但當一群充滿熱情的年輕學子，踏著 AI 的浪潮，試圖為真實世界的商業問題找出解決方案時，我們看到的就不只是「一點訣」，而是一片充滿無限可能的未來。今天，我有幸「旁聽」了一場 AI University 的專案成果發表會，看著同學們將課堂所學應用到各式各樣的產業命題上，從食品業的配方查詢、傳統製造業的報價系統，到高科技廠房的智慧戰情室，甚至是服務業的虛擬發言人，實在令人眼界大開，也引發了我對台灣產業 AI 化的一些思考。
這不單單是一場學生成果展，更像是一面鏡子，映照出我們在 AI 時代下，人才培育的樣貌，以及企業導入新技術時，那種既期待又怕受傷害的「接地氣」心情。今天，和大家聊聊我對這次發表會的觀察，以及對這些未來 AI 生力軍的期許。🚀 各組點評：AI 實戰的初體驗，亮點與磨練並存
咱們一組一組來看，這些學生團隊是如何「打怪升級」，用 AI 這把寶劍，試圖劈開企業痛點的荊棘。
佳質食品：當 LLM 遇上老師傅的秘密配方 🍲
- 學生想解決的代誌： 傳統食品業的配方、原物料資料常常散落在紙本或不同系統，查詢費時又容易出錯。他們想用大型語言模型（LLM）來處理自然語言、甚至是圖片資料，結合 MySQL 資料庫，讓配方查詢更直覺、更有效率。
- 我看到的亮點： 學生們有意識到，許多食品業的「眉角」往往藏在非結構化的資料中，例如老師傅的筆記、模糊的圖片等。他們嘗試用 LLM 來解讀這些「暗號」，這方向是對的。未來他們還想加入 AI Chatbot 自然語言問答、提升系統效能，甚至讓有權限的人可以直接修改資料，這些都是很實際的需求。
- 一些提醒： 團隊在簡報時，如果能先「Wow」大家一下，展示出系統查詢配方的神奇效果，再回頭解釋技術架構和流程，聽眾的感受會更深。另外，Demo 時如果能預錄畫面，可以避免現場突發狀況，讓成果更完美呈現 。更核心的是，這個系統的 Persona (使用者畫像) 是誰？ 是需要快速查找SOP的技術人員，還是需要研發靈感的老師傅？如果只是單純的資料查找，跟傳統關鍵字搜尋的差異在哪？ 我隱約感覺到，這個專案的真正價值，可能不只是「配方查詢」，而是透過「配方相似性」的分析，激發研發人員的「靈感」。如果能往這個方向深挖，價值會很不一樣。
福陽企業：菜鳥業務的報價神器 📄
- 學生想解決的代誌： 新進業務助理對報價流程不熟，容易遺漏細節；傳統人工輸入 Excel 容易出錯，格式也不統一；加上與客戶來回溝通耗時，舊的 Excel 檔追蹤維護又很麻煩。
- 他們端出的牛肉： 一個「報價小助理」網站，用了 Streamlit 框架快速搭建網頁，OpenPyXL 處理 Excel，還導入了 Embedding 技術讓 AI 理解語意，背後串接了 Llama 3.18b 這樣的大型語言模型。
- 我看到的亮點： 這組同學從企業的「Complication」(痛點) 切入，這點非常好！ 他們清楚地描述了傳統作業方式的困境。而且，他們不只是做出一個系統，還考慮到讓業務在客戶面前可以直接試算報價金額，這在商業談判上非常實用 。最後產出的報價單，格式完整，令人印象深刻 。他們也誠實地分享了從理想到現實的差距，例如原本想用 LINE，但後來因為資料安全和功能限制，改用網頁表單，這種快速迭代和務實的態度值得肯定 。
- 一些提醒： 雖然技術名詞列了一堆，但對企業主來說，更重要的是這個方案「CP值」高不高，能不能真的解決問題 。在 Demo 過程中，使用者需要先在右邊填表單，遇到疑問時，跳到左邊問助理，再回來右邊繼續填 ，這個操作流程還有優化的空間 。業主也回饋希望能「縮短填單複雜性」，或許未來可以加入更多自動帶入或智慧提示的功能，降低使用門檻 。
碩隆精密：讓小隆不再爆肝的 AI 報價助理 🤖
- 學生想解決的代誌： 金屬沖壓件公司的報價專員「小隆」，每天要處理超過20封郵件，每封郵件都要經過繁瑣的查詢比對，常常無法當天回覆，導致工作壓力大，甚至可能錯失訂單。
- 他們端出的牛肉： 一個「AI智能郵件辨識報價系統」，能自動分類郵件（過濾廣告、辨識緊急程度）、智能統整（用 OCR 抓取附件產品資訊、自動比對相似產品）、甚至還有智能問答（例如將不同廠商的表面處理編碼轉換成廠內習慣用語）。
- 我看到的亮點： 開場用「小隆的一天」故事，非常能引起共鳴，讓聽眾馬上理解問題的痛點 。他們提出的量化效益——處理郵件時間下降80% ，非常有說服力 。UI 設計也看得出下了功夫，很貼近實際使用者的需求 。這組同學展現了很好的商業敏感度（Business Sense）。
