你有想法,他有做法。

從會問 AI,到讓 AI 真正參與工作

今天不是程式設計課

兩小時不可能教會你從零開發,但可以給你一張技術導航地圖

買了 AI,為什麼企業還是沒改變?

員工上課後仍只會問答,因為不知道工作可以怎麼交給 AI

你才是最懂工作的人

生管、採購、品保的專業知識,是 AI 建立工具的起點

AI 不只是聊天

從問答、資料處理、工具調用,到 Coding Agent

💬問答
📊資料
🔧工具
🤖Agent
🖥️系統

AI Agent 是什麼?

能根據任務選擇工具、取得資料、完成步驟的 AI

AI、Agent、Bot:三種角色,一看就懂

不是三種不同的 AI 大腦,而是模型、執行系統與自動化服務的不同概念

🧠

AI Model

大腦

理解、推理、產生內容

GPT · Gemini · Claude
🧰

AI Agent

帶工具的工作者

連接模型,搭配 Skills、工具與工作規則完成任務

可以依框架更換或路由模型
⏰

Bot

自動值班員工

由時間、訊息或事件觸發任務

不一定使用 AI,也不一定持續運算
重點:Agent 可以使用不同模型當「大腦」;Bot 則描述自動執行/待命的服務形式,兩者可以重疊。

現場組裝一位 AI 數位員工

選擇大腦、裝備 Skills 與 Tools,再決定要不要讓它自動值班

① 選擇大腦 Model
② 配置工作能力
點選右側選項,觀察數位員工的能力如何改變。
🤖

生管數位員工

🧠 低成本模型
📘 已載入 SOP
🛠️ 可查詢資料
⏰ 人員手動啟動
示例:生管人員提出問題後,Agent 使用工具協助分析。
讓 AI 自動值班之前,先決定資料權限、異常通知與人工覆核。這是概念組裝示範,不會連線到真實工廠。

不是所有事情都需要 Agent

用適合的工具做適合的事

從一個小問題開始

先選高頻、有資料、容易驗證、風險可控的工作

FactoryPilot AI 生產管理決策中心

一個真實 API 分析、合成工廠資料的企業 AI Demo

射出機故障,誰來處理?

M03 停機,哪些訂單受影響,怎麼恢復排程?

⚠️設備停機
📦影響訂單
🔀替代排程
👤主管決策

Agent 不是猜答案

工具取得訂單、BOM、庫存、設備與排程

📄訂單
🧩BOM
📦庫存
🏭設備
📅排程

AI 提建議,程式做驗證

把 AI 的判斷交給客觀規則再檢查

🤖AI 建議
🧮模擬計算
🛡️規則驗證
👤人工確認

VERIFIED 100% ≠ 永遠正確

只代表通過 Demo 已設定的驗證條件

四個緊急情境

同一套 Agent 流程,處理不同生產管理問題

🚚歐洲急單
🛠️射出機故障
📦原料延遲
📈需求暴增

系統不必直接暴露在外網

未來可透過受控 Gateway 連結 LINE 與內網

🏭企業內網
🛡️Gateway
☁️HTTPS
📱LINE

AI 生管系統:不只是一條通知流程

把內網資料、AI 模型、決策驗證、主管與 LINE 放在同一張系統全貌圖。

🏭 企業內網 / 受控環境☁ 外部服務ERP / MES訂單・BOM・庫存・排程FactoryPilot Agent工具調用・排程模擬・驗證主管審核批准 / 拒絕 / 替代方案Agnes AI API真實分析・結構化建議LINE Messaging API已實測主動推播目前採合成工廠資料;未連接真實 ERP/MES 1 2 3 4A 4B
① 取得生管資料② 呼叫外部 AI 分析③ 回傳建議並以程式驗證④A 本機主管覆核④B 驗證通過後可推播 LINE④A/④B 為兩種後續操作,不代表先批准才推播;目前僅完成 LINE 單向推播,尚未接真實 ERP/MES。

老闆最關心:資料究竟去了哪裡?

