「不會用、不敢用、用不起，是現今中小企業導入AI普遍碰到的問題」，臺灣人工智慧學校（AIA）校務長蔡明順近期在一場活動中點出推動產業AI發展時，中小企業所面臨的難題。

臺灣人工智慧學校從2017年成立，致力於推動產業AI人才發展，目前已有超過2,300家企業參與訓練，涵蓋相近15個產業，訓練學生已超過13,000名，其培養的人力，成為國內各產業AI發展的基礎，為臺灣產業AI化的垂要推手之一。然而，這些年來儘管AIA培育人才成績斐然，但是在產業AI的發展上推動的成效如何？特別是讓中小型企業也能導入AI轉型，對推動百工百業AI的臺灣人工智慧學校而言相當重要。

臺灣人工智慧學校校務長蔡明順表示，從科技或是股價的熱度角度來看，現在大多認為我們已進入AI的紀元，AI在國內外的發展相當蓬勃，但是各產業對於AI的認識仍不足夠，部分產業尚未開始。從多個產業分析報告來看，約有50%到60%大型企業如100大、200大企業，他們對人工智慧已有嘗試、POC或是導入在產線上實際應用，但是國內企業占比高達98%的中小企業卻只有約5%，顯示大多數的中小企業處於觀望，甚至不知道如何著手進行。

中小企業面臨資源不足、企業規模不足，還有人才不足，相較之下，大型企業擁有許多資源，甚至設立專責部門啟動應用，使得大型企業和中小企業在AI推動上呈現兩樣情，這種起步上的落差形成數位鴻溝；「數位落差相當大，尤其是推動AI，企業如果沒有足夠的基礎建設，包括資料、算法、人才，企業沒有數位化很難推動AI化」，蔡明順說。

儘管政府投入許多資源，例如由國發會、國科會、數發部、經濟會推動各項計畫，儘管推動上聲勢壯大，蔡明順認為，政府資源分散且碎片化，缺乏統合性導入評估框架，以及後續追蹤機制。

政府推動AI產業及產業AI化，對資通服務產業而言是機會。

「我們最害怕的是，當推動AI如同ESG推動綠能只是議題，沒有實際落地，對資通訊產業不是好事」，蔡明順說。

產業AI發展3個挑戰

他歸納國內產業AI發展的3個難題，首先是缺乏產業共通的AI導入評估機制與分級工具；其次是中小企業如何運用政府資源，或是運用資通訊業的能量，需要專後的顧問，技術和商業轉換能力；最後是各產業領域的知識、商業痛點不同，難以泛用化及規模化，發展人工智慧技術要達到規模化，才能產生經濟效益，展現AI的效益。

回顧臺灣人工智慧學校成立7年來，AI發展相當快速，從人工智慧學校成立之初，AI被認為實驗室的技術，發展到教室，進入辦公室、生產線，運用AI的高門檻也在幾年前出現變化，過去發展AI應用需要技術背景，生成式AI的出現降低進入門檻，即使是文法商背景，會運用ChatGPT都能使用AI。

人工智慧學校提出百工百業AI，從發展或引進工具平臺、應用流程再造、案例方法論、建立示範性的領域場景、治理法規的基礎建設，不同的業者、政府在生態中扮演不同角色。蔡明順認為，目前人工智慧迭代發展相當快速，在技術還沒有定型、標準化之前，先不要談方法論或最佳實踐，應該去思考如何運用AI。

以AIEP飛輪模式的6步驟推動AI生態發展

蔡明順談到，臺灣人工智慧學校近三年努力將痛點轉化為行動，包括將碎片化的資源、資料、算力集中起來一起推動，推動各產業AI落地，以及如何運用開源技術擴散，還有人才的轉型及識別。

他認為臺灣需要一套全國性的AI推動框架，讓不同的角色在框架中彼此分工協作，讓不同的政策資源可整合推動發展，並促成產業升級、人才及數位公平。其中包括商業場景、技術擴散、生態發展3個關鍵策略，在商業場景，協助企業辨識應用場景，將企業的需求轉譯，透過媒合技術後，創造效益擴大導入。

至於技術擴散，採用開源技術、模組化，提供AI工具能夠應用快速落地。蔡明順表示，技術擴散也可運用雲端技術，今年AI發展有3個趨勢，包括Agentic AI、模型縮小化、多模態，其中模型的縮小化得以落地至邊緣端、裝置端，多模態發展則涵蓋語音、圖片、文字的處理。生態發展則是串連科技大學、軟硬體產業，共同研發AI應用。

他也分享臺灣人工智慧學校的策略，以全國性框架為核心，規畫AIEP(AI Ecosystem Platform)，願景是希望在2030年前協助50%的企業導入AI，並且有實質成效。

AIEP有6項具體的目標或步驟推動企業從未知AI到認知AI，導入示範應用到AI成熟的循環發展，這6項步驟包括示範導入與標竿案例、建立資料共享機制及場景共創、標準制定與合規指引、導入顧問及人才支持、建立商業化與激勵機制、建立評估機制與回饋強化。

蔡明順指出，AIEP的6個步驟可形成內外循環的飛輪成長模式，企業可運用6個目標建立內部的檢核機制，而外循環也能運用6個目標建立生態系。另外，AIEP也參考新加坡的AIRI（Readiness Index），AIEP的6個目標可對應AIRI的6個模式，先推動技術和認知的成熟度後，再大力推動AI，代表任何社會發展AI需經歷的階段與痛點。

