工研院產業學習網

課程學習路徑

第一階段：建立AI、生成式AI與生醫產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。
第二階段：從生醫企業實際痛點出發，進行利害關係人、As-Is流程、問題定義與改善優先順序盤點。
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。
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、醫療法規與品質風險。
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。

課程定位

• 課程不要求程式設計基礎，重點在培養生醫企業內部能「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。
• 生醫產業情境將涵蓋文件與知識整理、規格／檢驗資訊處理、品質與異常分析、批號追溯資料應用、客服與客訴整理、SOP／教育訓練、行銷內容與內部營運流程改善等可快速驗證的場景。

需求評估與問題盤點：以生醫業實際工作流程為起點，從採購與供應商管理、研發與產品規格、生產、品質／法規、倉儲物流、批號追溯、客訴、業務與行政等環節辨識高頻、耗時、易錯與知識密集任務。

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。

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。

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。

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通論暨企業資料盤點與分析（6小時）

1. AI 基礎認知與生醫產業應用趨勢與生醫企業痛點盤點與應用情境分析(10:00~17:00)

•  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。
• 生醫產業應用案例：文件與知識查詢、品質資料輔助分析、客訴整理、教育訓練、客服與營運流程改善。
• 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。
• 從採購、研發、生產、品質／食安、倉儲物流、追溯追蹤、客訴、業務與行政流程辨識改善機會。
• 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。

• 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。

   

(9/21)Day 2｜企業資料盤點與分析（6小時）

2. 需求分析與工作流程盤點實作與生醫資料盤點與 AI 應用可行性評估(10:00~17:00)

• 需求訪談、利害關係人分析與現況（As-Is）流程盤點。
• 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。
• 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。
• 結構化／非結構化資料與常見來源：原料／零組件供應商規格、批次與製程、檢驗／COA、品質異常、GMP／QSD相關紀錄、批號追溯、產品標示、客訴與SOP。
• 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。

• 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。

   

(10/5)Day 3｜AI工具介紹與應用（6小時）

3. 提示詞工程與生醫任務設計與生醫營運場景 AI 工具應用實作(10:00~17:00)

• 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。
• 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。
• 透過檢核表、引用來源、拒答條件與人工覆核降低幻覺、錯誤標示或不當對外宣稱。
• 以公開、模擬或去識別化資料實作文件摘要／比對、規格與檢驗資訊整理、會議紀錄與待辦萃取。
• 實作客訴分類與回覆草稿、產品FAQ、SOP／教育訓練教材或內部知識整理等生醫營運任務。
• 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。AI工具介紹與應用
   

(10/12)Day 4｜AI工具介紹與應用（6小時）

4. AI 導入流程設計、效益評估與 PoC 規劃及AI 應用資安、個資保護與生醫法規遵循風險(10:00~17:00)

• 比較導入前／後流程，界定AI、自動化系統與人員的工作分工。
• 以人時節省、錯誤率、查找時間、回覆時間、處理量或品質一致性建立量化指標。
• 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。
• 個資、營業秘密、配方、供應商與價格資訊等機敏資料之外部AI工具使用風險。
• AI幻覺、資料外洩、版本錯誤與錯誤資訊進入SOP、品質紀錄或對外內容的風險與控管。

• 生醫業情境：GMP／QSD相關資料、批號追溯、醫材或藥品標示／不良反應通報及產品對外內容之人工覆核、權限與留痕原則。

   

(10/19)Day 5｜成果發表與交流（6小時）

5. AI 應用專題製作與成果發表、回饋與後續導入建議(10:00~17:00)

• 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。
• 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。
• 完成生醫企業AI應用導入提案初稿與成果簡報。
• 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。
• 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。
• 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。