AI API 與 LINE 是兩條不同的外部通道,各自需要資料過濾與授權政策。

① 公司內部資料② 受控處理與過濾③ 公司外部ERP / MES原始訂單・成本・BOM資料存取權限唯讀 / 授權 / 紀錄AI 資料過濾最小化・遮罩・審查LINE 通知過濾摘要・敏感欄位排除外部 Agnes API確認外傳資料與服務政策外部 LINE僅接收必要通知兩條不同的對外資料路徑:AI API ≠ LINE 推播
內網系統沒有對外開放,不代表資料完全沒有對外傳輸;外部 AI API 也必須納入資安審查。

從單向通知到雙向決策:三階段架構

已完成的能力與未來設計分開標示,避免把概念方案當成現有產品。

逐步導入:不必一次做完所有能力PHASE 1|已實測單向主動通知異常分析 → 驗證 → LINE🛠 異常偵測🧠 AI + 規則驗證📱 LINE 收通知PHASE 2|規劃安全事件入口SSO / MFA / 權限審核🔐 企業身分驗證🗂 受控事件頁面👤 主管查看明細PHASE 3|規劃雙向決策閉環Webhook / Gateway / 稽核📩 LINE 回覆🛡 Gateway 驗證🏭 內部授權執行
Phase 1 已完成真實 LINE 推播測試;Phase 2 / 3 的安全入口、Webhook Gateway 與正式 ERP 寫入仍屬後續方案。

Demo 的實測結果

文件記載 20 次真實 API 分析,原始成功 19 次

能寫死的,就別叫 AI 來瞎攪和!

AI 能幫你開發系統,不代表每次執行都要請 AI 動腦。

🧮

規則明確的工作

交給一般程式
庫存加減工程公式設備相容性排程限制
速度快・可測試・結果穩定
🧠

需要理解與判斷

讓 AI Agent 參與
理解異常描述調用工具整理證據提出建議
有彈性・但必須驗證
「AI 可以幫你蓋工廠,沒必要每顆螺絲都請 AI 來鎖。」

同樣由 AI 開發,AI 一定要留在系統裡嗎?

一個完成後由程式獨立運作;另一個在日常工作中持續請 AI 協助分析。

⛺

3D Tent Designer

AI 幫忙蓋好工具,之後可以離開

AI 不常駐
👤 提需求→🤖 Coding Agent 開發→🛠️ 完成軟體
日常使用階段
3D 帳篷設計器 ● ● ●
尺寸輸入 → 幾何公式 → 3D 畫面
⚙️ 固定計算由一般程式執行
不需要每次呼叫 AI 模型
使用階段沒有持續的模型 Token 費用
🏭

FactoryPilot

AI 幫忙開發,也持續在系統裡工作

AI 參與運作
👤 提需求→🤖 Coding Agent 開發→🛠️ 完成軟體
日常使用階段 · AI 正在系統內工作
📋 訂單📦 BOM/物料🏗️ 設備/排程
🧠
Agnes AI理解異常 · 調用工具
整理建議
🧮 程式模擬🛡️ 規則驗證👨‍💼 主管決策
資料與工具 ↔ AI 分析 ↔ 程式驗證 → 人工覆核
使用 AI 分析時會有模型成本;數值仍由程式驗證
💡 AI 能幫你開發軟體,但不代表每套軟體都需要 AI 常駐。 能用固定規則處理的,就交給程式。
🙋 現場小測驗|先想一想

這件事,需要 AI 每天來上班嗎?

每天早上 8 點,檢查庫存是否低於固定安全庫存門檻,產生清單並通知採購。

先選一個答案,再揭曉原因。
💡 能用固定規則準確完成,就先用程式。只有需要理解情境與處理不確定性時,再考慮 AI。

同一家 AI,為什麼有三種付費入口?

聊天、開發、系統串接是不同產品與用量,不是「付一次月費就全部吃到飽」。

GoogleGemini 生態系
OpenAIChatGPT 生態系
AnthropicClaude 生態系
1 聊天
Gemini聊天 App / 訂閱
ChatGPT聊天 App / 訂閱
Claude聊天 App / 訂閱
2 開發
AntigravityAI Coding 工具
CodexAI Coding 工具
Claude CodeAI Coding 工具
3 API
Google AI StudioGemini API / API Key
OpenAI PlatformOpenAI API / API Key
Claude ConsoleClaude API / API Key

AI 要「住進」你的系統,走哪個入口?

看清楚「我在用 AI」和「我的軟體在呼叫 AI」的差別。

🏭你的企業系統

FactoryPilot 在執行時需要 AI 分析

⇄
🔑模型 API 服務

以受保護的 API Key 驗證呼叫

這一層才是「AI 活在系統裡」常見的串接方式執行時依模型與用量產生成本;不必要求每位使用者都有 ChatGPT 訂閱。
⚠️ API Key 是存取憑證,不是訂閱方案;應存放在安全的伺服器端,不能寫進公開網頁。

今天給你的是「找答案的關鍵字」

遇到問題,翻回這頁,拿關鍵字去問 AI。

關鍵字是你的技術導航地圖

今天不教完全部技術,而是讓你知道遇到問題該搜尋什麼

AI 為什麼會忘記?

