AI及數位化應用在國內各種製造業的採用都只剩時間問題。以出口為導向的半導體、面板、電子代工等高科技製造業都已大規模採用數位化平台與AI技術；一樣若以出口為主的傳統產業也將不可避免，只是產業變化步調相對沒那麼快，導入急迫性較低，推行可能還需一段時間。目前已有許多成熟AI技術可讓傳統產業企業考慮導入解決產業痛點，有待個別企業的管理階層進一步評估其投資效益與時機是否適合該企業；但可考慮先從以下四大面向來思考：
1. 首先，AI及數位化應用在傳統產業中的切入點跟一般硬體製造業類似；不外乎需求預測、原物料管理/檢測、製程最佳化、產能/排程管理、成品檢測、倉儲/出貨管理、售後服務等面向。不過AI及數位化應用在初始階段都需要資金與軟硬體投入，具一定的規模經濟門檻，故對「少樣多量」的製造樣態較合適。
2. 另對傳統產業來說，現今少子化及高齡化亦會使人力招募日趨困難，讓作業品質難以維持，企業生存空間縮減。而AI針對少子化，主要以各類「流程自動化」來解決缺工問題；如手寫訂單以流程自動化機器人(RPA)辨認輸入後，以AI進行自動排程(MPS)，再以自動光學檢測(AOI)成品，最終以無人搬運車(AGV)送入倉庫儲存納入庫存管理。基本上半導體或電子代工「無人/關燈工廠」概念，就是傳統產業可參考的未來遠景。至於高齡化，除重複性體力勞動能以自動化取代外，在經營上也常見老師傅經驗傳承無以為繼，此時以AI來學習老師傅的加工知識與技巧是可能的；國內目前像水五金切削、金屬熱處理、模具開發等都有成功案例可參考；另還有諸如人機協作、外骨骼機器人等技術持續發展中，未來針對傳統產業也都將有相關解決方案出現。
3. 對中小企業來說「導入成本」固然是門檻，管理階層是否支持此新興技術其實更重要；因導入不只是資訊部門或生產部門的工作，通常需要跨領域的大量協調，所以管理階層支持才是最重要的因素。而要解決數位落差，對國內傳統產業的中小企業來說，第一個須完成的基礎建設是「數據資料收集」；先有數據資料才能在資料上開發相關應用如AI。因此像設置感測器、攝影機、機上盒等收集機台/半成品/成品數據，甚至收集「連動數據｣(如現場環境、模具冷卻效率等)，都是必要的。最終能成功導入AI/智慧製造的中小企業，在市場上能獲得的優勢還是不外乎「成本降低」或「營收增加」兩方面。例如AI排程規劃可以縮短工時、減少原物料浪費、提升生產力；AI製程最佳化與成品檢測可提升品質、降低不良率、做到競爭對手做不出的品質也減少退貨，營收與市場佔有率才能提高。
回到中小企業可負擔導入成本；目前AI產業界也在努力研發Low-code或No-code AI；國內新創如行動貝果(MoBagel)、詠鋐智能(Chimes AI)等，都發展出可讓製造業中小企業客戶採用訂閱制的「自動機器學習」平台服務， 以較低成本打造plug-in工具協助加速實現中小企業的智慧工廠。工研院AIdea共創平台也以公開競賽累積超過50個以上冠軍模型作基礎，開發AI引擎可結合企業領域知識，讓中小企業能以較低成本自主研發AI方案。以上都是現今中小企業可參考進行AI技術導入的管道。
資料來源：https://money.udn.com/money/story/122561/6120413 經濟日報