製造業 AI 擴大部署前，先檢查 ERP、MES 與品質資料是否形成完整工作脈絡
製造業 AI 擴大部署前，先檢查 ERP、MES 與品質資料是否形成完整工作脈絡
·
ERP、MES、品質系統都已經上線，AI 仍可能只看得到一項工作的一小段。
原因很實際。
AI 如果要跨設計、生產與品質協助工作，需要取得的不只是資料，還包括：前一個流程發生了什麼、現在進行到哪裡，以及後面的結果有沒有回到前面。
Hexagon 委託 Dynata 調查 511 名美國製造業從業者。
77% 認為自己的營運已經完全或大部分連接。
但只有 40% 表示設計、生產、品質與企業系統都已連通；另有 39% 表示設計、製造與品質之間的回饋仍然有限。
這份調查不能直接代表台灣工廠。
它提供的 Decision Lens 是：
系統數位化程度，和 AI 能取得多少完整工作脈絡，需要分開檢查。
如果工程變更仍靠人通知產線、品質異常仍靠 Excel 或 Email 回傳、製造結果也沒有自動回到設計端，AI 即使能存取多套系統，仍然需要人替它補上流程之間缺失的上下文。
這會直接影響 AI 能不能從單點工具進一步走向跨流程工作。
所以在批准下一個製造業 AI Scale 專案前，CIO、工廠主管與品質主管可以先共同畫出一張圖：
哪些流程交接已經由系統傳遞工作狀態，哪些地方目前仍然需要靠人搬資料、補背景或傳遞回饋？
這張圖，可能比單純盤點公司已有多少資料庫與企業系統，更接近 AI 擴大部署真正需要的基礎條件。
如果你希望持續追蹤製造業 AI 從單點應用走向跨流程部署所需要的條件，歡迎訂閱 InfoAI 電子報 https://www.infoai.com.tw/newsletter，或造訪 www.infoai.com.tw
Turning Global AI Signals into Business Decisions