最近看製造業 AI 的動向，我有一個越來越強烈的感覺：工廠裡的 AI Agent 如果只是「比較會聊天的看板」，那它很快就會變成另一個漂亮但沒人真的依賴的系統。
真正有價值的地方，不在於它能不能把資料講得像人話，而在於它能不能進入現場營運的節奏裡，理解訊號、承接責任，並且在該停下來的時候停下來。
工廠現場不是單一資料庫
很多人談 AI 進企業，會先想到文件、客服、知識庫，這些場景當然重要，但工廠比較麻煩。因為工廠的世界不是一張乾淨的資料表，也不是一份整理好的 SOP。
現場有機台訊號、有工單、有排程、有庫存、有品檢、有報工、有異常處理，還有人員經驗裡那些很難被正式寫下來的判斷。更現實一點講，這些資料常常不是同步的：有些在 ERP，有些在 MES，有些在設備端，有些在 Excel，有些甚至只存在老師傅的一句「這台今天聲音怪怪的」。
所以如果 AI Agent 只會讀一份報表，然後產生一段看起來很聰明的摘要，那它其實還沒有碰到工廠營運的核心。它只是把看板換成自然語言而已。
但現場真正需要的不是另一個摘要器，而是一個能把不同訊號放在同一個脈絡裡判斷的助手。例如：某條線產出下降，是因為人力不足？料件延遲？設備稼動率異常？還是前段工序品質波動導致後段返工變多？這種問題不是單點資料能回答的，它需要跨系統的關聯能力。
AI Agent 的價值在「營運層」，不是展示層
我覺得現在很多 AI 專案容易卡在展示層。Demo 很漂亮：輸入一句話，它幫你查資料、畫圖表、總結趨勢，主管看了覺得有感。但真正上線後，使用頻率很快下降，原因通常不是模型不夠強，而是它沒有接到工作流裡。
工廠現場每天都在做決策：要不要插單、要不要換線、要不要停機檢查、要不要追加採購、要不要把某批貨隔離、要不要調整交期承諾。這些決策本來就牽涉成本、品質、交期與責任，不可能只靠一句模型建議就結案。
所以 AI Agent 在工廠裡比較合理的位置，不是「替代主管做決定」，而是成為營運層的一個協調節點：它幫忙整理訊號、提出可能原因、標記風險、追問缺漏資料、把例外事件推到正確的人手上。
換句話說，它不是來搶方向盤，而是幫你把儀表板、後照鏡、路況提醒和保養紀錄串起來。真正的駕駛仍然要知道現在是在高速公路還是山路，也要知道什麼時候不能相信自動導航。
邊緣 AI 會變重要，因為延遲和資料外流都很現實
另一個我很在意的點，是本地端和邊緣部署。
在辦公室裡做 AI 助理，資料丟到雲端模型可能還可以討論；但到了工廠現場，很多情境不太適合完全依賴外部服務。設備資料可能敏感，生產參數可能是競爭力，某些產線甚至在封閉網路裡。更不用說現場異常有時候不是「等三十秒回覆也沒關係」的問題。
這也是為什麼我不太相信單純雲端 chatbot 能完整吃下製造場景。未來比較像是混合架構：雲端負責較大的分析、知識整理、跨廠區彙整；本地端或邊緣模型負責即時訊號判斷、資料前處理、現場互動，以及不能離開廠內的資訊。
這裡的挑戰不只是模型大小，而是系統設計。你要決定哪些資料可以出廠、哪些只能在內網處理；哪些決策可以自動化、哪些必須人工確認；哪些異常要即時擋下來，哪些可以累積成日報再檢討。
模型能力只是其中一塊，真正難的是邊界。
沒有治理的 Agent，只是新的風險來源
當 AI Agent 開始能操作系統，風險就會從「講錯話」變成「做錯事」。這在工廠尤其敏感。
它如果錯誤判斷某個異常不重要，可能延誤停機檢查；如果錯誤建議插單，可能打亂原本的交期；如果沒有權限邊界就能改排程、改工單、改庫存，那它不是提升效率，而是在 production 裡放了一個不穩定的操作者。
所以我認為工廠 AI Agent 一開始就應該被當成企業系統來設計，而不是當成聊天工具外掛。至少要有幾件事：
- 它用什麼身份讀資料、做操作；
- 每一次建議的資料來源與推論依據是什麼；
- 哪些動作只能產生草稿，不能直接提交；
- 哪些情境必須升級給人；
- 錯誤建議事後能不能追溯、修正與回放。
這些聽起來很傳統，但越是傳統的控制點，越是 AI 進入現場後不能省的東西。工廠不是實驗室，現場的信任一旦被破壞，要重新建立很難。
我會怎麼看這波趨勢
如果從 CTO 或技術主管角度來看，我不會急著問「我們能不能做一個工廠 ChatGPT」。這個問題太窄了。
我會先問：我們有哪些現場決策，現在是靠人把多個系統的資料拼起來判斷？哪些異常發生時，大家其實都在等某個有經驗的人看一眼？哪些報表每天都有人看，但真正的價值是在看完後打電話追狀況？
這些地方才是 AI Agent 比較可能創造價值的入口。
但導入順序也要克制。先從低風險、可驗證、可回放的場景開始，例如異常摘要、原因候選、跨系統資料比對、交期風險提醒。等到資料鏈路、權限、稽核、人工確認都穩了，再逐步往半自動化操作靠近。
AI Agent 進工廠不是把一個聰明模型放進去就結束。它比較像是把一個新的數位員工放進現場，而這個員工需要職務說明、權限範圍、交接流程、主管覆核和犯錯後的檢討機制。
如果少了這些，它再聰明也只是新玩具。
如果做對了，它才有機會變成真正的營運槓桿。