工研院產業學習網

本課程旨在培養製造業在職人員具備「善用AI優化工作流程、理解並判斷AI分析結果、運用數據進行量化分析，以及評估AI導入效益與風險」實務能力，協助學員將AI工具由單純的內容生成，進一步應用在資料分析、工作決策與解決產業問題，促進AI技術實際落地，提升企業營運效率與產業競爭力。

一、規劃方法與流程
1. 需求評估與問題盤點：以製造業實際工作流程為起點，從採購與供應商管理、研發與產品設計、生產排程、製程與設備、品質管理、倉儲物流、售後服務、業務與行政等環節辨識高頻、耗時、易錯與知識密集任務。
2. 採「問題導向（PBL）＋工作流程改善＋實作成果」架構，依序完成問題定義、流程盤點、資料盤點、AI 工具實作、效益與風險評估，避免課程只停留在工具展示。
3. 以企業可直接帶回使用的專案成果為學習載體，包含 AI 應用情境盤點表、資料來源盤點表、工作型 Prompt、AI 風險檢核表、ROI／人時節省估算及 AI 導入提案。
4. 實作資料原則上採公開、模擬或企業去識別化資料，並建立「機敏資料不上傳、重要結果需人工覆核、對外資訊需經既有審核流程」等負責任 AI 使用原則。
 

二、課程學習路徑
1. 第一階段：建立 AI、生成式 AI 與製造業應用趨勢的基礎認知，理解工具能力、限制及常見導入迷思。
2. 第二階段：從製造企業實際痛點出發，進行利害關係人、As-Is 流程、問題定義與改善優先順序盤點。
3. 第三階段：盤點結構化／非結構化資料，練習文件整理、提示詞設計、輸出格式控制與 AI 工具應用。
4. 第四階段：進行導入前後流程比較、KPI／ROI 估算、PoC 規劃，並辨識資安、個資、營業秘密、品質與法規風險。
5. 第五階段：完成一項可供企業後續試辦的 AI 應用導入專題，透過成果發表、講師回饋與同儕交流形成後續落地行動。

課程特色

1. 課程不要求程式設計基礎，重點在培養製造企業內部能「發掘問題、盤點資料、設計任務、操作工具、檢核結果、估算效益、辨識風險」的 AI 應用種子人才。
2. 製造業情境涵蓋文件與知識整理、圖面／規格／BOM與檢驗資訊處理、生產與品質異常分析、設備維護、供應鏈與庫存資訊、客服與客訴整理、SOP／教育訓練、報價與內部營運流程改善等可快速驗證的場景。

課程目標
1. 理解 AI、生成式 AI 與製造業數位轉型的基本概念，能說明 AI 適合與不適合的應用任務。
2. 能從自身工作流程辨識問題、釐清需求、設定成功指標，並提出至少 2 項製造企業可改善的 AI 應用情境。
3. 掌握製造業常見資料來源與資料型態，能進行資料分類、品質、敏感性、使用限制與可應用性評估。
4. 能撰寫可重複使用的工作型 Prompt，進行任務拆解、輸出格式控制、引用依據與人工檢核，降低 AI 幻覺與錯誤內容被直接採用的風險。
5. 能運用 AI 協助文件摘要／比對、圖面與規格資訊整理、BOM／工單／檢驗資料彙整、會議紀錄、客訴分類、SOP／教育訓練、報價或營運報表分析等工作。
6. 具備 AI 導入流程設計、PoC 規劃與基本效益評估能力，可估算人時節省、錯誤率、回覆時間、處理量或 ROI 等指標。
7. 建立資安、個資、營業秘密與製造業合規風險意識，理解產品設計、製程參數、品質紀錄、設備資料、客戶／供應商資訊及對外內容需納入人工覆核與既有內控。
預期效益與可查核成果
1. 量化成果：課程出席率達 80%以上。
2. 每位學員至少完成 1 項與自身工作相關之 AI 應用或流程改善情境盤點。
3. 每位學員至少完成 1 項 AI 工具實作成果，例如文件摘要／比對、圖面／規格／BOM或檢驗資訊整理、客訴分類、SOP／教材草案、報價或報表分析輔助。
4. 每組至少完成 1 項 ROI 或人時節省估算，並提出可衡量的 PoC 成功指標。
5. 每組至少完成 1 份製造企業 AI 應用導入提案，包含問題定義、流程、資料來源、工具選擇、預期效益、風險控管與後續試辦建議。

本課程報名資格需為國內依法登記成立之製造業者，且受經濟部產業發展署產業競爭力輔導團輔導之企業在職員工優先錄取。
1. 各類製造業及其供應鏈相關企業之在職人員，包含營運管理、生產製造、製程工程、設備維護、品質保證／品質管制、研發、採購、倉儲物流、業務、客服、行政及資訊／數位轉型等職能。
2. 具備基本電腦操作能力與一般辦公軟體使用經驗，不需具備程式設計基礎。
3. 熟悉自身部門工作流程，能提出實際工作痛點、文件或資料情境，並願意以公開、模擬或去識別化資料進行課堂實作。
4. 願意參與分組討論、工具操作及專題製作，並配合完成課程要求之 AI 應用導入提案。

