製造業的 AI Agent 開發怎麼選:自己做、買 SaaS、找開發公司,三條路與簽約前四問
中小製造業想把 AI Agent 接上現有的 ERP、Excel 與 LINE,真正要挑的是三條路:自己用低程式碼工具搭、買現成 SaaS、找開發公司客製。這篇用四個判準(流程獨特度、資料在哪、誰維運、錯一次代價)幫你決定走哪條,列出辦公室端能接的四個場景,再給簽約前要問開發公司的四個問題。
共 21 篇文章
中小製造業想把 AI Agent 接上現有的 ERP、Excel 與 LINE,真正要挑的是三條路:自己用低程式碼工具搭、買現成 SaaS、找開發公司客製。這篇用四個判準(流程獨特度、資料在哪、誰維運、錯一次代價)幫你決定走哪條,列出辦公室端能接的四個場景,再給簽約前要問開發公司的四個問題。
企業導入 AI 之前要做哪些診斷?這篇先給 AI 導入診斷要回答的六個問題:流程實際怎麼跑、資料散在哪、算不算得準、痛點怎麼排、哪些問題用規則就能解、成熟度現況與目標成對講;再比較政府計畫裡的 AI 現場診斷怎麼申請、自己委託的顧問診斷怎麼做,以及一天快篩和五天診斷差在哪。
中小企業流程數位化該找誰?政府資源、現成 SaaS、顧問、自己做四條路,各適合什麼情況、會拿到什麼、成本在公開頁上怎麼寫、失敗了退路在哪。這篇給你一張比較表、中央與台北市政府資源的入口、最常見的致命錯誤,以及決定找誰的五步。
ERP vibe coding 的答案分兩半:會計帳、庫存與影響金額的計算不能用不看程式碼的方式做,也不該自己寫一套 ERP;ERP 之上的報價、缺料試算、訂單履行那一層,反而是 AI 協作開發最划算的地方。這篇用開發者信任度調查、安全漏洞研究、一次刪庫事故、商業會計法與電子會計辦法,把界線畫清楚。
ERP 流程編排是在既有 ERP 之上加一層:把散在系統、Excel 與人工紀錄裡的資料撈出來、照規則算、經人確認後寫回去,ERP 不動。這篇講這一層放在哪裡、吃進去什麼交出什麼、一條報價流程的六步、AI 只做四件事而金額全是規則、跟換系統與客製 ERP 差在哪、誰適合、兩個匿名案例與規格從哪裡來。
ERP 缺點的清單常停在成本高、導入久、要客製。這篇講結構性的原因:ERP 是記錄系統,只記已經確定的結果,報價、出貨、缺料的過程與判斷散在 Excel 跟 LINE 裡。從三個製造現場、影子 Excel 的生成過程與專案超支的數據,講到什麼時候該改流程、什麼時候該在 ERP 之上補一層。
ERP 比較不該從功能表開始。這篇把 Odoo、SAP Business One、Business Central、NetSuite、ERPNext、鼎新與正航放進同一張表,先比在地顧問、退出成本、AI 中文支援與公開定價,每一格附查證日期或寫明待確認,最後給先盤流程再選系統的五步。
單據辨識是智慧文件處理的一種:把報價單、送貨單、客戶訂單這類紙本或 PDF 單據,變成能寫回 ERP 的欄位資料。這篇講非制式單據怎麼分類、擷取、比對、經人確認後寫回,辨識後怎麼接到請購、對帳、入帳與出貨,提案會議前要準備的 POC、補助提案書與兩部分簡報,附一個回價辨識接回報價流程的實例。
評估 Odoo ERP 之前,先盤流程、再選系統、最後才談 AI 與補助。這篇給你一天盤完的斷點清單做法、社群版與企業版判斷表、Odoo 20 的版本節奏與 AI 代理怎麼看、授權與退出成本怎麼拆,以及導入第一週該定的三個營運指標。
低價破局能不能接,先算這張單的邊際貢獻與它佔住的瓶頸產能。這篇寫給遇到同業削價競爭、客戶殺價的中小製造業:三種局面怎麼辨認、跟價/換條件/放掉的決策對照表、價格以外的四個方向、用報工攤開底價的步驟,以及交期與報價速度變成籌碼的兩個案例。
傳產轉型時,投新材質、新機台都算得出報酬,「被海外客戶找到」卻算不出來,所以永遠排最後。跟中國大陸拚不了價格,出路是價值競爭:把研發既有的實驗數據寫成技術內容,用多語言官網與 LinkedIn 接住研發與採購工程師。內含國際中橡的實際做法、三個反對意見與 90 天四個動作。
傳產數位轉型要花錢買 AI 或 BI 系統之前,先看三個採購判準:資料是不是你的、對方願不願意做資料整合、公司的判斷標準能不能寫成自己改得動的規則;再看 AI 專案為什麼卡在 PoC、政府補助怎麼配合,附 90 天行動表與客戶案例。
製造業 AI 補助有哪些?本頁整理經濟部研發轉型個案補助、納管及特定工廠研發轉型補助、深科技跨域研發補助、SBIR、輔導團 AI 診斷輔導與 AI 工具導入補助、雲市集點數、接班傳承、CITD 與智慧機械聚落的資格、補助上限、申請窗口與受理狀態,附互斥規則與申請步驟。
探索如何透過 RPA 自動化、Tableau Prep 與 Tableau Desktop,打造完整的數據管線Data pipeline,從資料收集、清理到視覺化應用,加速分析與決策準確度。本文帶你了解企業如何提升數據準確度、降低人工錯誤,並快速將資料轉化為商業洞察。
以「全程時間」角度來搜集即時數據:生產排程數據(動態標準工時)、生產數據(製造現場狀況)、設備妥善度、串接並整合 ERP、MES 等系統的全流程數據進行復盤與優化。透過即時整合並掌握這些數據,企業能有效強化現場控管,並建立迅速、彈性且有序的應變機制,實現智慧製造的關鍵營運韌性。
少量多樣的生產需求、產品生命週期縮短、產能過剩和成熟型產業在經歷景氣循環時逐漸掉入完全競爭泥沼以及逆全球化造成的競爭壓力加劇,以上市場結構大趨勢變化正在深刻影響製造業。利用報工即時掌握進度與成本控管,讓生產不必再「摸著石頭過河」或憑經驗來判斷排程與作業參數的調整,實現智慧製造
自動化不該是工廠舊系統的唯一正解,智慧製造需要完整的垂直場域整合,才能實現經濟規模及協同效應。真正的智慧製造是基於智能技術,促使生產鏈各環節實現高效協同,最終達到提升整體運營效率、降低運營成本、並確保產品品質的目標。
EMS 使 Celonis 不僅能夠透過流程探勘技術「X光」穿透式檢測並視覺化企業業務流程,還補上了實現即時流程優化的最後一哩路:提供自動化工具,用以進行「疏通和治療」。
此篇Tableau零售分析框架是潤謙科技與合作客戶青果企業社通力完成,希望可以幫助連鎖零售業妥善應對疫情新常態,並獲得更好的發展。
資料視覺化是利用我們的視覺感知能力,以放大認知數據的能力,更快速的得到資訊,而且我們可以專注的回答真正重要的問題,這就是視覺化的意義。
前陣子受邀於軟體銀行Softbank在台灣舉辦的行銷人的2020數位轉型機遇活動演講,會後將簡報內容延伸,整理了一份我對數位轉型跟數據驅動文化關聯的看法與執行藍圖,如本篇精華文章