Capture record

  • Canonical URI: https://www.bnext.com.tw/article/92410/traditionalsectors-aiupgrading(JSON-LD url/mainEntityOfPage)。1
  • Source class: secondary synthesis/reporting+interview(BusinessNext 產業專題,含智慧方案陳旻筠、亞東預拌金崇仁、漢翔方一定與 BCG X 吳學霖口徑);不是獨立財務、品管或統計稽核。1
  • 原文標題: 傳產拚AI轉型!缺工、數據難整合怎麼辦?漢翔、亞東預拌揭突圍關鍵(JSON-LD headline)。
  • 作者/出版者: 傅莞淇/數位時代 BusinessNext(JSON-LD author.name、publisher.name)。
  • 發布時間: 2026-10-28T11:32:00+08:00(JSON-LD datePublished=dateModified);早於本輪擷取時間。
  • 擷取時間: 2026-10-28T12:50:43+00:00(HTTP response Date: Wed, 28 Oct 2026 12:50:43 GMT)。
  • Retrieval method: Python 標準函式庫 urllib.request 直接 HTTP GET 讀取 canonical HTML 與 JSON-LD NewsArticle(含完整 articleBody,3,389 chars、SHA-256 d834c98aff939349d785842eb2189c59ce2a70379062af4a4e36836c3044e143)。未使用 browser、browser process、proxy 或互動式登入繞過限制。
  • HTTP metadata: status 200;HTML 410,107 bytes;HTML payload SHA-256 c355661a66c1eb09440b9f24b1c31a28b116f976b18011edfdb53e905201e4b3。
  • Saved payloads and SHA-256: 無外部 payload;下方「Faithful capture」為 articleBody 的忠實文字(僅把連續 tab/空白正規化為單空格,未增刪內容)。frontmatter sha256 以本檔 frontmatter 下方的 body 計算。

Faithful summary

BusinessNext 報導傳統產業 AI 轉型的推力與阻力:老師傅退休、新血不足使缺工同時成為導入理由與門檻;傳產科技員額少、難以和半導體競爭人才,外部顧問對領域知識有隔閡。1

AI 代理新創「智慧方案」(成立兩年、自稱已累積 200 多家製造業客戶)營運長陳旻筠以客訴報告為例說明「人海戰術」失效:過去一份報告切 8 段由 8 人分寫再統整,如今 AI 代理可直接生成整份;她建議企業朝「耗時」、「重覆性高」、「許多人在作」三特徵交會處尋找人機協作用例。1

內部賦能與新舊協作:亞東預拌自 2022 年以來員工優化工作流程提案總數超過 1,600 件、採用率持續上升到八成,總經理金崇仁稱資訊處加總經理室專職人員只有 5 到 7 人,必須全員參與;公司今年透過與台科大的產學合作成功招募一名 AI 工程師。福壽實業約 600 多名員工中年資超過 20 年的可能有一半以上,以續聘、回聘退休員工傳承經驗;華夏玻璃打造可讓新進員工「問到飽」的玻璃製造知識庫「玻璃聖經」。1

數據基礎建設:文章引述資策會數轉院調查,台灣製造業已有超過 65% 導入 ERP、僅 20.7% 導入 MES,且超過 7 成工廠產線尚未建置機聯網。漢翔航空工業旗下「AIxWARE智慧製造平台」資訊處處長方一定稱大部分機台可透過抓取控制器網路封包解析參數、不必加裝新感測器,並結合語言模型把老師傅主觀經驗與良率客觀數據結合訓練 AI 模型;亞東預拌導入 RPA 監測建築執照開工/核發面積、降雨天數、台電備轉容量、油價、煤價、水庫儲水量等三十餘個外部變數,蒐集時間從人工約三天縮至約 15 分鐘。1

文章末段引述《2025製造業AI普及度調查報告》:資通訊科技業 39.1% 已處於導入驗證/規模化擴展階段,傳統製造業僅 22.7%,另有 45% 傳產企業停留在「未知」階段;BCG X 大中華區負責人吳學霖觀察管理階層的認知與支持程度比數位化程度更關鍵。1

Faithful capture(articleBody)

