老師傅們的雙手與經驗，始終是產線上最珍貴的資產。但這些刻在腦海、難以言傳的寶貴知識，正隨著時光流逝與世代交替，面臨知識斷層的巨大挑戰。擁有超過70年歷史的紡織大廠東豐纖維，十年前便開始布局智慧製造、大數據與物聯網，逐步在ChatGPT時代突圍？
「我們從2016年開始，布局所有生產工具機的IoT。」在2025年台灣人工智慧年會上，東豐纖維經理林明旺分享自家十年前的規劃。從源頭接單開始，一直到生產、品檢、出貨，東豐在工研院的協助下，時時刻刻都能留下紀錄。
掌握這些資料，讓他們可以產出圖表，方便管理者掌握情況，也能進一步分析生產情況。例如，辨識染色機在某個染色過程中，不同染缸為何會出現色差，藉此提升效率和品質。
然而，林明旺還不滿意。「下一步是什麼？」他拋出這個疑問。
讓非工程師也能駕馭AI，人人都可享受果實
ChatGPT問世、AI Agent興起，世界變動的速度極快，傳統機器學習的方法雖然強大，但對於林明旺來說，還不夠親民。
同樣以染色機為例，他解釋，每一台染色機的產出，受到溫度、速度、壓力、蒸氣、時間……等多項變數影響。東豐在產線上布建感測器，再整合到企業資源計畫（ERP）和製造執行系統（MES）系統裡。
「兩年前，我們分析的時候好興奮，後來也真的分析出來了。」只是，能執行這類分析的，只有AI工程師和資料科學家，而且準備耗時。林明旺表示，啟動一個新的分析專案往往需要兩週。
他向《遠見》解釋，AI需要非常專業的資通訊人才方能駕馭，「只有會寫（程式）語言的才會用，」他希望讓非專業背景的人，也能輕易運用AI進行分析。
因此，他開始尋找方法，讓機器學習模型的產出，可以成為洞見，這正是東豐導入AI Agent的原因。
在工廠現場，機台常常會發生狀況。林明旺表示，廠長手握機台資料，可以隨時監督生產狀態。「只是，出問題的時候，你會不會希望有一位老師傅、有個人讓你發問，我的工廠到底發生什麼事情？」
東豐找上新創摩絡人工智慧（Morale AI），利用工具機原廠的教育訓練資料、過往產線上的生產資料、維護紀錄、機台效能報告等，合作打造出機台維修保養Agent。「所以，他可以告訴你，遇到異常，你可以往哪裡排除、可以跟供應商要什麼樣的文件、可以確認什麼參數。」
過去要仰賴老師傅的經驗，現在則將維修知識數位化，把維修紀錄和標準流程，轉變為能以自然語言問答的智慧知識庫，藉此推論故障原因、產出分析報表，讓決策變得快速，也有跡可循。
回頭清整資料，再發揮大語言模型優勢
東豐也將AI Agent應用於生產履歷參數推薦、品質異常客訴處理、標準作業流程（SOP）生成與派發等多個場景。
以生產履歷參數推薦為例，林明旺解釋，東豐在泰國也有廠房，「今天如果要移到泰國工廠生產，會不會想知道，在台灣工廠生產的時候有沒有什麼異常？怎麼解決問題的？」
因此，東豐回頭從基礎建設做起，先清整資料，統一機台、產品和原物料等實體的命名規則，確保不同系統共享相同語言，才能讓AI有效運用。接著，確認過往製程的參數設定、作業流程和產品規格等，讓Agent給與建議時可先行參考，避免產生幻覺。
另外，他們也整合歷史生產的異常紀錄，避免推薦時重蹈覆轍；設定參數限制，排除可能損害機台的數值。
「現在，我只要打開這個共用平台，就能知道這些資訊了，你會不會少走很多冤枉路？會不會少賠很多錢？」林明旺興奮地說。
摩絡人工智慧執行長高聖翔觀察，東豐原先就已在物聯網領域布局，累積了相當多的資料。雙方合作的重點，便是透過生成式AI與這些資料庫進行互動，發揮更高價值。
他進一步指出，工廠現場常見大量以文字或口語形式留下的非結構化資料。過去難以處理，如今則能仰賴語言模型的能力加以解析，再透過Agent支援多語言溝通，讓跨語言交流不再有障礙。
只有好資料，才能做好AI
不管是機器學習，還是現在的生成式AI，最根本的還是要資料先行、數位先行。為了推動流程數位化，林明旺甚至在直接下達指令，表示自己不再簽核某些類型的手寫表格，展示公司由上而下推動AI的決心。
值得注意的是，導入AI Agent，不代表要放棄原先的機器學習模型。其實，兩者正扮演著互補角色。
林明旺用F1賽車巧妙比喻：原先的機器學習模型是核心，性能強大，但需要專業車手（工程師）才能駕馭，「現在，只是多了一個讓大眾也能駕馭的平台。」
從解決眼前的管理痛點，到保存即將流失的產業智慧，再到建構一個跨國界的知識共享平台，東豐纖維的案例證明，AI不僅是提升效率的工具，更是傳統產業應對時代挑戰、實現智慧傳承的關鍵催化劑。