- 一些提醒： 雖然 Demo 時 OCR 功能一度卡關 ，但整體設計流程是好的，只要升級技術模型或硬體，就能解決 。不過，評審也提到查詢結果的準確性問題 ，學生回覆是提供「最相近」的結果 。這點很重要，AI 畢竟是輔助，最終還是需要人工確認，但如何讓「最相近」更逼近「最正確」，是持續優化的方向。此外，讓 LLM 一直去爬梳郵件並分類，長期下來的運算成本和效益，可能也需要精算一下 。
智慧戰情室：當儀表板學會「說人話」📊
- 學生想解決的代誌： 製造業常見的痛點：生產排程效率、即時掌握機台狀況、異常追蹤與快速維修，以及跨部門資訊整合。
- 他們端出的牛肉： 一個整合機台監控、產量監控、工單狀態、異常分析、庫存狀態的智慧儀表板系統，使用了 Grafana 做視覺化，MQTT 做訊息傳輸，並以電線電纜公司的數據集進行實作。最特別的是，他們嘗試用 MCP（可能是指某種協定或中介軟體）與 LLM 來「解讀」儀表板上的資訊，甚至能透過自然語言去更新儀表板內容。
- 我看到的亮點： 這組同學的技術能力相當紮實，能做出一個功能完整的系統，很不簡單 。尤其是最後提到用 LLM 來解讀和操控儀表板，這點非常創新！ 就像業主（此專案的命題與資料提供方）說的，很多時候儀表板雖然資訊豐富，但「有看沒有懂」。如果能用自然語言直接問「現在CP5.5mm 3C這個料號還能做100個嗎？」，或者讓 AI 主動推送「某某產線瓶頸警示，建議調整排程」，這對管理者來說就太有價值了。
- 一些提醒： 或許因為沒有對應的實際企業主，這組的報告方式比較像系統開發者在展示功能，而不是從企業痛點出發 。儀表板雖然酷炫，但聽眾可能會想知道，這些圖表到底解決了「誰」的「什麼急迫問題」？ 這些數據如何轉化成可行動的管理洞見？ 如果能更聚焦在「管理者真正想解決的決策問題」，並強調 LLM 解讀儀表板的獨特價值，相信會更吸引人。
鑫野智動：打造永不退休的 AI 技術長 👨🏫
- 學生想解決的代誌： 塑膠射出機的技術長即將退休，寶貴的經驗如何傳承是一大難題。加上射出成型參數複雜，非本科或新人難以快速上手。
- 他們端出的牛肉： 一個「AI 技術長的代理人」系統，包含能快速推薦機型的功能，以及一個像 LINE Bot 的「教學精靈」，讓任何人都能隨時詢問塑膠相關知識。
- 我看到的亮點： 「傳承」確實是許多企業，尤其是製造業，面臨的共同痛點 。學生們能注意到這個「隱性需求」，值得肯定。透過互動式介面，引導使用者一步步輸入規格，再由 AI 判斷適合的機型，這個想法不錯。
- 一些提醒： 技術長要傳承的內容是什麼？最急迫、最核心的是哪些知識？ 我在筆記裡提到，如果能先好好盤點這些「隱性知識」，再思考如何將其萃取、結構化，會比直接跳進去開發系統更有效 。那個「AI 技術長」的選型邏輯是怎麼建立的？是透過訪談技術長嗎？如何驗證它的建議是可靠的？ 至於「教學精靈」，其回答的專業度，以及是否真的需要特別為此訓練一個 LLM（現有通用 LLM 或許已能處理部分需求），也是可以思考的點 。更重要的是，需要實際讓使用者（例如新進工程師）去試用，收集他們的回饋，才能真正打磨這個「AI 代理人」。
昇達科技：AI 發言人，不只會說官話 🗣️
- 學生想解決的代誌： 上市公司常因股價異動或財報發表，湧入大量重複性問題，導致財務長分身乏術，也可能影響公司形象與投資人信心。
- 他們端出的牛肉： 一個虛擬發言人系統，能從年報、財報、公開資訊中找答案。他們很用心地設計了 Prompt (提示語)，要求 AI 回答要專業、不能亂掰、還要模仿公司發言人的口吻。
- 我看到的亮點： 這組同學在「評估模型表現」這塊做得很棒！他們用了三種不同模型，設計了清晰度、準確性、關聯性三個評分指標，還對兩百多道問題進行分類測試，甚至用了統計檢定來分析不同主題下模型的表現差異 。這種嚴謹的態度，在 AI 應用開發中非常重要，值得大大讚賞！ 他們也提到未來希望 AI 能根據評分系統自動排序選出最佳答案，以及能依需求回覆不同格式（如表格、圖表），這些都是很進階的思考 。
- 一些提醒：如果市面上已經有像 NotebookLM 這樣強大的工具，可以直接上傳文件並進行問答，那麼這個系統的獨特價值在哪裡？ 或許關鍵在於「發言人」這個角色，如何讓 AI 的回答更符合特定企業的語氣、立場，甚至能記錄過往的問答模式作為「Few-shots」（少量範例），讓模型學得更快更好 。指導老師也提到，財務數據會隨時間演進，這對 LLM 來說是個挑戰，需要持續餵養和調校 。
