新日興找顧問換時間，目標讓各部門自己開發AI代理！讀圖代理、RD知識庫全靠工程師做
- 原文標題：新日興找顧問換時間，目標讓各部門自己開發AI代理！讀圖代理、RD知識庫全靠工程師做
- 發布時間：2026-08-01T11:20:00+08:00
- 作者：傅莞淇
- 來源：數位時代 BusinessNext
- 擷取方式：BusinessNext
NewsArticle.articleBodyJSON-LD；正文正規化版面空白並按語意段落分行，未加入衍生摘要。 - Canonical URL：https://www.bnext.com.tw/article/91699/szs-ai-agents-in-house-development
Article body
筆電螢幕能順暢開闔、耐用萬次不鬆脫，靠的是一顆多數人叫不出名字的關鍵零組件：軸承。新日興是全球市占最大的筆電軸承供應商；蘋果筆電與 AirPods 充電盒的轉軸，也主要出自這間成立逾一甲子的台灣精密製造廠。新日興從製造一般彈簧起家，靠著對扭力的鑽研開發出多項專利，登上筆電軸承龍頭寶座。結合製程與材料專業的金屬射出成型（MIM）工藝，更讓它能接下傳統沖壓廠做不到的訂單，量產低公差、極輕薄又高強度的高階零件。但筆電軸承已是成熟市場，競爭者比 20、30 年前多出近 10 倍，獲利能力顯著壓縮；2022 年接任總經理的阮朝宗直言：「以前是在比技術，現在比價格。」
推軟體版自動化革命
比價格的年代，真正的護城河回歸公司累積超過 60 年的精密加工 know-how。但這些專業技能與知識大量存在資深工程師腦中，在缺工、老師傅逐漸退休的產業現實裡，如何保存、傳承，甚至挖掘出新價值，成了新日興與眾多傳產製造業者共同面對的挑戰。
阮朝宗把 AI Agent 視為自動化的另一種載體：過去工廠導入產線自動化，用機器手臂、檢測器等硬體取代人類重複性動作；現在 AI 代理以大型語言模型等軟體取代人類重複性任務，事實上是同一種概念。因此，若每條產線都有自動化空間，每個部門也都有導入 AI 代理的空間。
新日興在 2025 年底開始接觸外部 AI 代理顧問公司，2026 年農曆年前展開合作，3 月後全面衝刺。找外部顧問的邏輯是用金錢換取時間：派員工進修再回來教太慢，顧問能立刻進場做基礎教育訓練，讓全員普及、不害怕。但外援的目的不是外包，而是讓各部門長出自己開發代理的能力；新日興最核心的 AI 專案，也是內部工程師自己動手做起來的。
品保驗圖、報關退稅與產線預警
導入 3 個多月裡，新日興已在全公司各部門引入約 50 個 AI 代理，並實際計算投資報酬率（ROI）。第一波從行政庶務開始：人資的出勤打卡比對過去每天約花 2 小時人工核對，交給代理後 5 到 10 分鐘跑完；報關退稅單據勾稽、內部稽核也各自有了 AI 幫手。這些是全員練兵的入門題，讓大家從立即有感的日常操作培養出發掘 AI 潛能的興趣。
更硬的題目在品保處。客戶產品圖面可能在 A3 或 A4 紙上標註 50 到 70 個球標，也就是細部尺寸與量測要求；工程師過去得花上好幾小時逐一判讀，再轉成 Excel 檢核表。品管課長謝明麟花 1 到 2 個月開發出專做圖面判讀的 AI 代理。現在一張有 50 到 60 個球標的圖面，辨識準確度已達 100%；超過 60 個球標的複雜圖面，準確度也有 99%。依員工目前的有形效益評估，這支代理每週服務約 20 人次、節省約 67 小時工時，年化 ROI 接近新台幣百萬元。這些準確度、工時與 ROI 數字是公司／媒體報導的案例說法，不是獨立 benchmark。
團隊下半年排定再開發 6 個 AI 代理，包括統計製程預警，目標是在產線品質指標拉警報前提早行動、提高良率。這種串接自家工作流的彈性，是購買外部現成軟體較難滿足的。
數位知識庫與「老鳥分身」
涉及全公司的更深課題，是研發部門的 RD 知識庫。主導專案的研發六部副理簡柏元起初想做一個「數位簡柏元」，讓同事遇到問題時先問知識庫，不必每次都打斷他。擁有超過 20 年產業經驗的他，知道新人依賴前輩帶領時，學習成效取決於兩人是否合得來；即使前輩願意教，碰到問題也未必會全面解析。一種異常可能有 10 種成因，老鳥直接給答案，新人就只學到一種；即使資深工程師當下也可能只想到 7、8 種。
如今知識庫已超越個人範疇，累積跨團隊的製造、試錯與修正經驗。新人可以隨時查詢，資深工程師也能靠它補上自己沒想到的其他成因。簡柏元表示，在工程師引導下，知識庫生成的報告已達到約 5 年資歷工程師的水準。
這套知識庫也成為工程師面對客戶的「武器箱」：當客戶提出明知不可行的設計時，工程師可以調出過往測試報告，用數據說明量產性、成本與良率風險，而不必只依賴個人經驗。即使客戶堅持試產，最後結果也可能反過來驗證工程師的預測，提升客戶信賴。
全員入局與傳產轉型
新日興不僅不打算裁員，還持續徵才，並向員工溝通學會 AI 能提高轉職後的附加價值。謝明麟表示，初期不熟悉 AI 開發時工作確實更忙，但逐漸得心應手後，與 AI 協作變得更有樂趣；如今他近乎一半工作時間都在開發新代理。
曾輔導新日興導入 AI 代理的「智慧方案」營運長陳旻筠觀察，新日興讓同仁知道公司是認真投入，是成效顯著的原因之一。她認為新日興做對三件事：一、全公司、跨部門盤點痛點，而不是只挑少數種子試點；二、讓 AI 深入製程核心，而不是停在文件摘要、客服問答等表面題目；三、資深員工願意輸出經驗，背後是樂於分享的企業文化。
陳旻筠也提醒，高科技產業不一定是把 AI 用得最深的企業；傳統產業同時面臨缺工、訂單強勁卻來不及做、二代急著轉型等壓力，反而可能有更強的採用動力。
短期來看，新日興希望 AI 重設回應客戶的節奏：若自己能一天回覆開發案、競爭者要一兩週，便可能把競爭帶往對自己有利的方向。長期則要讓 RD 知識庫與各部門互相串連，整合知識邏輯與方法論，甚至形成可賣給其他製造同業的新產品。阮朝宗把 AI 比喻為才打到第三局的棒球賽，對新日興而言可能才在第一局。
Source notes
- This raw capture preserves the current BusinessNext
NewsArticle.articleBodyand canonical metadata fetched on 2026-08-01. - The article describes a manufacturing company’s AI-agent adoption and knowledge-transfer case. Agent counts, accuracy, saved hours, ROI, employee skill level, and market claims remain attributed to the company / media report.
- The reusable wiki update is the adoption pattern: use external help to accelerate enablement, keep agent development inside domain teams, start from measurable pain points, and turn expert experience into governed knowledge assets.