2022年底,ChatGPT問世並迅速引發全球關注,但對許多傳統產業業者而言,這項新技術究竟能如何應用在自己的業務上,當時仍沒有明確答案。如今,隨著AI技術快速進步,越來越多傳產業者開始嘗試將AI導入日常營運。從解決產線缺工、傳承老師傅經驗,到分析機台數據、改善生產效率,AI的應用逐漸從辦公室走進工廠。不過,傳產普遍面臨科技人才不足、數位化基礎薄弱等挑戰。這些企業如何找到適合自己的AI應用?又該如何克服轉型過程中的難題?「人海戰術」行不通,缺工是推力也是阻力驅動及阻礙許多傳統產業業者導入AI的理由,可能是同一個:缺工。一方面,在產線上擁有數十年經驗的老師傅們逐漸退休,新血湧入速度與留任穩定性時常不足以完整接手、維持良率。這促使傳產業者必須加速導入科技,彌補人力缺口。另一方面,傳產在資訊、科技領域的員額原本就較少,也難以和半導體、高科技產業競爭人才。內部科技人才有限,即使在產線上蒐集到大量數據,也不一定有能力善用。外部顧問對傳產領域知識多少有隔閡,也讓直接外購的解決方案很難解決核心痛點。成立兩年、已累積200多家製造業客戶的AI代理新創團隊「智慧方案」營運長陳旻筠走入中、南部製造業第一現場,看見的一大痛點便是——人海戰術已行不通。 智慧方案共同創辦人陳慶蔚(左)、陳旻筠(右) 圖/ 賀大新攝影 陳旻筠解釋,過去許多企業的策略是將任務細分成內容單純、薪資水平也較低的職位,同時交付給許多人執行,來達成低成本的快速交付。例如,一份客訴報告可切成8個章節,每人負責寫一段,八個人同時進行,最後再由主管統整。但如今大環境缺工,年輕人才對這類單純到近乎單調的工作內容興趣缺缺。一支專寫客訴報告的AI代理,事實上可以直接生成整份報告,省下過往8段章節之間溝通、統整的工時,可說是既補上人力缺口、還能提升效率。陳旻筠認為,要辨識哪些任務適合、哪些任務還不適合交付給AI,需要AI領域的專業知識。但她建議企業可以朝「耗時」、「重覆性高」以及「許多人在作」這幾個特徵的交會處尋找值得探索人機協作的用例。內部賦能、新舊協作,全員動起來才走得久產業現場,缺工這題有多種因應做法。招募AI領域的新血不易,許多公司選擇先賦能內部人才。包括補助AI工具、外聘顧問開設AI課程、工作坊,甚至是兩天一夜的營隊,目標是先讓員工們「說同一種語言」,能夠理解主管佈達的AI目標,進而選拔出種子成員,讓更多AI應用遍地開花。以亞東預拌為例,從2022年以來,員工優化工作流程的提案總數超過1600件,採用率也持續上升到八成。總經理金崇仁強調,目前公司資訊處加上總經理室的專職人員只有5到7人,無法只靠這幾個人推動AI轉型,要讓全員動起來,「不是主管去看,是員工提出實際工作上有什麼困難、需要解決,這對我們來講非常有幫助。」 亞東預拌積極導入人工智慧迎戰產業痛點。 圖/ 亞東預拌 今年,亞東預拌成功招募到一名AI工程師,靠的是產學合作打下的基礎。金崇仁直言,在104人力銀行刊登徵才職缺,AI人才「不會理這個產業,都去科技公司。」但透過與台科大產學合作,讓學生更了解混凝土業,「他發現混凝土業也需要AI的人才,就來試試看。」員工平均年資較高的福壽實業,則試著新舊整合。福壽實業約有600多名員工,其中年資超過20年的可能有一半、甚至更多。