工研院產業學習網

本課程以「智慧製造」與「AI 生醫」為雙主軸，採四天實務課程設計。前兩天由李國憲博士授課，聚焦AI 通論與兩大產業趨勢、生成式 AI 工具實作、醫療與製造資料治理、雲端協作、智慧製造數據分析及應用提案；後兩天由李景華博士授課，聚焦智慧醫療、國外案例 (Moderna, VideaHealth)、國內科技公司與醫療連鎖個案、專題成果發表指導。課程透過案例解析、分組討論與成果發表，協助企業團隊建立可落地的 AI 導入能力。

1. 建立學員對 AI、生成式 AI、雲端科技，以及生技醫療與智慧製造發展趨勢的整體認知。
2. 協助學員盤點生技醫療與製造現場的資料來源、流程痛點及 AI 導入情境。
3. 培養學員運用生成式 AI 進行提示設計、文件生成、資料分析、知識管理與工作流程改善。
4. 透過智慧醫療、SaMD 與智慧製造案例，理解 AI 從資料治理、雲端協作到導入落地的路徑。
5. 透過工具實作、案例研討及分組專題，完成可回應產業問題的 AI 應用提案。

1.生醫製造、研發或相關企業之在職人員，包含營運管理、生產製造、品質保證／品質管制、法規事務、研發、採購、倉儲物流、業務、客服、行銷、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。

(9/14)Day 1｜AI 通論、兩大產業趨勢與資料治理（7.5小時）09:00－17:30

1. AI 通論與生技醫療、智慧製造產業趨勢

課程目標：建立 AI 與生成式 AI 基礎，掌握生技醫療及智慧製造的發展脈絡、應用機會與導入風險。

• AI 與生成式 AI 基礎：人工智慧、機器學習、深度學習、生成式 AI 與常用工具的能力邊界。
• 兩大產業趨勢：生技醫療的精準健康、遠距照護與 SaMD，以及智慧製造的設備聯網、品質預測與流程優化。
• 雲端科技應用：資料儲存、運算服務、知識庫、權限控管、AI 服務與跨部門協作。
• AI 導入治理：個資與醫療資料保護、營業秘密、模型幻覺、資安、倫理及企業使用規範。

2. 醫療與製造資料治理、雲端協作及應用情境設計

課程目標：協助學員盤點醫療與製造資料、流程痛點及權限需求，設計可行且可治理的 AI 應用情境。

• 跨產業資料盤點：醫療服務、檢測、臨床、研發與品質文件；生產、設備、製程、品質、倉儲、能源及供應鏈資料。
• 資料型態與品質：結構化、半結構化及非結構化資料，以及完整性、一致性、時效性與可追溯性。
• AI 導入前的資料治理與雲端協作：資料分類、清理、權限分級、去識別化、機敏資料保護、版本管理與共享規範。
•  實作：以生技醫療或智慧製造情境完成「AI 應用情境與資料治理盤點表」。
   

(10/22)Day 2｜生成式 AI 工具實作與智慧製造數據應用（7.5小時）09:00－17:30

3. 生成式 AI 工具實作與跨產業工作應用

課程目標：培養學員運用生成式 AI 完成提示設計、文件處理、知識整合及跨部門工作協作。

• AI 工具實作：ChatGPT、Gemini、Microsoft Copilot、Claude、NotebookLM 與 Google Workspace AI。
• 提示設計實作：角色、任務、背景資料、輸出格式、限制條件、評估標準與多輪修正。
• 跨產業文件生成：會議紀錄、SOP、教育訓練教材、研究與品質文件摘要、異常說明、產品資料及客戶回覆草稿。
• AI 知識管理與安全操作：文件摘要、FAQ、內部知識庫、技術傳承、事實查核及機敏資料處理原則。
   

4. 智慧製造與數據分析應用

課程目標：協助學員運用 AI 工具分析製造營運資料，辨識異常與趨勢，形成流程改善及管理決策建議。

• 智慧製造資料應用：生產、設備、製程參數、良率、品質、能耗、倉儲、交期與供應鏈資料。
• AI 協助數據分析：資料清理與分類、描述統計、異常辨識、趨勢解讀、預測概念及管理重點整理。
• 製造案例實作：製程優化、預測性維護、品質管理、需求預測、能耗分析與主管報告生成。

• 專題實作：運用雲端試算表與生成式 AI，完成一份生技醫療或智慧製造 AI 應用提案草案。

   

(10/27)Day 3｜智慧醫療專題與案例研討I——大型組織平台化與技術跨界應用（7.5小時）09:00－17:30

課程目標：協助學員理解 mRNA 平台與 AI 工廠如何加速研發效率與組織營運加速。

5. (國外案例) Moderna——大型組織平台化與 AI 工廠

• 案例解析：從病毒序列公佈到候選設計僅需 42 天，Moderna 如何做到
• mRNA 平台化戰略：數位流程優先與自動化 AI 工廠（整合 People、Opportunity、Context、Deal 四要素）。
• 教學提醒：強調大型組織如何透過數位平台重新定義流程，而非僅是工具上線。
   

6. (國內案例) 台灣科技企業——技術跨界複製與第二成長曲線

課程目標：協助學員探討科技業成熟技術如何跨界複製至醫療領域，並找到第二增長曲線。

• 案例解析：影像演算法從交通、半導體檢測複製至 LDCT 肺結節 AI 判讀。
• 跨界路徑：取證（TFDA、FDA）策略、研發費用率變化與毛利率穩定機制。
• 財務與取證拐點：解析轉型過程中的關鍵決策點與財務語言。
• 小組討論（下午）： 模擬董事會，決策是否要轉型投入醫療 AI，探討通路、技術同源性與風口交會點。
   

(10/29)Day 4｜智慧醫療專題與案例研討II——AI 產品化與數位服務生態系（7.5小時）09:00－17:30

7. (國外案例) VideaHealth——AI 醫療產品與 AI Factory

課程目標：理解中小型組織如何利用特定醫療影像建立持續迭代的 AIFactory，並成功產品化。

• 案例解析：聚焦牙科影像偵測，GGO 檢出率與 CV 技術任務。
• AI Factory 建立：牙科影像資料盤點、標註、軟體底座與機器學習迭代流程。
• 法規邊界：從 SaMD 判斷到去識別化、責任歸屬與資安治理。
   

8. (國內案例) 數位牙醫連鎖(數位醫療產業案例)——數位醫療服務、平台與生態系

課程目標：探討服務端組織如何進行雙軌戰略（數位化醫療服務＋數位化產品），並建立生態變現。

• 案例解析：DSC 診斷流程、virtual patient 虛擬植牙規劃、教育訓練與耗材銷售的三輪模式。
• 生態系策略：整合連鎖診所、醫師助理 PGY、植體銷售與數位製造的全價值鏈。
•  落地框架：AI 生醫落地「五道門」檢核（痛點、資料、方法、風險、效益）。
• 小組討論： 管理者決策實戰，成果發表與講師總評。

• 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。