跨越距離的未來產業聚落－IT整合下的供應鏈管理準備
中國生產力中心 林俊良 經理
我國中小型製造業面對全球化自由競爭以及智慧製造的崛起，卻常受限於無法跟上大企業的發展腳步，在商業上面對更加艱鉅的考驗。在大者恆大的M型發展下，市場的資源已經進入長尾分布多年：大多數的資源與市場都被各行業的前幾名佔據了。因此中小型製造業惟有形成共同戰線方能求取生存與發展。
戰略上，台灣的中小型製造業在過往是利用自然形成產業聚落的方式來取得廠商與廠商之間的快速配合（Lai et al., 2014）。而現在隨著資訊科技（IT）的發展，距離的藩籬被科技打破了它的限制，原先舉目望去不知所在的廠商開始一個個加入了供應鏈。隨著時間的推進，以形成獨具特色與競爭優勢的供應鏈為目標的聯盟，開始利用打群架的概念嘗試從各巨頭嘴下搶食。
然而在各自資源有限的情形下，除了產業技術能力外，在特色供應鏈形成前必須面對數位化不足、人才不足的窘境外，還須針對目標市場與上下游進行協同合作，能力上亦須塑造彈性應變能力，才能形成具備足夠競爭力的共同戰線。
本文描述了利用IT為工具進行供應鏈數位串流（Gunasekaran and Ngai, 2004）時，彙整許多個案經歷過的歷程，在能夠利用平台進行資訊、實體及金流的整合與互通之後，可以在信任的前提下建立策略聯盟。在這樣一個過程中，我們可以從投入供應鏈數位串流的實際案例中看出業者對塑造特色供應鏈的期望與成效，我國政府也在推動智慧製造上不遺餘力，有些政府資源能夠協助產業，亦期望透過本文能夠讓業者參考。
IT供應鏈數位串流的下資訊共享與信任
面對激烈競爭，廠商要利用IT進行供應鏈的串連，藉由資訊的流通與數據分析，進一步提
升競爭力。透過供應鏈數位串流，可以解決生產時的問題，帶來廠商需要的效益，例如交
期準確、品質提升、庫存降低、彈性生產…等。廠商導入的過程大多將經歷以下三階段：
設備數位化、人才知識化以及資訊平台化，就像是成長過程，先讓產線機台會說話、說的
話有人能夠理解以及理解之後能與其他夥伴溝通。在的過程中，企業大多逐步踏實的經歷
過下述階段：
1.設備數位化
中小型製造業在基礎上，大多未達可直接導入供應鏈數位串流的階段。在起始的時期，製
造業者們必須先讓產線機台能夠提供量化的數據資訊，讓數據會說話。於產線機台的數位
化過程中，會建議強調數據蒐集之軟硬體一致化，以利塑造隨時間發展自發形成溝通標
準，例如廠商可與政府的智慧機上盒（SMB）計畫連結，透過IT技術，讓機台不分新舊都
能夠提供數位化資訊。
2.人才知識化
在調查許多的中小型製造業中顯示，經常在人才缺乏或人才及設備匹配上遭遇困難。為達
內隱知識外顯化、外顯知識數位化之能力，廠商在設備數位化後必須在高階主管的支持
下，引入專業的知識輔導以及訓練，培養廠商內人員的數位知識能力，才能讓數位資訊具
實質意義，也確保未來具足夠能力發展供應鏈數位串流。
3.資訊平台化
建立供應鏈數位串流除了讓機台對機台、機台對人、人對機台能溝通之外，也需要讓廠商
與廠商之間能夠溝通。具體而言，可以透過資訊平台化建立共通的交流標準，使供應鏈成
員之間能夠像在廠商之內一般，於資訊、物質與金錢上進行數位串流。
以個人經驗而言，對於致力於此階段的廠商建議可於平台化之前重點評估資訊與系統介接
可行性及資訊複製能力，使異質系統能夠相互連結、領域知識能夠落實現場，還能進一步
避免重複建置之浪費。
本階段的目標是讓供應鏈不再是各自獨立，而是網絡一般的連結。要做到這點並非一件容易的事，所需投入的人力、物力均相當可觀，然而廠商卻能夠透過參與政府相關計畫，例如工業局的智慧機械-產業聚落供應鏈數位串流暨AI應用計畫，一方面第一時間感受整體產業與政策的發展趨勢，一方面降低資源壓力與風險等級，讓政府協助產業升級轉型。