公司透過續聘、回聘退休員工,傳承經驗給新血。同是百年企業的華夏玻璃,則蒐集大量文件,打造出可讓新進員工問到飽的玻璃製造知識庫「玻璃聖經」。這與轉軸大廠新日興持續深化的內部知識庫,都是保存、積累內部專業製造知識,也能加速新人培訓的努力。從機台到天氣,都可以作數據分析傳產轉型的另一大挑戰在於數據基礎建設。根據資策會數轉院調查研究,台灣製造業已有超過65%導入管理訂單、庫存與財務的企業資源規劃系統(ERP),但導入能即時掌握生產進度、機台狀況的製造執行系統(MES)者,僅有20.7%。更有超過7成的工廠產線尚未建置機聯網,顯示多數工廠生產現場的即時數據管理能力依舊有限。誠然,長期以來數位化體質不佳,新、舊設備與跨機台資料難整合,同質資料量不足,以及導入數據中台的成本高,都是牽制傳產善用數據的原因。但能支持傳產自動化升級的數據燃料至少有兩種:機器資料以及人員資料。這兩者都能靠新技術補強實力,不一定需要整套產線舊換新。航太龍頭漢翔航空工業旗下的「AIxWARE智慧製造平台」,已服務數十家中小企業智慧升級。背後推手、資訊處處長方一定便指出,除非設備真的太舊,否則大部分機台都能透過抓取控制器網路封包的方式解析參數,不需要掏腰包加裝新的感測器。再結合語言模型對自然語言的理解能力,能將老師傅的主觀經驗結合機台調參、成品良率的客觀數據,訓練出更精準的AI模型,降低換線時間及測試成本。除了場內,數據來源也能外尋。為了協助營運決策,亞東預拌也導入自動化軟體(RPA),監測外部環境的相關數據,如今已累積三十餘個監測項目。金崇仁解釋,除了企業可控的內部變數,許多外部變數也與混凝土需求息息相關。亞東預拌定期監測建築執照開工面積與核發面積、降雨天數、台電備轉容量、油價、煤價、水庫儲水量與河川輸濬量等會影響營建工程進度、運輸與原料成本等關鍵因子的變數。 亞東預拌混凝土公司總經理金崇仁。 圖/ 侯俊偉 以前靠人工去網站蒐集資料,可能要花三天,如今透過RPA抓取,大概15分鐘就能完成。延伸閱讀:工業AI如何讓生產力提升100倍?台積電前研發處長楊光磊揭「高速公路」思維AI轉型,關鍵在人不在AI《2025製造業AI普及度調查報告》顯示,在AI普及度上,相對台灣資通訊科技業已有39.1%處於導入驗證、規模化擴展階段,傳統製造業進入這個階段的數值僅有22.7%,更有45%傳產企業停留在「未知」階段。但在關稅變數、匯率波動、通膨壓力、碳費開徵,以及戰爭牽動能源成本等大環境的壓力下,傳統製造業能否善用前沿技術提升產線效能及供應鏈韌性,已是國際競爭力的關鍵一環。一個或許是好消息的洞察是,許多技術能否落地,依舊回歸到人,尤其是領導者。服務不少傳產業者的BCG X 大中華區負責人吳學霖觀察,在導入AI上,傳產業者本身數位化的程度,不一定是最大的制約條件。管理階層是否有正確、合理的認知與理解,以及給予支持的程度,可能扮演更重要的角色。「例如,想推動AI智慧製造,缺乏相關數據,可能還是有做法去解決它。」吳學霖說,「但如果管理者不覺得這件事重要,製造主管也沒有太大驅力去做這件事。AI轉型最大核心其實不在AI,而在於人。」延伸閱讀:賣馬達也能賺訂閱收入!東元電機如何把70年經驗接軌「預測性維護」,開吃工業AI大餅?

