缺工，只是壓垮駱駝的最後一根稻草

缺工把製造業的老問題一次推到檯面上。解法不是再多買一套系統，而是先讓現場長出「神經系統」，再讓 AI 接手盯著看的工作。

談到缺工，多數人想到的是找不到人。但從現場看，缺工帶來的是四個連鎖問題：

• 缺人： 一人多職，每個人都疲於奔命。
• 經驗斷層： 判斷靠老師傅，人一離開，能力就跟著帶走。
• 設備孤島： 機台各自運作，資料沒有整合，異常難以追蹤。
• IT 與 OT 斷鏈： 生產資料沒有串起來，決策依賴人工判斷。

這四件事累積起來，影響的不只是人力，而是產能、品質、交期與成本，整體經營都會被拖累。

現場真正要的，是五件很具體的事

從設備、維修、生產到管理，現場的需求其實很清楚：

1. 設備能預警，不要等壞了才知道
2. 維修與保養有依據，不用翻手冊、問前輩
3. 生產進度看得到，不必逐一詢問
4. 老師傅的經驗能留下來
5. 跨系統的數據能串在一起

這五件事，剛好對應「設備 Agent」的六項能力：主動即時反應、維修指引自動生成、工單進度智慧查、現場知識傳承、跨域整合驅動生產，以及任務真的有人做。它即時監控機台資料、主動辨識異常趨勢，並推播風險通知給相關人員。

第一步不是 AI，而是讓資料存在

很多企業想直接跳到 AI，但 AI 要有可以判斷的依據。簡報中有一句話很到位：「AI 職能的前提，是現場要先長出神經系統。」

這個神經系統有三層：

• 先有感知： 設備與現場資料能回來。
• 再有脈絡： 知道這筆資料對管理代表什麼。
• 才有判斷： AI 才能協助預警與分析。

老設備也不用先換掉。透過工業電腦收資料、對照錶頭取數，或加裝感測器，舊機台一樣可以把狀態傳回來。同時搭配條碼、RFID 批號追溯與自動資料擷取，讓手寫、人工抄寫逐步退場，「先把該自動的自動化，讓資料確實存在」。

人不是被取代，而是被放大

AI 導入的重點，是讓人從「盯設備、救火」轉為與 AI 協作、專注高價值判斷。

簡報提出的未來工廠，是由多位專家型 Agent 協同運作：有負責能源需量、設備節拍、維修診斷與導航的 Agent，也有追蹤模具、主軸與刀具健康的 Agent。它們建立在統一的數據底座上，持續學習與演進。

這帶來三個層面的價值：

• 營運層： 產能、能耗與品質可預測、可控制。
• 管理層： 決策從經驗直覺，升級為數據驅動。
• 組織層： 個人經驗沉澱為可複用的數位知識資產。

從生產主管、班組長，到設備工程師與維修技師，每個角色都能找到 AI 協助自己的位置。

已經有人走在前面

有兩個 CNC 機台的客戶實例：

• 一家金屬零件製造商，資訊即時性提升到 100%，設備稼動率提升 20%，調機效率加快 20%。
• 一家機械零組件廠，稼動率提升 15%，人均產量增加 33%，搭配小批量移轉機制，生產週期縮短 50%。

數字背後的意思不是系統解決所有問題，而是現場開始有依據可以管理、改善。

升級是一段路，不是一次到位

工廠的數智化可以拆成三個階段：

1. Level 1： 工業數據可視化，先把數據看見。
2. Level 2： 數位分身加 AI Agent，讓 AI 協助判斷。
3. Level 3： 人機協作的 AIoT 指揮中心，連續完成感知、判斷與行動。

重點是依自己的基礎，一步步往前走，而不是急著跳到終點。

缺工不會自己消失，但管理方式可以改變。當機台能主動提醒、經驗能被留下來、數據能支援決策，人就能從救火的位置，回到真正該做的事：決策與創造價值。