然而在建置供應鏈數位串流，尤其是建立對外平台上，必然得面對資訊共享的議題。在過去訪問廠商的過程中，可以發現國內傳統業者大多傾向各自掃門前雪，在保有秘密為競爭利基的觀念中，避免讓自己廠商的內部資訊讓外人知道。接觸過的案例中，除了因為下游大廠（顧客）的訂單壓力而不得不接受要求將資訊透明化之外，通常並不認為交易以外的資訊應該被透露，更遑論相互取信的營運資料與形成共同戰線的策略資訊了。
資訊共享的最先考量就是信任，信任就是讓合作能夠長遠的基石，也是策略聯盟形成的基礎。在產業中雖然很多廠商有對於上下游廠商的能力評鑑機制，但是信任不只是理性的判斷，有時更需經過時間與情感上的共鳴：依據共同目標而產生的共同戰線（Swift and Hwang, 2013）。若是想要強化或是評鑑信任關係，以學理來說有這些方式能考量：
1.過程：透過企業間合作經驗持續影響，長期持續可靠的合作關係能強化相互的信任。
2.特徵：各企業的背景與文化越相近，思考邏輯與應變配合的一致性越高，信任越強。
3.規範：透過共同利益或關係人的居中協調，以及契約的規範來約束與強化信任。
4.科技：藉由科技的進步，第三方認證、產品履歷的導入也能夠強化信任關係。
資訊透通隨著時代演進越來越容易，但是信任卻很困難，然而資訊透通卻建立在信任的基礎之上。透過以IT為工具，建構更具競爭力的供應鏈可以將平台作為媒介，一步步建立在產業環境之中的策略聯盟。
供應鏈數位串流的期望與成效
經由蒐集並分析了近3年在供應鏈數位串流投入總資金超過千萬元且實際執行的12家廠商資料，並彙整集結的這些先行者們的問題與預期效益。在每一間廠商的執行過程中，都經歷了從想法盤點與規劃、實際分析與建置到效益驗證與決策的過程。部分廠商也許尚未完全完成，然而卻沒有任何停止或中斷計畫的傾向，可見供應鏈數位串流必然都給廠商帶來助益。
在廠商與廠商之間，9家面對了與上下游交換資訊不即時的問題。問題除了以人力進行物流的追蹤，耗時且經常達交率不佳與成本高昂外，對上游經常出現物料與製造排程之間無法配合，而下游則訂單變化不穩且對不良品追溯不佳的狀況。解決方案中，6家採用了建立平台的方式，將廠商間資訊的顯示與操作進行了即時化，而3家採用了利用系統蒐集數據，對庫存、生產或加工進度、發布訊息等數位化的方式，試圖解決問題。這9家對於上下游之間的供需預測，都有更進一步發展的機會。
而在廠商之內，則以對於排程的精進與品質的把關為主要目標。於面對的問題上，除了需要應對上下游的供應鏈成員的狀態調整廠商產線與製程，也需要為了建立長期信任與合作的關係穩定產品品質。解決方案中，有6家以建立即時產線機台可視化或管理系統的方式，5家對產品良率導入了從即時回報到人工智慧（AI）判斷等程度不等的作法，其中更有1家兩邊齊頭並進。更令人驚訝的是，這12家之中已有3家將廠商製程資訊對其供應鏈進行大量揭露。
在這12家廠商的目標之中，半數以上希望在廠商與廠商關係上，能藉由縮短交期、提高達交率來縮短彼此之間的距離，其中更有數家希望減少雙方的庫存備料而達到一體化。而在廠商之內對供應鏈的影響上，均希望藉由快速反應需求或產品品質可信的方式取得合作夥伴的信任，建立長期的合作關係。
建置前必須目標明確
在上述的資料當中，我們可以看出大部分廠商在供應鏈數位串流願意藉由系統或平台的方式進行資訊共享，其中更有25%的廠商願意將共享的資訊從單純的交易層面向內延伸至營運層面。然而遺憾的是，目前仍沒有見到策略層面的供應鏈串聯，也許這還需要一點時間發酵，畢竟這一股潮流才剛開始（Daneshvar Kakhki and Gargeya, 2019）。
對於供應鏈數位串流的過程、基礎與趨勢有了初步認識之後，接下來也許從截至目前為止的所見所聞中，可以對業者該如何著手開始建立特色供應鏈一些建議。
首先，在這個議題之上，業者當然能夠自行開始辦理，然而從過去經驗數據中可以看出，在缺乏專家或顧問協助的情形下，執行上經常無所適從或者起步錯誤。但若業者能夠讓有經驗、有能力的專家帶領，相信會事半功倍。
