夜雨聆风台湾产业AI化指数今年从36.77分跃升至47.26分，增幅近26%，整体产业AI化程度处于「 Ready AI」与「Scaling AI」的企业合计占比已达近五成。台湾企业正式从「知道但做不到」的摸索阶段，跨入全面落实的普及新局。然而，数字亮眼的背后，真正的挑战才正要开始。
企业进入「深水区」，导入AI已无法成为优势
人工智能科技基金会（AIF）执行长温怡玲指出，随着AI应用进入普及化，台湾企业已进入新赛局。这不仅意味着市场竞争全面加剧，更代表企业必须跳脱单纯的工具引进思维，转向核心竞争力与组织架构的全面重构。
她以「红皇后效应」形容当前的竞争态势，当所有企业都在用AI、生产力都得以提升，光是导入工具已不足以建立优势，真正的分水岭在于能否比对手更精准地找到值得解决的核心问题，进而打造出难以复制的竞争护城河。
这样的警示，在传统制造业体现得尤为真实。勤工股份有限公司成立于1996年，起初以制造堆高机与物流运搬设备零件为主。深耕台湾堆高机特殊改装设备市场逾30年，长期为各大国内堆高机厂牌指定改装厂。2017年正式成立AXON品牌，并于2021年带领研发团队跨足无人自动化堆高机领域，结合大数据与人工智能技术，推出AMR自主移动堆高机，致力于协助制造业客户以最少人力创造搬运最大的可能性，从传统设备制造商蜕变为智能运搬解决方案提供者。
从失败中汲取无可取代的价值
一路走来当然绝非一帆风顺。随着AI技术快速演进，「跟不跟得上」的焦虑感几乎蔓延至每一位企业经营者。执行长林少顗坦言，「自己会不会被淘汰」几乎是所有人心底共同的压力。花钱购买工具也许可以解决这份焦虑，但真正困难的，是如何让AI从外部工具转化为企业内部真正的核心能力。
这样的体悟，源自一段并不轻松的摸索历程。林少顗说，传统制造业过去普遍认为AI与自身无关，工厂有ERP、MES、WMS就够了。然而2016、2017年数位转型浪潮席卷而来，勤工也跟上脚步。成立工业物联网公司、引进软件厂商、申请政府补助，大量资源投入后，换来的却是一场昙花一现。
这段过程让林少顗沉淀出两个关键思考。第一，企业仅是追求特定硬件或技术堆栈，在AI快速迭代的今天根本没有长期价值。第二则是和团队一起摸索、再站起来，以及陪着客户走过困境所累积的实战经验，才是最难被复制的资产。
「以前我们在意投了多少钱，后来才发现，钱反而是最不重要的，最重要的是怎么走过这条路。」林少顗重新审视这段历程后，得出一个结论：AI与所有人过去的想象都截然不同，而关键在于「人才」。
下一步的竞争：谁先建立AI治理能力
林少顗指出，过去企业比的是谁先导入AI，接下来的竞争则将取决于谁先建立AI治理能力。其中，人才观念的转变是最根本的起点。首先，人才的观念必须改变。技术缺口确实是企业转型的一大障碍。根据世界经济论坛预估，未来将有39%的劳工面临核心技能的根本性改变。过去工厂倚重的是能写程序、会画机构图的专业技术人员，但在AI辅助下，这道门坎正在快速降低。未来只要能清楚描述想法，AI就能协助将其具象化，工作的职能需求正在改变。
除此之外，数据的保护与管理同样是企业不能回避的课题。林少顗说，许多企业员工为了方便作业、尽快向主管交出成果，习惯将公司内部数据直接输入外部AI平台取得答案，在无意间将敏感信息暴露于外部风险之中。随着这几年国际治理标准逐步成形，欧盟也于今年二月正式实施AI新规范，数据管理已从企业的选择题，变成必须认真面对的必答题。
林少顗强调，在解决人才断层之后，企业下一步必须认真盘点数据分散在哪里、如何妥善保护，并建立可安全运用的机制，才能真正让数据成为AI的燃料，而非潜在的风险来源。
技术决定你跑多快，但治理决定方向是否正确
「你（经营者）没有架好公司的框架，员工在下面再努力也是白费，AI一年三变，一场浪潮扫过来，什么都垮了。」林少顗说，许多主管以为AI转型是叫员工去学、考取架构师认证就够了，但需要成为架构师的是企业主自己。
企业真正需要的不是跟上每一次的技术更新，而是建立内部的框架与架构。没有治理的AI，只能创造短期的成效，真正的转型需要像备战马拉松一样，有规则、有秩序、有流程地长期投入，才能让AI真正成为企业持续成长的核心动力。
林少顗提到许多企业在AI导入上常过度依赖外包，但外包厂商给的是规格，不是理解；给的是工具，不是能力。因此，经营者与管理者必须亲自建立公司的AI架构，把值得解决的题目先定出来，再按优先级逐步推进。更重要的是，过去员工各自学习AI、各自使用，累积的个人经验，一旦离职便带走了。AI治理真正要做的，是把思考逻辑与决策框架沉淀回公司，让知识得以传承，不因人员流动而流失。
数据、流程与架构是企业稳固的核心
数据孤岛则是另一个关键障碍。林少顗说，部门之间若缺乏串联，信息流就会像假日高速公路一样动弹不得。而勤工的做法是先将架构建立起来，让数据能够跨部门流动。以制造与品检部门为例，过去评检只是被动防堵错误流出，对提升质量帮助有限。导入AI后，让品检与制造两个部门协作而非分工，制造过程中就能实时完成检查与修正，彻底消除重复工序。
此外，许多企业习惯跟着技术跑，买了各种账号、比对各种答案，却忽略了一件最根本的事：最终做出判断的，永远是人。他强调，企业必须建立一套一致的决策架构与判断基准，让每一位同事在面对AI输出时，都能用相同的逻辑加以评估与应用。否则，主管花了钱、员工用了工具，做出来的结果却天差地远，问题不在技术，而在于双方思考基准根本不在同一条在线。
「有了判断逻辑与基础，知识才能真正转化为智能。」林少顗说，企业必须稳固的核心是数据、流程与架构这三件事。模型可以换，但这三件事不会变。当架构建立起来，题目的优先级自然浮现，每个人不再只是各自为了绩效表现，而是在同一个思维平台上共同协作、共同治理。
从卖设备到赋能客户，传统制造业的商业进化
这套治理思维，也彻底改变了勤工的商业模式。林少顗将核心方法论浓缩为「4A模型」：先定目标、评估风险与价值、分配责任、持续追踪。在这个框架下，部门边界逐渐模糊，取而代之的是跨部门共同解题的协作文化。
勤工也从过去单纯贩卖硬设备，转型为提供可交付的「AI能力」。他强调，这不是卖订阅平台、不是租工具，而是走进客户现场、深入理解痛点，陪着客户一起进步。「当你成为一个解题的公司，客户就会和你长期共生。」这套模式更具备跨产业复制的潜力。
林少顗也重新定义了勤工的使命。从制造能力出发，迭加智慧力与自主力，勤工正透过AI将过去难以实现的生态系整合逐步实体化。「Empower Your Move，」他说，「我们虽然是移动设备制造公司，但我们真正在做的，是赋能所有的客户与伙伴。」
