專欄｜創辦人手記【RPA 已經不夠用了嗎？AI 是否能理解工廠現場？】

Shannon Lin
6月25日
讀畢需時 3 分鐘

製造業導入 RPA 的風潮已經好幾年，從報表彙整到報修流程，流程看似自動化，但問題卻沒有真正消失——腳本脆弱、例外太多、無法判斷現況。隨著 AI 與 LLM（大型語言模型）技術的成熟，工業流程的下一步，不再是寫更多 RPA 腳本，而是邁向「AI 虛擬領班」的決策自動化。這篇創辦人手記，帶你回到最初的問題：當工廠需要的不只是自動化，而是理解與判斷，RPA 是不是該升級了？

AI 取代了 RPA？這篇很難，但值得一讀

今天談談 RPA 在工廠的角色——該升級了嗎？

我觀察這幾年不少製造業導入 RPA（Robotic Process Automation），把許多重複性的行政與後勤流程自動化，像是報表彙整、比價下載、報修單建檔，確實幫了不少忙，但也出現了許多限制與痛點：

流程一旦畫面改版或系統調整，就得重寫 RPA 腳本（超麻煩）
大量流程被拆成一段段，一遇到例外就卡住，要人工介入，最後又變回人工重打
最核心的生產線與管理現場，RPA 很難取代像是設備點檢、巡檢、報工這些表單流程

RPA 解決的是任務，不是決策

我一直在想，有沒有更好的工具？

RPA 解決的是單一「任務」，不是「決策」。而工廠真正複雜的地方，在於跨部門、跨系統的資訊整合與現場判斷。這也是為什麼當初我會發想做「AI 虛擬領班」，讓系統能夠：

看得懂現場
理解異常
串聯數據
給出建議
甚至幫你叫人、派工、模擬 KPI

與其一個一個寫腳本，不如讓資料自己流動、自己決定。

難的不是 AI，是資料彙整

但這個很難，因為資料來源的建立很難。

所以我們在軟體設計上，讓資料來源可由系統輸入與 IoT 同時並行，整合了：

IoT 資料
MES 系統
能源數據
報工回報
稽核模組

全部匯入一套資料湖（Data Lake），讓工廠開始具備真正「決策自動化」的能力。

然後，我們再加上 LLM（大型語言模型）與 KM（知識管理），才實現了AI 虛擬領班（AI Virtual Supervisor)

「AI虛擬領班」這個名字，我自己發明的

這是我在 2021 年參與經濟部新創 AI 領航計畫時提交的專案。

名字我取的，Concept 是我發明的，我希望未來人工智慧能真正幫助現場作業員與領班，讓大家工作更輕鬆。當時我們寫了很多發明專利，Wayne (Co Founder) 與團隊也投入開發了許多模型。說真的，要量化它、讓它走入市場，還有一段距離，但隨著 LLM 技術成熟，加上我們的資料來源與系統逐漸成形，這個產品的升級版，明年就能真正走入市場。