蔡明順指出，參考AIRI的作法，企業有不同大小規模、產業特性，可建立AIEP的成熟分數（Readiness Score），對企業進行分級，再依分級來配置資源；針對各產業建立示範案例應用，對於企業從未知AI進階到認知AI，讓示範案例應用啟動轉型，如果成為商學院教材，更易於讓決策者採納、擴散。

參考AIRI的「測試-導入-回饋」循環調整，AIEP的飛輪模式可以6個步驟滾動調整，不只單一的企業，產官學研也可以參考AIEP的6個作法，循序漸進發展為生態體系；蔡明順以方程式解釋AIEP推動AI發展的概念，為AI+D（Domain）*T（可為Technology、Talents、Training、Tools等）發展。

建立AI創新中心帶動產業聚落AI化

由於臺灣在不同地理區域發展不同的產業聚落，目前臺灣人工智慧學校為推動跨產業、跨地理區域的AI應用，人工智慧學校在台北、台中、台南設有3個校區，以涵蓋北中南，和區域內的產業公會、地區內的研究型或科技大學、地區性資服業者合作，共同組成產業聚落AI創新中心。

蔡明順也建議，企業如果與大學合作，最好能選擇科技大學，因為研究型大學中老師專注在研究及論文，科大的老師對產學合作比較積極，較有意願針對企業的需要設計解決方案。至於產業聚落AI創新中心以大學輻輳，在車程1小時或2小時的範圍內建立區域型的Hub，提供解決方案、人才及技術。在產業聚落AI創新中心裡，大學、資服業者、垂直領域三方扮演不同角色，針對產業聚落的特性，由大學與資服提供技術移轉、顧問輔導，先推動示範應用，再擴大整個產業聚落採用。

如同前面提到大型企業有足夠的資源自行發展AI應用，因此產業中心的目標為50到500人的中小規模企業，包含有意願數位化中小微企業、績優上市櫃公司的隱形冠軍，或是規畫拓展海外市場的企業，「這3類是目前最需AI，也最缺乏協助及資源的企業」。

在技術面上，蔡明順指出，先依照產業的性質區分製造業與非製造業，瓦製造端的中小型企業，他建議採用開源模式，強調模組共享、資料本地化、可微調，需要SI客製化導入及協助維運；至於非製造業類型，即服務端中小微企業，為快速導入、降低門檻，他建議可採用雲端SaaS，例如產、銷、人、發、財開始，「使用就緒的AI服務，先從企業裡找到好的切入點，帶動前進的力量，否則只是口頭上的願景，沒有實際落地的解決方案」

。

為推動開源和產業結合，人工智慧學校每一季舉行工作坊，他們也和中研院合作，推廣以開源語言模型開發的行政業務AI應用。蔡明順建議，目前國內已有開源模型，包括TAIDE及聯發科的Breeze模型已開源且可在地端執行，國內企業可以在地端部署，相較於國外的方案，可降低資安風險，其次是採用本土語料，在語言上更精準符合在地的需求。

人工智慧學校推動之下，現在已有一些產業應用成果，例如醫療產業運用AI輔助決策及產生報告，成效是診斷時間縮短30%，產生一致性的報告外，也減輕醫護的人力壓力；另一案例是高科技服務業，運用AI在客服及技術文件自動撰寫，將客服回覆時效提升50%，人力節省30%；物流業則運用AI作路線預測、自動排程，提升配送效率15%，將人力、車隊利用率最佳化。

蔡明順也分享他的觀察，大家對於AI的認知及素養還不足夠，例如將BI包裝為AI，或是LLM需要資料庫，忽視底層邏輯和技術本質，在AI的時代下，不論是個人或企業都必需建立對AI的基礎素養，瞭解AI的能與不能、風險、底層邏輯等等，其次是具備使用能力，例如使用ChatGPT、Gemini，「當別人已穿上盔甲，你還要肉身和他博鬥嗎？」

他也提醒在企業內，一個人使用能提升效率，但是當多個人使用AI時，工作流程則需要重新思考調整。

國科會主委吳成文曾外解釋，臺灣要成為AI科技島，要成為AI產業運用的大國，需要推廣應用AI、開發AI、研究AI，個人或企業認知素養屬於應用AI的範籌；至於研發AI的能力，臺灣人工智慧學校今年上半年已和數發部合作，制定AI人才職務及發展確立發展路徑，數發部也公布「AI產業人才認定指引」。

蔡明順表示，AI人才認定指引如同過去的電腦化發展，對不同職務的人才能力及認定，作為企業徵才、詮敘用留、人資管理的依據，AI人才認定指引不只是推向企業，也推到政府機關，建立一致的AI人才認定，讓企業和政府機關在共同人才認定基礎上推動AI。

人工智慧學校將AI的人才分為使用AI、實作AI、管理AI三大類，使用AI需具備使用能力及素養，占約9成的AI人才，實作AI則是工程實作開發AI產品或服務者，約占8到9%，管理AI的人才為規範及治理AI，約為1到2%。目前AIA在認證上，分別對應AIA素養級、工程級、管理級三個認證。