CEO 視角：製造業的「流程」才是 AI 時代的重點

近期在製造業打轉，聊了近 20 位在製造業第一線與管理階層的夥伴，我發現真正讓企業失眠的，往往不是技術有多難，而是流程有多亂。

Factory

而我也常被這些前輩們問：

「Tim，我們該導入什麼 AI，才能馬上見效？」

我的體會是，這個問題本身，就可能讓你走錯路。

很多公司把 AI 當成一個「工具專案」：業務部門提需求，IT 部門去找解決方案，然後希望能夠找到一勞永逸的 AI 現有流程自動化。

但現實常常是：上線後才發現，流程本身卡在報表、Excel 的庶務，甚至還有部門之間的權責拉扯裡。AI 不但沒解決問題，反而把原有的黑洞放得更大了。

問題出在哪？通常不是技術，而是組織。

* 權責碎了：流程切得太散，每個部門只管自己的那段，沒人為最終結果負責。

* 激勵偏了：獎金只綁銷售量、產量、良率，沒人為「流程穩不穩」、「邏輯對不對」負責。大家自然選擇天天救火，而不是停下來重新設計。

* 資源投錯了：預算大多花在硬體和新系統上，流程梳理和重構反而沒人投資。結果就是，用更快的 AI 去跑一個混亂的流程。

最後，KPI 報告可能很好看，但毛利、現金流、交期這些硬指標，三年過去卻沒什麼動靜。

案例一：半導體設備廠的「AI 救火隊」

一家頂尖的半導體設備商，去年導入 AI 做預測性維護，模型準確率高達 90%。目標是降低停機時間 30%。

半年後，停機時間只降了 8%。現場工程師抱怨：AI 警報太多，根本處理不完。

深挖後才發現，真正的卡點在：

1. 維修工單需要層層簽核，AI 預警說要馬上處理，但單子還得卡三天才能進到下一步。

2. 生產排程靠 Excel 手動調整，結果員工眼花 key 錯，高風險機台根本排不進維修窗口。

3. 零件庫存散在不同系統，AI 查到 ERP 系統說有零件可以立刻更換，倉庫卻回覆沒庫存。

衝突很典型：IT 團隊覺得模型很準，是現場的問題；現場覺得流程沒變，AI 只是增加他們的工作量。

後來的調整：

董事會決定成立一個跨部門的流程小組，由營運副總帶頭，IT、生產、採購、維修全部坐下來。

1. 先不做更多 AI，而是畫出完整的價值流圖，砍掉了近 40% 沒有實質創造利潤的步驟。

2. 重新定義 AI 的角色：從「發出零件更換警報」變成「自動觸發工單、串聯排程、預留零件」。

3. 把 KPI 從「模型準確率」改成「平均維修響應時間」。

18 個月後，停機時間下降了 35%，維修效率提升了 25%。這時，AI 才真正成了流程的穩定器，而不是警報器。

案例二：消費電子代工廠的「擴產瓶頸」

一家代工廠為了應對新訂單，決定擴產並導入 AI 排程系統與 ERP 串接。但半年過去，產能利用率卡在 60%，良率波動，交期也不穩定。

問題根源不在 AI 演算法，而在基礎：

1. 需求預測和產能規劃是兩個部門在用兩套數據與系統，排程的基礎就不對。

2. 切換生產機種時，依賴紙本和口頭交接，AI 看板顯示機台閒置，但現場在等工程師和治具。

3. 供應商交期不穩定，但數據沒有即時回傳，AI 排程只能假設一切準時。

後來的調整：

他們找到顧問說服管理層暫停盲目擴產，先穩住流程。

1. 用 AI 先做「診斷」，模擬不同情境，讓高層看清在產能、交期、成本之間如何取捨。

2. 把關鍵的 SOP 數位化，並與生產系統串聯，確保人員、治具、物料不到位就無法開工。

3. 與核心供應商建立數據橋梁，讓排程能根據真實到貨情況動態調整。

12 個月後，產能利用率提升到 85%，良率波動降低了 40%，交期達成率從 70% 提高到 95%。

這些案例給了我幾個清晰的洞察：

1. AI 是流程的「照妖鏡」與「放大鏡」，不是「救火隊」：與其先問「AI能做什麼」，不如先問「我們哪裡最依賴人為救火、Excel和電話協調」。流程清晰了，AI 該放在哪裡自然就清楚了。

2. **流程重構，應該被視為一項「戰略性投資」**而不是可有可無的「顧問費用」：只投資硬體和軟體，而不投資流程的梳理，就像買了最好的引擎，卻裝在一台齒輪卡死的機器上。

3. 穩定的流程本身就是最深的護城河：能夠持續、可靠地交付，遠比擁有一項炫酷的技術更能贏得客戶信任和議價權。

《孫子兵法》「善戰者，致人而不致於人」，在管理上，我的理解是：你要能主導業務運作的節奏，而不是被層出不窮的問題牽著鼻子跑。

未來幾年，製造業真正的分水嶺，可能不在於誰擁有最尖端的 AI，而在於誰擁有一套最穩定、最難被複製的運營流程。

AI 本身並不可怕，流程混亂才是最大的風險。流程穩固了，AI 自然會成為你最強大的槓桿。