（左起）旺矽科技研發處長孫宏川、英特盛科技資訊處部門經理劉立偉、杰倫智能全球業務總經理余常任、捷創科技董事長林益民、人工智慧科技基金會產業顧問謝禮宗、台灣人工智慧學校產學長郭秉宸、杰倫智能資深技術經理蔡典承

製造企業持續擴廠、拓展海外市場，交機、異常排除與新人培訓的需求也跟著增加。設備與產能可以透過投資擴充，資深工程師多年累積的判斷經驗，卻難以用相同速度複製。當關鍵問題仍要等待少數人處理，工程服務就可能成為業務成長的瓶頸。

Profet AI 杰倫智能科技於 10 月 21 日舉辦「2026 Crossover Talks 台中場：經驗即產能・FAE Twin」，邀集捷創科技、旺矽科技、業成集團英特盛科技、人工智慧科技基金會及台灣人工智慧學校等代表，從設備智慧化、工程知識傳承與企業 AI 應用，討論製造企業如何讓更多團隊運用既有經驗，在擴大服務規模的同時，維持交付品質與客戶信任。

從工程經驗複製到設備服務化，讓 AI 支援業務成長

Profet AI 資深技術經理蔡典承分享 FAE Twin 實務應用案例

對設備商而言，設備賣得越多，售後服務的需求也越大。收到客戶的異常通報後，工程師需要確認設備型號、停線狀況，再從設備紀錄、手冊、SOP 與歷史案件中尋找線索。資深人員知道先查什麼，新人卻可能在搜尋、確認與請教之間反覆往返，影響服務速度。

Profet AI 資深技術經理蔡典承以 FAE Twin 說明，如何透過 Domain Twin™ 將資深工程師的排查邏輯整理成可重複使用的 AI Skill，讓 Agent 協助查找資料、初步診斷與排查。例如，設備是否停線會影響處理順序，不同型號也需要不同的診斷方法。把這些條件與步驟說清楚，不同資歷的工程師便能運用共同的知識與方法處理問題，減少反覆搜尋資料的時間。

當工程知識與資料分析能持續用在服務流程中，也為設備商帶來新的商業機會。Profet AI 與鈺祥企業合作的 Clean Air as a Service（CaaS），便從銷售濾網延伸至結合環境監測與分析的潔淨空氣管理服務；另一項與國際自動化測試設備業者的合作，則將設備資料分析包裝成附加服務。設備商因此能在產品之外，持續協助客戶管理使用中的問題，擴大服務範圍。

自動化的最後一哩路，是讓設備具備判斷能力

捷創科技董事長林益民分享設備異常處理與工程經驗傳承的做法

捷創科技董事長林益民曾參訪無人工廠：廠內關了燈，自動搬運設備持續運轉，卻仍有工程師戴著頭燈維修。設備能自動操作，遇到異常、參數偏移或非預期停機時，判斷與處置仍仰賴人的經驗。若資料、診斷與處理流程沒有接通，增加自動化設備也可能帶來更多維護負擔。

「你可以挖走我的人，但是你挖不到我的 Know-how，挖不到我的系統腦袋！」

這是林益民希望達成的目標。將工程知識與處理程序留在系統中，讓新進工程師遇到問題時，也能取得資深人員的判斷依據。但要讓這些知識用得上，設備資料必須先能取得，分析結果也要接得上現場的處理流程。

捷創科技透過 Equipment Agent、邊緣運算與設備通訊整合，讓不同世代的設備都能蒐集資料、即時分析並進行相應處置。部分異常無法等待中央系統回應，需要在現場完成判斷與處理。因此，知識傳承、資料擷取與設備控制必須一起考慮，才能將工程經驗用於異常排除與預測性維護。

讓資深工程師的知識，成為整個團隊的資產

旺矽科技研發處長孫宏川分享知識傳承與內部交流的推動方式

研發團隊擴大後，如何讓不同資歷的工程師維持穩定的工作品質，是眾多企業面對的課題。過去團隊發展電腦輔助設計、測試與工程工具，協助同仁提升效率，但工具增加後，維護、升級與整合也成為負擔。旺矽因此逐步將資源集中於研發專業，並與技術夥伴合作處理平台與系統整合。

工具之外，資深同仁的判斷也需要被整理、分享。旺矽科技研發處長孫宏川提出，可以參考「專利與論文引用」的概念，在知識或 Agent 被使用時，記錄提供者的貢獻並給予回饋。搭配定期工作坊、成果交流與專案追蹤，讓同仁有機會理解其他團隊的做法。

「只要方法、格式和交流機制可以一致，這些個別的知識就有機會被彼此引用、持續累積，最後變成企業自己的能力。」從概念發想到結案採用共同的方法與格式，能讓其他同仁更容易接續使用。面對全球客戶的服務需求，孫宏川也希望進一步整合產品設計、使用歷程與異常紀錄，讓第一線工程師即使不在資深專家身旁，仍能取得判斷依據，運用自己的專業回應客戶。

