大幅降低，企業只需將各領域主管拉進專案，透過適當引導與解釋，他們很快就能掌握工具的應用價值。

把「給人看」的資料變成「給AI看」的資料

他特別強調，隨著企業全面邁入AI時代，眼前的課題是，如何把「給人看」的資料，轉換成「給AI看」的資料。無論是當前熱門的大型語言模型或提示工程，AI所需要的指令結構、上下文關聯與數據餵養方式，都與人類習慣閱讀的傳統報表、數據格式截然不同；若只是把過去的資料庫直接倒給AI，往往得不到理想結果。而這目前仍是正在進行中的任務。

沈慶堯解釋，過去企業管理的數據多半以結構化的文字與數字為主，但在高度智慧化的製造廠房裡，無時無刻都在產生龐大的監視器影像、機台運作語音等非結構化數據。要把這些多模態資料整合並轉譯成AI能理解的格式，中間的串聯過程相當複雜。但是，他認為，面對AI轉型，沒有一蹴可幾的捷徑，唯有腳踏實地，一步步完成這項繁重的資料整併工程，才能真正釋放AI的潛力。

治理、算力與資料治理2.0

除了資料本身，沈慶堯也提到另外兩個同樣關鍵的面向。首先是 AI治理(AI Governance)。他認為，每個企業都要注意資安與自身規範，衡量哪些資料可以外流、哪些不行。若因為擔心資料外洩而連ChatGPT、Google都不敢用，反而過度保守。

與資料治理的邏輯一致，必須先界定清楚什麼是公司機密資料，再規劃當工具開放給使用者時，哪些範圍要納入管制，哪些可以讓員工自由運用。

緯創為此建立了包含七個模組的Responsible AI架構，以管理內部所有與AI相關活動的監控與設定，包括模型如何設計、如何監控、哪些行為不被允許；由於公司規模大，對性別、種族歧視等敏感議題也格外謹慎，目標是不能等到商品化之後出事才善後。

另一方面則是AI運算基礎架構。緯創自建了AI Data Center以滿足內部算力需求；沈慶堯建議，規模較小的企業未必需要自建，亦可評估將算力外包給雲端業者或原廠代理商，並在採購與成本控管上尋求專業協助，避免每月帳單失控。

比技術更難的是文化與人的轉型

沈慶堯坦言，最終需要突破的仍是文化與管理層面的養成。緯創目前的做法是鼓勵員工先用工具，就算用了後出現問題也不要緊。公司大概有2000多位工程師，光是寫程式的就有2000多人；這兩年全面推廣AI工具後，他觀察到整體撰寫程式碼的效率與正確率都提升不少。一年半下來，軟體生產力大增。但這也帶出新的課題：當AI做完過去需要大量人力完成的工作後，這2000多人接下來該如何轉型或轉調，將成為讓管理層頭痛的問題。他認為，這對台灣企業而言會是不小的挑戰。

對於「AI會不會取代員工」的顧慮，他認為，若因此綁手綁腳，反而會拖累公司整體的競爭力。他認為，AI既然這麼好用，就該先用，用了之後衍生的問題再逐步想辦法解決。先用再說，才對得起公司未來的競爭力。整個文化的塑造，以及組織層面該如何隨之變革，他認為比技術本身還要更重要。

沈慶堯提到，緯創這幾年累積的AI能力，最終落地在四個方向：智慧製造、算力、設計與模擬，以及社會責任。

目前，緯創已訓練出專屬模型「緯創大腦」，可回答公司內部的專業問題。他也建議，企業未來要訓練自己專屬的模型，方法與技巧其實很多，開源是其中一種可行的做法。在這套模型之上，建立排程、客服回覆、報價等各式Agent，能在無人值守時持續運作，必要時也可呼叫外部更強大的語言模型協助完成任務；藉由被稱為「Agent Harness」的架構，員工的角色逐漸從親自執行，轉為設計Agent去取代部分工作。

但支撐這一切的根本仍是資料與知識庫，這些資料訓練成專屬模型後，部署於地端運行，既能避免資料外洩的風險，未來要更新資料也更方便；底層則奠基於緯創為智慧製造建立的中台架構，把機台資料收集、初步判讀等工作串接起來，目標是提升生產力與良率，同時降低出錯機率。