(10/21)Day 1｜AI導入基礎認知（10:00~17:00）

• AI 基礎認知與製造業應用趨勢

  1. AI、生成式 AI 與企業數位轉型基本概念；辨識預測型 AI、生成式 AI 與自動化工具的差異。
  2. 製造業應用案例：文件與知識查詢、圖面／規格與 BOM 整理、生產與品質資料輔助分析、設備維護、客訴整理、教育訓練與營運流程改善。
  3. AI 能力邊界、幻覺、資料時效與導入迷思；建立「AI 輔助、人員負責」的使用觀念。

• 製造企業痛點盤點與應用情境分析

  1.從採購、研發、生產排程、製程、設備、品質、倉儲物流、售後服務、業務與行政流程辨識改善機會。
  2. 以高頻、耗時、易錯、知識密集與資料可得性評估 AI 應用優先順序。
  3. 情境練習：將「想用 AI」轉換成具體問題陳述、使用者、輸入資料、預期輸出與成功指標。
   

(10/28)Day 2｜AI工具專題實作（10:00~17:00）

• 需求分析與工作流程盤點實作

  1. 需求訪談、利害關係人分析與現況（As-Is）流程盤點。
  2. 辨識等待、重工、人工搬資料、重複查找、跨部門確認與錯誤風險等流程痛點。
  3. 定義改善後（To-Be）流程、人工與 AI 分工、必要審核點及可衡量的 KPI。

• 製造資料盤點與 AI 應用可行性評估
  1. 結構化／非結構化資料與常見來源：客戶訂單、原物料／供應商規格、BOM、圖面、工單與製程、設備／維修紀錄、檢驗與品質異常、庫存物流、客訴與 SOP。
  2. 資料品質、完整性、欄位一致性、版本、敏感性與可使用邊界盤點。
  3. 判斷應用所需資料是否足夠，並規劃清理、去識別化、結構化或補充資料的方式。

(11/4)Day 3｜AI工具專題實作（10:00~17:00）

• 提示詞工程與製造任務設計

  1. Prompt 基本架構：角色、背景、任務、限制、資料來源、輸出格式與檢核條件。
  2. 任務拆解與可重複提示詞：摘要、比對、分類、擷取、改寫、表格化與依據標註。
  3. 透過檢核表、引用來源、拒答條件與人工覆核降低幻覺、錯誤判讀或不當對外內容。

• 製造營運場景 AI 工具應用實作

  1. 以公開、模擬或去識別化資料實作文件摘要／比對、圖面／規格／BOM與檢驗資訊整理、會議紀錄與待辦萃取。
  2. 實作客訴分類與回覆草稿、SOP／教育訓練教材、報價資料整理、設備維護知識或內部知識整理等製造營運任務。
  3. 比較不同工具或提示方式的結果，進行正確性、完整性、可追溯性與可採用性檢核。

(11/11)Day 4｜AI工具專題實作（10:00~17:00）

• AI 導入流程設計、效益評估與 PoC 規劃

  1. 比較導入前／後流程，界定 AI、自動化系統與人員的工作分工。
  2. 以人時節省、錯誤率、查找時間、回覆時間、處理量、設備停機時間或品質一致性建立量化指標。
  3. ROI 基本估算、PoC 範圍、測試資料、成功門檻、使用者驗收與擴大導入條件。

• AI 應用資安、個資保護與製造業合規風險

  1. 個資、營業秘密、產品設計、製程參數、客戶／供應商與價格資訊等機敏資料之外部 AI 工具使用風險。
  2. AI 幻覺、資料外洩、版本錯誤與錯誤資訊進入 SOP、品質紀錄、生產指示或對外內容的風險與控管。
  3. 製造業情境：圖面與設計資料、製程參數、品質判定、設備紀錄、客戶／供應商文件及產品對外內容之人工覆核、權限與留痕原則。
   

(11/18)Day 5｜AI工具專題實作暨專題發表與交流（10:00~17:00） 

• AI 應用專題製作

  1. 以學員企業實際情境完成問題定義、使用者需求、現況流程、資料來源與 AI 任務設計。
  2. 規劃工具選擇、Prompt／操作流程、人工審核點、風險控管、效益指標與 PoC 步驟。
  3. 完成製造企業 AI 應用導入提案初稿與成果簡報。

• 成果發表、回饋與後續導入建議

  1. 各組發表 AI 應用專題，說明問題、資料、操作流程、預期效益、風險控管與 PoC 規劃。
  2. 透過講師與同儕回饋檢視可行性、效益指標與風險控制是否完整。
  3. 形成課後可執行的試辦與改善建議，作為企業內部推動依據。

• 本堂課程因含實作，需全程攜帶筆電。
• 本課程報名資格需為國內依法登記成立之製造業在職員工，且有意成為產發署產業競爭力輔導團受輔導廠商之在職員工者。
• 受訓學員需填寫個人基本資料、蒐集個人資料告知事項暨個人資料同意書及學員意見追蹤調查表，並於每堂課程上課須簽到、下課須簽退，且結訓學員需配合經濟部產發署培訓後電訪調查。
• 本課程學員出席率需達訓練總時數至少80％（含）以上，通過評量測驗達70分（含）以上，並完成填寫課後問卷，符合資格者，結訓後將發放結訓證書。
• 考量環保因素，本課程將不印製紙本講義，以提供課程電子檔取代。
• 因應性別主流化國際趨勢，打造友善職場之發展，歡迎女性學員踴躍報名。