第一天 | AI 應用盤點與資料治理 | 一、AI 通論與應用情境盤點 二、企業痛點轉譯與資料治理 | 介紹AI、生成式 AI、LLM、RAG、AI Agent 概念;製造與營運共通案例;將品質、設備、生產、文件、客訴、報價、行政流程等問題轉為 AI 任務;盤點企業資料來源,處理缺漏、欄位不一致、格式混亂與權限問題。 | • 理解 AI 基本概念與企業應用模式。 • 能辨識企業流程中適合導入 AI 的應用情境。 • 具備 AI 導入初步評估與資安風險意識。 • 能盤點並分類企業內部資料並將實務問題轉換為 AI 可處理任務。 • 理解資料清理與資料治理的基本原則。 | 7.5 |
| 第二天 | 企業 AI 助理設計與知識庫建置 | 一、LLM / RAG 架構 二、企業知識文件整理 三、指令工程與 AI 助理實作 | 說明通用模型與企業知識落差;建構企業知識文件(例如 SOP、設備手冊、檢驗規範、異常紀錄、客訴紀錄、會議文件等知識資料);設計 AI 角色、回答邊界、引用規則與禁止臆測機制,完成第一個企業 AI 助理並進行測試優化。 | • 理解 LLM 與 RAG 在企業知識管理中的應用方式。 • 能規劃企業知識文件整理與分級原則。 • 能判斷知識庫內容之適用範圍與限制。 • 能建立並測試 AI 助理雛形。 | 7.5 |
第三天 | n8n 智慧營運工作流與跨系統串接 | 一、n8n 基礎操作 二、表單、文件與通知串接 三、營運流程自動化實作 | 學習 n8n 介面、節點、觸發器、條件判斷與錯誤處理;串接表單、試算表、文件、Email、API 與通知工具;建立異常通報、文件摘要、任務分派、設備保養、客訴處理或營運報表等 AI 工作流。 | • 熟悉 n8n 工作流設計與常用節點。 • 能將 AI 串接到企業既有流程。 • 能完成智慧營運自動化 Demo。 | 7.5 |
第四天 | AI 導入策略、成效評估與成果發表 | AI 導入藍圖 KPI 與風險治理 分組專題整合與發表 | 建立 AI 導入成熟度與優先順序;設計人力節省、品質改善、停機降低、回應時間縮短、文件處理效率等 KPI;評估資料機密、模型幻覺、權限分級、人工覆核與維運責任;完成分組專題整合與 90 天回廠試行計畫。 | • 具備 AI 導入效益與風險評估能力。 • 能完成 AI 導入提案與專題成果呈現。 • 能規劃課後回廠試行與擴散方向。 | 7.5 |
合計 | 30 |