從「自動化」到「實體 AI」KPMG助台灣製造業跨越規模化落地最後一哩路

台灣製造業其實並不缺 AI 專案，從瑕疵檢測、預測維護，到智慧排程、機器人與數位孿生，不少企業早已投入資源進行 POC（Proof of Concept，概念驗證），然而關鍵是成功的POC並不代表成功的 AI 轉型。

一個模型在單一產線上跑得很好，換到另一條產線可能失效；一套系統在一家工廠可以運作，到了海外據點卻因資料格式不同而無法複製。於是，企業容易陷入一個熟悉的循環：做出 POC、看到成果、準備擴大，卻在真正規模化時停下來。

「規模化不等於機器人或 AI 裝置數量的疊加，而是這些投資到底帶來多少可持續的商業價值。」陳其愷說。換句話說，AI 專案真正的終點，不是「證明技術可行」，而是回答一個更現實的問題：能不能複製？能不能持續？能不能創造價值？而這也是台灣製造業走向 Physical AI，必須跨越的最後一道門檻。

三個結構性缺口卡住製造業規模化 思維翻轉不要只問ROI

至於要跨越POC到規模化的「最後一哩路」，陳其愷分享企業必須直面三大核心瓶頸：

談及臺灣半導體與精密機械聚落的實戰優勢，陳其愷強調，以客戶為中心串聯產官學共好生態圈，方能在全球實體 AI 競逐中掌握話語權。

其次，是跨域轉譯人才的斷層。AI 的發展帶來人才結構的解構，一端是掌握演算法的年輕世代，另一端則是擁有數十年製程 Know-how 的現場老師傅。產業目前最欠缺的，正是能跨越雙方領域、將現場痛點「轉譯」為 AI 語言的架構師與情境解讀者。

最後，則是組織體質與文化抗性。過去企業多以專案型、任務型的臨時編組推動 AI，缺乏長期推演的機制。陳其愷強調，企業應參考 ESG 的推動邏輯，將 AI 推進單位提升為獨立運作的「常設型組織」，才能讓科技與營運真正融合。「正因為AI 並不是一次性的數位建置，模型會更新、資料會變化、場景會演進，企業也必須持續學習，惟有建立類似ESG的長期治理機制，才能讓AI從『專案』逐漸變成『能力』。」這是一個重要轉變，也就是AI不應只是 IT 部門的任務，而應成為企業經營的一部分。

除了組織與人才，評估指標（KPI）的陳舊更是阻礙企業大膽投資 AI 的隱性殺手。根據KPMG產業洞察顯示，高達59%的受訪企業認為，傳統以短期成本與財務回報為導向的KPI，已無法真實反映 AI 帶來的實質影響外，過於苛求短期 ROI，更是容易讓企業主在技術迭代期縮減決心。

「面對缺工、淨零減碳與供應鏈衝擊，AI 帶來的是預測模型拉長後的長期價值，」陳其愷指出，企業的評估思維應從「短期財務成本」轉化為看重「預測能力、學習速度與適應韌性」的「AI 治理（AI Governance）」範疇。決策者若能將時間軸拉長，透過客觀的成熟度診斷定位自身優先順序（Priority），便能避免陷入「為 AI 而 AI」的跟風焦慮，「換句話說，對企業而言，真正重要的問題不再只是『這個AI專案今年省了多少錢』，而是『它是否讓企業比競爭者更早看見變化、更快做出決策』。」

打造「共好生態圈」 以客戶為中心發揮臺灣黑手群體實力

而談及臺灣在全球 Physical AI 版圖中的獨特地位，陳其愷充滿信心，「相較於美、中在場域規模與成本上的優勢，臺灣擁有高科技半導體產業與龐大精密機械『黑手聚落』的緊密結合，能提供全球最珍貴的『實戰場域Data與經驗值』。」然而，他也不忘強調，若要將場域優勢轉化為產業影響力，關鍵在於從「單打獨鬥」走向橫向發展的「共好生態圈」。

「走在前面的企業，核心原則都是『以客戶為中心（Customer-Centric）』，」陳其愷舉例，設備商將 AI 融入機台，不只賣設備，而是進一步提供製程參數、預測維護與最佳化建議，協助下游車用、紡織、鞋業等產業提升效率。此時，AI 就不再是一家企業的工具，而成為供應鏈共同使用的能力。

正因單一企業難以獨力承擔龐大的轉型成本，KPMG作為客觀公正的第三方，積極串聯工協會、研究機構等生態圈夥伴，建立Benchmarking與成功經驗分享機制，以促進產官學研的資料與經驗交流。迎戰未來三到五年的升級窗口，KPMG 將持續扮演企業最堅實的策略夥伴與幕僚，陪同臺灣製造業發揮實戰場域優勢，在實體 AI 的全球競逐中成功拿下下一世代的話語權。