華航凱悅：您的虛擬旅遊管家 🏨
- 學生想解決的代誌： 旅客入住飯店時，櫃檯人員需要花時間講解大量資訊，人多時容易造成等候。他們想設計一個虛擬發言人，能解答旅客疑問，增加互動趣味，也加快 Check-in 流程。
- 他們端出的牛肉： 他們嘗試了多種技術方案，包括用 Langchain 串接流程，D-ID套件產生虛擬人像影片，OpenAI 做語音轉文字與文字生成，也用了 HeyGen 這個虛擬人像 SaaS 平台。
- 我看到的亮點： 這組同學很有實驗精神，實作了多種不同的技術路徑，並比較了它們的優缺點 。例如 D-ID 可以用真人照片生成頭像影片，而他們自己建構的 TTS (Text-to-Speech) 方案則在影片長度匹配上更有彈性。HeyGen 則提供了現成的 Avatar 和語音合成功能，整合方便 。這種對未來人機互動形式的探索，本身就很有價值。
- 一些提醒： 虛擬人像和語音互動的確是趨勢，但大型 AI 公司（如 OpenAI、Google）的 API 能力也在快速進化，未來很可能直接提供更強大的即時互動方案 。因此，這類應用的重點，可能不在於自建一套完整的技術底層，而是如何巧妙地運用現有工具，去創造獨特且自然的用戶體驗 。例如，HeyGen 目前的中文語音還不夠流暢 ，回覆內容也比較制式，或許可以思考如何讓互動更「有人味」，更貼近真實的服務情境 。
🌟 總體觀察：AI 新星的養成之路，機會與挑戰並肩
看完整場發表會，我的心情是既興奮又充滿期許。這些年輕學子展現的熱情、解決問題的企圖心，以及快速學習與動手實作的能力，都讓人印象深刻。他們勇敢地跳出舒適圈，直接面對產業的真實需求，這本身就是一堂寶貴的課。
然而，從「學生專案」到真正能上線穩定運行的「商業產品」，中間還有不少路要走。我觀察到幾個可以再加強的面向：
- 深化商業思維： 從「做出酷炫的功能」進化到「創造可衡量的價值」。要更深入地理解企業的商業模式、市場競爭格局，以及使用者心中最深層的痛點。AI 不是萬靈丹，它必須服務於商業目標。
- 精準定義問題： 有時候，我們會為了想用某個新技術，而去找一個問題來套。更有效的方式是，先精準地定義問題，釐清問題的範疇，再思考 AI 能否以及如何提供最佳解。
- 提煉核心競爭力： 思考自己方案的「護城河」在哪裡？是獨特的數據、優化的演算法、創新的應用場景，還是更深刻的領域知識（Domain Know-how）？在技術快速普及的時代，找到不可替代性尤為重要。
- 強化簡報與溝通： 如何在短時間內，清晰、有效地傳達方案的價值主張，而不只是技術細節的堆砌，這是所有技術人才都需要磨練的軟實力。
- 重視知識管理與傳承： 特別是在知識密集型的專案中（例如鑫野智動的案例），如何有效地萃取、結構化、並傳承那些老師傅腦中的隱性知識，往往比系統開發本身更具挑戰性，也更有長期價值。
對於 AI University 這樣的培育機制，我充滿期待。它搭建了一個很好的橋樑，讓學術界的象牙塔與產業界的真實戰場得以對話。未來，除了持續強化產學鏈結，讓學生能第一手接觸真實的商業環境外，或許可以更著重在培養學生的商業思維、設計思考、專案管理等「軟實力」。同時，引導學生思考技術背後的倫理議題與社會影響，並建立更完善的知識共享與協作平台，讓這些寶貴的學習經驗能夠傳承下去。
🤔 讓我們想一想怎麼做
AI 浪潮已然勢不可擋，它既是挑戰，更是前所未有的機遇。看完這些年輕學子的努力，或許我們可以一起思考：
- 對企業而言： 如何更積極地擁抱 AI？與其觀望等待，不如從一個小痛點、一個小專案開始，勇敢地與這些充滿潛力的年輕世代合作，讓他們的創意與活力為企業注入新的動能。或許，下一個改變遊戲規則的創新，就誕生在這樣的碰撞之中。
- 對學術界而言： 如何調整我們的教學模式，以培養出真正符合未來產業需求的 AI 人才？除了硬底子的技術知識，如何強化學生的問題解決能力、跨領域協作能力，以及最重要的——洞察商業本質的能力？
- 對我們每個人而言： 在這個快速變遷的時代，持續學習、保持好奇心，是我們唯一不變的應對之道。無論你身處哪個行業、哪個職位，都可以思考 AI 能為你的工作帶來哪些新的可能性，並主動去了解、去嘗試，在 AI 的浪潮中，找到屬於自己的定位與價值。
這場 AI 大學的成果發表會，是個起點，而不是終點。看著這些閃閃發光的眼神，我相信，台灣產業的 AI 未來，充滿希望！