其次，在以供應鏈策略聯盟為目標的過程中，大致會以過去－現在－未來的順序先進行盤點與規劃，大致簡述如下：
． 現況盤點：了解目前所處供應鏈的現況，包含產業狀況與各家廠商的數位化程度。
． 問題面對：找出主要面臨的問題與供應鏈成員彼此之間的共同利益基礎，例如面對庫存過
多、達交不佳、良率過低等問題。
． 成因解析：問題面對中的問題經常只是表象，因此需要更進一步釐清實際的痛點與成因，
才會是真正要解決的重點，例如庫存過多經過問題拆解、排序與分析後，可能真正的原因
是銷售預測不準確、製程數據不準確等。
． 預期效益：估算對於供應鏈成員之投入以及可帶來的效益與成效，預期能夠共享的利益。
舉例來看，某中部鋁製家具製造業者，為了其出貨的品質控管困擾多年，為了交貨延期傷透腦筋，已經嘗試多種解決方法，例如全面品檢、協力廠派駐人力…等，最後應用了供應鏈數位串流，透過建置智慧供應鏈整合平台系統，了結廠商多年困擾。
業者讓供應鏈合作供應商於平台系統輸入出貨與產品資訊，配合物聯網系統蒐集供應鏈關鍵製程與品檢參數之大數據，解決追溯異常品問題，累積資料利用AI建置異常預警模型，減少異常，提升效率，並利用實際透通的數據準確評斷供應商能力，信任值得信任的夥伴，讓合作更緊密，也即時監控生產進度、庫存，所有狀況在可視化的戰情室一目了然。
藉此將供應商不良率從1.76%降低至0.5%，也讓交貨延期處理時間，由2個工作天縮短為即時處理，讓客戶更滿意，也提升生產效率18%。透過利益共享，讓整體供應鏈更具競爭力。可見其顯著成效，著實期望能夠讓我國業者皆能夠儘速著手，建立獨特競爭力。
最後，建議有意進行供應鏈數位串流的業者，在實際執行執行的過程中，一定要包含規劃試行與整體導入，階段性地進行概念驗證（Proof of concept），以及實際建置後的服務驗證（Proof of service），增加投入的穩健，也讓參與企業更有信心。也需要定期重新檢視與上下游之間的合作模式，在全球化的時代之中，才能夠讓我國業者一同握緊手中的鏈結，共同面對盤據在眼前的巨獸。
【參考資料】
． Daneshvar Kakhki, M., and Gargeya, V.B. (2019). Information systems for supply chain management: a systematic literature analysis. International Journal of Production Research 57, 5318-5339.
． Gunasekaran, A., and Ngai, E.W. (2004). Information systems in supply chain integration and management. European journal of operational research 159, 269-295.
． Lai, Y.-L., Hsu, M.-S., Lin, F.-J., Chen, Y.-M., and Lin, Y.-H. (2014). The effects of industry cluster knowledge management on innovation performance. Journal of Business Research 67, 734-739.
． Swift, P.E., and Hwang, A. (2013). The impact of affective and cognitive trust on knowledge sharing and organizational learning. The Learning Organization.
