【AX轉型實例：新呈工業上篇】董事長帶頭推動AI轉型，從營運管理到工廠產線優化都能善用GAI

<h2>事件說明</h2> <p>新呈工業是一家客製化線材加工的傳統製造業，案例重點在於其第二代接班人以工程師背景推動AI轉型，並把生成式AI帶入營運管理、業務協作與工廠產線優化等場景。<a href="https://www.ithome.com.tw/people/178353" rel="noopener noreferrer nofollow" target="_blank">原始報導</a>指出，該公司已不再把AI視為單一工具，而是作為支撐管理、知識與流程的核心能力。</p> <p>報導也描述，管理者本身就是AI的高頻使用者：辦公室內同時運作的多台筆電，分別承擔ChatGPT策略分析、開源AI Agent持續監控行銷數據與客戶來信。這種「經營者先上手」的做法，成為企業內部推動AI採用的示範機制。</p> <p>新呈工業早期曾嘗試導入YOLO與CNN進行瑕疵檢測，但因其生產模式屬於少量多樣、流程常變，資料蒐集不足，導致專案成效不佳並於一年後停止。之後，公司在2022年底ChatGPT興起後，轉而聚焦生成式AI與AI Agent等更適合知識密集與流程協作的應用方向。</p> <h2>技術分析</h2> <p>從資安與系統設計角度觀察，新呈工業的AI轉型不是把模型直接套到產線，而是先把管理流程結構化，再把結構化流程交給AI處理。這種做法的關鍵在於「流程提示詞化」：把PEST、SWOT、波特五力、BCG矩陣、價值鏈分析、安索夫矩陣等分析框架，轉寫成可重複執行的提問流程，讓AI扮演教練式顧問。</p> <p>在年度策略規劃案例中，管理團隊原本需要約1.5個月完成整套分析報告，後來改由AI透過逐步提問蒐集資訊，再彙整成「全方位商業分析與策略建議報告」，並進一步套用平衡計分卡產出KPI目標建議。這顯示生成式AI的價值不只在內容生成，更在於將經營方法論模組化、可重用化。</p> <p>在知識管理面，該公司要求內部會議全面錄音，並匯入IT部門歷時2年自建的系統，用於萃取與保留組織知識。這代表企業已將「會議紀錄」升級為「可檢索知識庫」，也降低知識散落在個人筆記、即時通訊或口頭經驗中的風險。</p> <p>在師徒傳承上，AI先以引導式問答訪談老師傅，再整理成檢核表、決策樹與SOP，接著由真人評估完整性與可用性，最後再輸出為流程圖、知識圖譜與培訓教材，甚至延伸成漫畫式圖解。這種工作流顯示，LLM在製造業的真正作用，是把默會知識轉成結構化資產。</p> <p>在產線改善上，報導提到新呈結合精實管理方法，利用LLM直接分析現場照片並提出改善建議。這裡的技術重點不是「看圖而已」，而是把影像診斷和持續改善流程串接起來，讓AI成為現場管理的輔助判讀層。</p> <p>整體來看，新呈的架構可分為個人增能、流程整合、跨部門協作與智能中樞四個層次。這種從「點」到「線」再到「面」的遞進路徑，說明AI導入若只停留在單點工具，容易形成知識孤島；只有進入流程與組織層級，才可能產生管理效益。</p> <h2>影響範圍</h2> <p>這起案例的影響不只在IT部門，而是覆蓋營運管理、業務開發、行銷推廣、知識傳承與現場改善等多個面向。對高階管理層而言，AI已可協助年度策略規劃與KPI設計；對業務部門而言，AI可快速整理客戶企業檔案、辨識詢價郵件，並協助會前準備；對行銷部門而言，AI Agent可持續監看SEO、社群發文與品牌曝光。</p> <p>對製造現場而言，AI被用於不良品根因分析、工具機防護改善設計與老師傅經驗傳承，意味著AI已從辦公室任務深入到產線治理。這種落地模式若成功，可提升跨部門協作效率，並減少資訊斷點與重工成本。</p> <p>從組織治理角度看，會議錄音與系統的結合，代表企業知識開始以可檢索、可再利用的方式沉澱。若搭配Agent化流程，未來可進一步擴展到更多高頻但標準化的管理任務，形成持續迭代的數位工作流。</p> <h2>防護建議</h2> <p>雖然原始資料聚焦在AI轉型成果，但從資安治理觀點，AI導入越深，越需要同步處理資料、權限與流程風險。新呈案例中的會議錄音、客戶來信、策略文件、產線照片與知識庫內容，皆屬於高敏感企業資訊，若缺乏分級與控管，容易造成資料外洩或誤用。</p> <p>首先，企業應為知識庫建立明確的資料分級與存取權限，避免不同部門或外部工具取得超出需求的內容。其次，AI Agent若具備自動收信、彙整與發文能力，必須加入人工覆核機制，特別是涉及客戶資訊、商業判斷與對外溝通時。</p> <p>再者，將會議錄音納入知識管理前，應先定義錄音保存範圍、保存期限與授權對象，並確保內容在匯入系統前完成必要的敏感資訊遮罩。對產線照片與圖像分析資料，也應確認是否含有客戶機密、設備細節或內部配置資訊，避免因多模態輸入而擴大暴露面。</p> <p>最後，若企業持續擴大AI Agent與流程自動化，應把提示詞、知識庫、模型輸出與人工審核紀錄納入稽核軌跡，才能在效率提升的同時保留可追溯性。這對後續的內控、責任界定與風險應對都至關重要。</p> <ol> <li>盤點所有會被AI使用的資料來源，完成分級、去識別化與權限設定。</li> <li>為系統與AI Agent建立人工覆核節點，避免自動化輸出直接對外或進入決策。</li> <li>將會議錄音、客服內容與產線照片納入保存規範，明確定義用途、期限與授權範圍。</li> <li>把策略分析、知識萃取與產線改善流程標準化，建立可稽核的提示詞與工作流紀錄。</li> <li>定期檢視AI工具與外部模型的資料輸入邊界，持續修正風險與控管措施。</li> </ol> <h2>參考資料</h2> <ul> <li><a href="https://www.ithome.com.tw/people/178353" rel="noopener noreferrer nofollow" target="_blank">ITNEWS ISC｜【AX轉型實例：新呈工業上篇】董事長帶頭推動AI轉型，從營運管理到工廠產線優化都能善用GAI</a></li> </ul>