Context Window / Context Compaction / Persistent Memory

← 舊資訊Context Window|上下文視窗新資訊 ←
點一下,看舊資料如何向左移動
① 超出視窗舊資訊可能被截斷或壓縮
② Lost in the Middle還看得到,也可能沒有正確利用
③ 沒有固定 50% 界線表現依模型、任務及管理方式而不同
研究示意:部分模型對中間資訊的利用較弱
開頭中間結尾

不想每天重教 AI?

Harness Engineering / AGENTS.md / SOP / Skills

📜固定規範
🧰可用工具
🧪測試關卡
📒持久紀錄

Skills:讓 AI 學會公司的工作方法

把重複使用的 SOP、範例與工具整理成可載入的技能包

回家問 AI:「請協助我把公司的生管 SOP 整理成 Agent Skill,先訪談我,再產生規則、範例與驗收方法。」

🧾報價 Skill
🏭生管 Skill
🔎品保 Skill

Iterative Development|迭代式開發

不用一開始就想清楚所有功能:先做雛形、看結果、再調整

回家問 AI:「請協助我把公司的生管 SOP 整理成 Agent Skill,先訪談我,再產生規則、範例與驗收方法。」

回家問 AI:「我還沒有完整需求,請先協助做出簡單原型,讓我邊看邊修改;每次修改後都幫我測試。」
💡先有想法
🛠️做一版
👀看結果
🔄再調整

Token 太貴?先讓 AI 學會「派工」

真實專案|先看任務風險,再決定要派哪些 AI 角色;點 L0、L3、L4 比較差異

MODEL ROUTING + ROLE GOVERNANCE
👤
你提出需求例如:改一段說明、加新功能、修正工程公式、正式發布
↓ 任務交給主代理
🧑‍🏭
Tech Lead|AI 調度主管理解需求 → 判斷風險 → 指派角色 → 整合與驗收
風險分級
L2|一般功能
🛠️實作員Implementation Agent限定範圍內寫程式
🔎審查員Reviewer唯讀檢查風險
🧪測試員QA Runner獨立產生測試證據
📝文件員Docs Writer正式升版才更新
🛡️發布稽核員Release Manager核對發布條件
主代理或受限實作員 → 針對性測試 → 標準驗證一般功能需要明確驗收與測試證據,不是寫完就算完成。
✓ 主管驗收
省 Token 的關鍵:簡單任務不必動員所有 Agent;依風險選擇模型與角色。
最重要的規矩:改程式、審查、測試、發布不能全部自己說了算。
實際專案:Tent Designer Agent 分級協作制度|風險 L0–L4 是工作風險,不是模型能力排名;角色分工也不保證一定省錢。

AI 不知道公司內部資料?

RAG / Knowledge Base

❓員工提問
📚知識庫
🔎檢索證據
💬AI 回答

AI 如何跟現有系統合作?

API / MCP / Tool Calling / Workflow

🤖Agent
🔌API / MCP
🏭ERP / MES
📊回傳結果

如何避免 AI 自信地做錯?

Validation / Testing / Human-in-the-loop

🧪測試
🧮驗證
👤人工覆核

明天回公司,先問 AI 這一題

「我是傳統製造業的__部門,我不懂程式。請一次問我一個問題,幫我找出一項值得做成工具的重複工作。」

30 天啟動第一個 AI 專案

先做一件能驗證的事,不要一開始就全面改造

①盤點
②選題
③原型
④驗收

老闆、主管、員工都要參與

AI 落地不是把員工送去上課就結束

🏢企業主
👔主管
🧑‍🏭員工
今天的課結束了,探索才剛開始

你有想法,
他有做法。

不必先成為工程師,
從說出自己的工作需求開始。

💡 放心說出想法🛠️ 讓 Agent 協助找方法✅ 由你判斷成果
📱 掃描取得完整教學簡報
課程網址 QR Code
課程回顧 · 技術關鍵字 · 回家問 AI
freewingbiz.com/tutorials/enterprise-ai-120min/
1 / 41
← → 翻頁 · O 目錄 · L 雷射筆 · F11 全螢幕 · Ctrl+P 匯出 PDF

投影片目錄 · 40 頁

38 px
講師提示:用自己的工作經驗,帶學員思考這頁的重點。再次按「老師提示」可關閉。