製造業的相關資料，業績、稼動率、產能與異常分析報告，散落在 ERP、設備與紙本檔案裡，難的是怎麼把資料拿出來，以及有多少企業敢讓 AI 直接接上 SAP、Oracle 的核心系統。在日前舉辦的「2026 AI 智慧大工廠論壇新竹場」，緯謙科技智慧製造處技術經理吳政舉分享了過去一年協助製造業做 POC 的經驗，他表示 AI 進工廠的第一步不是自主決策，而是先釐清人怎麼做、資料在哪裡，再讓 AI 一段一段參與進來。
吳政舉引用今年的《台灣產業 AI 化大調查》指出，製造業平均 43.8 分，略低於全產業平均，會產生這樣的數據結果，他認為主要原因是製造業在推動 AI 時，最主要追求的是「穩定」。
「製造業的資料都存放在 ERP 與設備裡，許多中小企業不知道怎麼取出，設備資料就算能透過 Modbus 等工業通訊協定拉出來，從 OT 跨到 IT 這一步，工廠也處理不了，」吳政舉提到要讓 AI 真正落地，關鍵在於資料。
對於讓 AI 串接 SAP、Oracle、MES、WMS 等核心系統，緯謙建議的做法是分段推進。第一步是把 ERP 資料匯出成 Excel，讓 AI 讀取並模擬驗證可行性，要串系統時再透過中介層分階段接入，讓 AI 從中介層取得資料。吳政舉表示，這樣做的原因有兩點：一是讓 AI 一次吃下整個系統負擔太大，二是 AI Agent 擅長把每一件事做好，將任務分階段完成。
資料接上之後，吳政舉以「客訴分析」例子舉例，過去在電子製造業，若收到客訴異常，得先復現問題、翻找歷史紀錄，找不到原因就送往 RD，再找不到就往晶片端追查。但若 AI 能先爬梳過往累積的 FA 報告，就有機會在第一線找到答案，因此緯謙建議企業把過去的紙本報告建進資料庫，直接讓 AI 理解原始資料。
「一個場景、一個流程、一個指標」跨出 AI 落地
企業導入 AI 的路徑是從 POC、輔助判斷，逐步走到可信執行，吳政舉建議企業應該先把人力的流程梳理清楚，盤點內部的 process flow，把工作拆成取得資料、理解問題、形成判斷、執行、追蹤成果五個步驟，再看哪些環節適合交給 AI，「你先解決人怎麼做，再試試看 AI 怎麼做，」把流程理清楚，AI 才有介入的位置。
吳政舉也提醒，為了不讓每個 AI Agent 各自重建權限、知識庫與任務判斷，緯謙因此把權限、知識庫、流程、模型、日誌與資料處理做成共用底座，讓企業可以自選模型。此外，緯謙也自建 WiKMS 企業知識管理 AI 助手，聚焦企業知識的整合與應用，透過 LLM 串聯分散在各系統與部門的內部資料，讓員工直接以自然語言提問，查找資訊並取得相關知識。
對著手推進 AI 落地的企業，吳政舉建議從「一個場景、一個流程、一個成效指標」切入，先選定場景、寫完人的流程，再訂出 AI 進場後的預期目標，對於 AI 在工廠裡的角色，他建議企業「不讓 AI 自己判斷，而是讓 AI 參與。」