Claim ledger

IDClaimStatusBoundary / Note
C01BusinessNext 92410 的標題、作者(傅莞淇)、發布時間與 publisher。supported由 canonical page JSON-LD 直接讀取;只支持頁面 metadata。1
C02AI 代理新創「智慧方案」成立兩年、已累積 200 多家製造業客戶。partially-supported公司自述,經 BusinessNext 轉述;未讀取公司第一方文件核對。1
C03客訴報告可切 8 個章節由 8 人分寫再統整,AI 代理可直接生成整份報告。partially-supported陳旻筠舉例說明;無公司內部工時統計核對。1
C04亞東預拌自 2022 年以來員工優化工作流程提案總數超過 1,600 件、採用率持續上升到八成。partially-supported受訪者(金崇仁)口徑;與既有 raw capture(92408,「逾 1,000 件」)數字不一致,保留兩來源各自口徑。1
C05亞東預拌資訊處加總經理室專職人員只有 5 到 7 人;今年透過與台科大產學合作成功招募一名 AI工程師。partially-supported受訪者口徑;台科大合作文件未直接讀取。1
C06福壽實業約有 600 多名員工,年資超過 20 年的可能有一半甚至更多,並透過續聘、回聘退休員工傳承經驗。partially-supported文章轉述公司口徑;未讀取公司第一方文件核對。1
C07華夏玻璃打造可讓新進員工「問到飽」的玻璃製造知識庫「玻璃聖經」。partially-supported與既有 raw capture(92406)一致;公司第一方文件未直接讀取。1
C08資策會數轉院調查:台灣製造業超過 65% 導入 ERP、僅 20.7% 導入 MES,超過 7 成工廠產線尚未建置機聯網。partially-supported文章歸因資策會數轉院;原始報告未直接讀取。1
C09漢翔 AIxWARE 智慧製造平台已服務數十家中小企業;大部分機台可透過抓取控制器網路封包解析參數、不必加裝新感測器,並結合語言模型訓練更精準的 AI 模型。partially-supported受訪者(方一定)口徑與公司產品主張;未讀取漢翔第一方文件或客戶清單核對。1
C10亞東預拌導入 RPA 監測三十餘個外部變數(建築執照開工/核發面積、降雨天數、台電備轉容量、油價、煤價、水庫儲水量等),資料蒐集從人工約三天縮至約 15 分鐘。partially-supported受訪者口徑;RPA 系統與監測項目清單未獨立核對。1
C11《2025製造業AI普及度調查報告》:資通訊科技業 39.1% 已處於導入驗證/規模化擴展階段,傳統製造業僅 22.7%,另有 45% 傳產企業停留在「未知」階段。partially-supported文章歸因該調查報告;原檔未直接讀取。1
C12BCG X 大中華區負責人吳學霖觀察:管理階層的認知與支持程度比傳產業者數位化程度更關鍵,AI 轉型最大核心在人不在 AI。partially-supported受訪者觀點;無獨立研究核對。1

Evidence boundary

raw-only。本輪只直接讀取 BusinessNext canonical page 的 HTML、JSON-LD NewsArticle(含完整 articleBody);未讀取智慧方案、亞東預拌、福壽實業、華夏玻璃或漢翔第一方文件,資策會數轉院調查與《2025製造業AI普及度調查報告》原檔亦未直接讀取。本文的公司規模、提案數、導入率與時程數字均保留來源歸屬,未加入 verified。

Sources skipped or not directly read

  • 智慧方案公司網站或第一方客戶統計:未讀取。
  • 亞東預拌第一方文件(含 92408 raw capture 所記 ACI 214、Verifi、APEA 出處):本輪未再核對。
  • 福壽實業、華夏玻璃、漢翔航空工業/AIxWARE 第一方公告或產品文件:未讀取。
  • 資策會數轉院 ERP/MES/機聯網調查原檔:未讀取。
  • 《2025製造業AI普及度調查報告》原檔(發布單位未於文章指明):未讀取,unresolved。
  • BCG X 吳學霖原始發言或訪談全文:未讀取。
  • 全程未使用 browser、browser process、proxy 或互動式登入繞過限制。

Rights boundary

BusinessNext 內容受其版權、授權或網站條款約束。本次僅保存 metadata、繁中 faithful summary、articleBody 忠實文字(約 3,400 字)、claim ledger、證據界線與來源連結;未保存完整 HTML 或圖片 payload。Canonical link 保留作後續查核入口,來源 ingest 不等於取得重製、下載或商業使用授權。

Footnotes

  1. 數位時代 BusinessNext(傅莞淇),〈傳產拚AI轉型!缺工、數據難整合怎麼辦?漢翔、亞東預拌揭突圍關鍵〉,2026-10-28;https://www.bnext.com.tw/article/92410/traditionalsectors-aiupgrading。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17 ↩18 ↩19