從需求到使用回饋，讓 AI 進入工作流程

英特盛科技資訊處部門經理劉立偉分享需求整合與 AI 應用推動經驗

客戶對生產進度、品質追溯與即時資訊的要求提高，IT 部門也需要更深入理解業務與製造流程。一項客戶需求可能牽涉製程、生產、品保等多個單位，若只依各部門提出的需求建置系統，仍可能無法回答客戶真正關心的問題。

英特盛科技資訊處部門經理劉立偉分享，資訊團隊需要先釐清需求、資料來源與分工，再由內部使用者或客戶確認資料是否正確、能否回答問題，據此逐步建置系統、推動自動化。知識管理也有類似挑戰：文管中心已累積專業文件與客戶服務資料，資深同仁知道檔案在哪裡，新人卻未必找得到。AI 可以協助整理、串接與搜尋，資料來源、版本及適用條件仍需要持續維護。

「我們希望是人去運用 AI，而不是被 AI 工具帶著走。」

導入前，應先檢視完整工作流程，拆解每一步所需的資訊、判斷與操作；上線後，則觀察哪些功能有人用、哪些沒有達到預期，再根據回饋調整。讓 AI 配合同仁的工作方式，既有資料才有機會真正用於跨部門合作與客戶服務，系統建置也才接得上後續的營運改善。

客戶信任，來自能夠持續複製的交付能力

人工智慧科技基金會產業顧問謝禮宗分享企業知識傳承要點

技術與品質是進入供應鏈的重要條件，長期合作則取決於供應商能否持續解決問題、穩定交付，並因應客戶需求調整。人工智慧科技基金會產業顧問謝禮宗從客戶信任切入，指出這背後需要研發、製造、品質、生產管理與資訊系統等部門共同配合，難以只靠少數工程專家完成。

當服務擴大到不同團隊與廠區，企業也必須讓這種交付能力延續。AI 的跨廠推廣就是一項考驗：同一套模型或 Agent 在某台設備上有效，換到其他產線，可能因人員、設備、材料與作業方法不同而需要調整。

謝禮宗指出：「軟體加上方法，才比較有辦法把不同專家的 know-how 保存、複製，並且持續更新。」因此，從需求討論、資料準備到概念驗證，就應開始訪談專家、梳理流程，比較各種做法的適用條件。將判斷依據與驗證結果留下來，上線後持續維護，其他團隊才知道哪些經驗可以沿用、哪些必須重新確認。跨廠複製需要把有效的方法帶到新環境，也需要確認調整後仍能維持客戶期待的品質。

把老師傅的判斷留下來：顯性化、結構化、實體化

台灣人工智慧學校產學長郭秉宸分享將專家經驗轉為組織能力的三個步驟

企業向海外擴廠，設備與產線可以增加，老師傅卻無法同時出現在每個廠區。台灣人工智慧學校產學長郭秉宸指出，資深人員能從聲音、溫度等細微變化察覺異常，卻往往只用「做久了就知道」解釋。這些難以透過 SOP 完整傳承的判斷，正是企業長年累積的專業。

「真正最有智慧的 AI 在哪裡？其實在工廠的老師傅身上。」

當關鍵問題仍須等待少數人處理，工程經驗就可能限制企業的服務規模。要讓更多人學會並運用這些經驗，郭秉宸提出三個步驟：

• 經驗顯性化：透過訪談，釐清老師傅觀察到的訊號與判斷依據，再與設備資料、處理步驟對照。
• 邏輯結構化：整理訊號與異常的關聯，以及各種做法的適用條件，交由老師傅審核，排除看似合理卻不適用的假設。
• 行動實體化：由 IT 與 AI 團隊將判斷條件和處理步驟放進系統，讓同仁能在工作中使用，並持續驗證、更新。

企業可以先從售後服務、新產品導入或異常根因分析等高度依賴資深人員的工作著手，以小範圍驗證與可量化的成效，決定後續如何擴大應用。製造現場對可靠性的要求高，導入過程也需要明確的權限、責任與稽核機制，並由領域專家持續驗證知識，確認哪些建議可以採用、哪些操作需要人工確認。

AI 是否已經進入企業的關鍵工作？

工程服務能否跟上業務成長、跨部門資料能否被使用、不同廠區能否沿用既有經驗，都是企業評估 AI 成果時需要回答的問題。座談主持人、Profet AI 全球業務總經理余常任指出：「真正的差別可能在於，AI 只是拿來提升個人的生產力，還是已經進入企業關鍵的業務流程，成為持續改善營運的一部分。」

這需要領域專家、IT 與業務單位共同參與，將工程知識用在研發、製造與客戶服務中，持續檢查成效並修正。Profet AI 推動 Domain Twin™，也是希望讓分散在人員、設備與系統中的經驗，成為企業能管理、追溯與重複運用的知識。當新人加入、新客戶提出需求，或海外廠區開始運作時，團隊仍能運用過去累積的專業處理問題。

若您想進一步了解如何整理與傳承老師傅的知識與經驗，讓更多同仁能在工作中運用，歡迎填寫下方表單與我們聯繫。