製造現場與藥廠的AI落地：先釐清任務、資料與責任

｜產業案例與產品

台灣NAVI以外的另一條線索：NEAT論壇談製造業AI軟硬整合，印度TCS推出藥物開發AI代理平台。兩則消息都指出，AI要在產業站穩，關鍵是任務定義、資料基礎、維運與人工把關，而不是模型本身。

本文重點

  • NEAT論壇指出，製造業導入AI應先確認任務、資料與驗收方式
  • TCS推出ADD AgentHub，把AI代理放進藥物開發流程，並保留人類決策
  • 兩案共同點是流程嵌入、資料治理、稽核與後續維運

台灣新經濟連盟協會（NEAT）10 月底舉辦製造業 AI 軟硬整合論壇，印度 TCS 則推出藥物開發用的 AI 代理平台。兩則消息一在工廠、一在藥廠，結論很接近：AI 能不能用，取決於任務定義、資料基礎和責任分工，不取決於模型有多強。

重點整理

一、台灣：製造業 AI 軟硬整合論壇

依 TAIWANinside 11 月 6 日的報導，NEAT 於 2026 年 10 月 29 日舉辦「台灣 AI 產業升級系列論壇」第三場，主題是「AI 軟硬整合，如何實現？」。這場延續 8 月 20 日的工廠 AI 導入與 9 月 4 日的半導體供應鏈共同出海兩場討論。講者的共同看法是，企業採用 AI 之前，要先確認想改善的工作、手上有哪些資料、以及怎麼驗收，再去選模型、算力和應用工具。

報導中有幾個具體說法：

  • 資料面：企業即使有資料，仍要確認資料表與欄位代表的業務意義，建立資料字典與讀寫權限，整理完還需要熟悉現場的人確認內容。
  • 算力面：高併發服務、長上下文分析與互動式推理，對運算量與回應時間的要求不同，應先確認工作負載，再評估雲端、地端或混合部署。比較投資時，軟體開發、電力、散熱、服務與長期維護成本也要算進去。
  • 排程面：生產規劃與現場排程處理的時間範圍不同，交期、物料、產能與換線都會影響計算結果。自然語言介面可以幫使用者提出需求、調用工具，實際計算仍由專業演算法依資料與現場條件完成。
  • 政策面：論壇意見整理成《企業 AI 導入意見徵集與政策回饋》，建議改善政策資訊取得、補足數據基礎與人力，並協助媒合海外合作夥伴。

二、國外：TCS 的藥物開發 AI 代理平台

據 Business Standard 與 Express Pharma 報導，TCS 於 8 月 17 日（週一）宣布推出 TCS ADD AgentHub。它是角色導向（role-based）的企業級 AI 代理平台，目標是讓藥廠在臨床試驗與藥物安全監視（pharmacovigilance，上市後追蹤藥品不良反應）流程中大規模使用 AI 代理，同時維持法規與稽核要求。TCS 官方新聞稿提到，平台上的方案在臨床資料管理最多達 40% 效率提升，安全案例處理最多節省 30% 成本，這些數字是 TCS 自行公布的成果。依報導，AI 可以自動化既定步驟並提供建議，治理與最終決策仍由人類專家負責。

這則消息發布時間早於 30 天，但它剛好補上受高度監管產業的做法，所以納入本文。

分析

第一，焦點從「選哪個模型」轉到「哪個流程值得做」。 NEAT 講者的順序是任務、資料、驗收，最後才是模型與算力。TCS 的平台也不是賣一個聊天機器人，而是把 AI 拆成對應職務的代理，像個案資料輸入、編碼、審查、文獻分析。這代表 AI 正在被當成流程中的一個角色來管理。

第二，資料與維運才是隱形成本。 資料字典、權限、欄位定義、電力散熱與長期維護，都不會出現在模型報價單上，卻決定專案能否撐過第一年。台灣許多企業做完 PoC（概念驗證）後卡關，常常卡在這一段。

第三，高監管產業先確立「人在迴路中」。 藥廠的 AI 輸出可能影響法規送件和病人安全，所以 TCS 強調稽核軌跡與人類最終責任。這個設計原則對台灣的醫療、金融與公部門同樣適用，因為這些單位的任何決策都要能事後說明。

第四，分工要明確。 論壇中講者提到，資料整合、應用開發、產業知識與客戶服務各有專業門檻，業者要分工清楚，方案才能配合企業流程並持續維護。對中小製造業來說，找對整合夥伴往往比自己養一支 AI 團隊更務實。

給企業的建議

  1. 先寫一頁任務說明書。 列出要改善的工作、現行做法、可用資料與驗收標準，例如排程時間縮短多少、查詢準確率達多少。寫不出來的題目先不要做。
  2. 盤點資料再談模型。 建立資料字典與讀寫權限，找現場資深人員確認欄位意義。這件事沒做好，後面的 AI 都會不穩。
  3. 分階段導入。 先挑一條產線或一個部門，驗證有效再擴大。排程、知識問答、文件生成這類範圍清楚的場景較容易先見效。
  4. 把維運成本放進預算。 評估雲端、地端或混合方案時，一併計入開發、電力、散熱與服務費用。
  5. 設計人工把關點。 凡是會影響法遵、品質或客戶權益的輸出，都要保留人工覆核與紀錄。

源智匯在公部門與教育場域做過知識庫整合與自然語言查詢，例如協助農業部整合所屬單位的研究成果，讓同仁用提問方式跨單位查找。經驗是：先把資料與權限整理好，AI 應用才有穩定的基礎。製造業與醫藥業的場景不同，但這個順序是一致的。

名詞解釋

AI 代理
能依目標自行拆解步驟、呼叫工具並完成任務的 AI 系統，和單純一問一答的聊天機器人不同。
pharmacovigilance
藥物安全監視，指藥品上市後持續收集、評估不良反應資料，以確保用藥安全。
資料字典
記錄資料表與欄位名稱、定義和業務意義的文件，讓不同部門對同一份資料有一致理解。
PoC（概念驗證）
在小範圍先試做，驗證技術或方案是否可行的階段，通過後才決定是否正式導入。
TCS ADD AgentHub
印度 TCS 推出的企業級 AI 代理平台，用在藥物開發的臨床試驗與藥物安全監視流程。

常見問題

製造業導入 AI，第一步應該做什麼？

先確認要改善的工作、可用的資料和驗收方式，再評估模型、算力與工具。順序顛倒容易做出沒人用的系統。

TCS ADD AgentHub 是做什麼的？

它是 TCS 推出的藥物開發 AI 代理平台，用於臨床試驗與藥物安全監視流程，並保留稽核機制，最終決策仍由人類負責。

AI 算力要選雲端還是地端？

要依工作負載、回應時間、資料敏感度而定，比較成本時也要把開發、電力、散熱和維護算進去，不能只看硬體價格。

參考來源