人工智慧發展與培訓應用趨勢
葉泳賢
人工智慧的發展演進
人工智慧（artificial intelligence，AI），自從電腦發明以來，已經出現了至少三波的發展高潮，而最近一次是由2011年至今，透過GPU（圖形處理器）的快速發展，推動了機器學習及深度學習的發展，使得AI再次成為熱門領域。
雖然AI技術不斷突破，但演算法的門檻卻成為了AI普及化的巨大障礙，精通程式語言及演算法，一度成為企業招募AI專家的必備技能。除了技術門檻，AI技術的應用，初期只在機械視覺（圖像辨識）及自然語言處理等領域有所發展，但演算法需要高預算及長週期，有能力導入的企業不多，因此也造成前幾年AI熱度稍減。
直到ChatGPT橫空出世，這一款由OpenAI開發，並於2022年11月推出的人工智慧聊天機器人程式，一推出便引起轟動，上線5天後便有超過100萬使用者，上線兩個月後便有上億使用者，被視為這一波AI發展的殺手級應用，有希望成為AI真正普及化的關鍵。
ChatBot是什麼?
聊天機器人（ChatBot）的歷史悠久，與人工智慧相當，在2010年代同樣再度興起，被廣泛運用在網頁客服及通訊軟體客服等，聊天機器人基本上是由一個資料庫所構成，當對談者提出問題後，經過自然語言處理技術，拆解並自動判斷問題的內容，由資料庫提取出相對應的回答。
但ChatBot雖然被廣泛應用，卻有許多缺點，在上架之前，需要針對大量的資料進行整理，先建構好關鍵字及對應的問答，得要花費許多時間，上架之後，若提問者的問題無法被正確判讀，或是提問內容超過資料庫範圍，便只能給出罐頭回應（通常是無法解決問題，請轉真人客服之類…）。
具體來說，此階段的ChatBot，只能算是一個較有彈性的資料庫搜索程式，但受限於要先擬定大量的判斷邏輯，而且也無法將資料庫中的資料整理重組後給出回應。
ChatGPT與過往AI的差別
ChatGPT的突破，第一在於它是生成式人工智慧，簡單來說，它會講自己的話，用自己的方式來表達，針對同樣的問題，它每次給出的答案可能都不一樣，能夠重組許多不同來源的資料，有邏輯地給出答案。舉例來說，針對同一個辯論題目，不管是扮演正方或反方，ChatGPT都能夠提出不同的論述，且都基於客觀資料。
第二，先前人工智慧的發展，通常聚焦在單一的工作任務，訓練成為專用型的人工智慧，而能夠進行多種任務的通用型人工智慧，雖然概念上有被提出，但過往會被認為很難達成，因為需要更加海量的計算資源，也擔心因為任務分散，導致演算的準確率下降。
但ChatGPT已經表現出通用型人工智慧的雛型，這有賴於GPU硬體快速升級，演算法技術發展迅速，讓計算資源的成本開始下降，其一開始使用的GPT-3模型，神經網路包含1750億個參數，讓ChatGPT有能力回答出大多數的問題，並發展出流暢對答、文字生成（文章、劇本、信件、計畫書…）、程式撰寫、文本整理等多工能力。
而ChatGPT的發展，另外一個引人注目的地方，在於其快速推出且成功的商業化，包含付費帳號（1.使用更先進的GPT4.0模型，可以回應更完整快速。2.支援圖像辨識。3.支援即時網路查詢。4.開放外掛程式。）、企業帳號，以及投資方微軟的Azure OpenAI及Copilot等付費服務。
這背後代表的意義，便是AI已經從先進研究領域的議題，轉變成商業化的產品，且能夠適用多種產業，所以各種產業必須加快腳步，了解AI可能造成的衝擊，以及可能的運用方式。
此外，除了ChatGPT，OPEN AI同步也推出了DALL·E2，用以生成式繪圖，同時期也有Midjourney、Stable Diffusion等同類型服務，AI繪圖在短時間內成為了大部分民眾可以使用的工具，就連知名繪圖軟體adobe illustrator等相關產品，也都導入了AI繪圖的功能。
在AI文字及圖片生成以外，在2023年短短一年內，AI的程式、音樂、影像生成功能快速發展，甚至更進一步，用語音生成文字（如微軟teams的即時會議逐字稿生成）、圖片生成圖片（如圖像延伸、圖像置換、快速去背等）、文本生成影片等，一夕間AI似乎充斥了整個社會，成為電腦化、網路化的下一個世代趨勢，AI化。
從前述來看，這一波的AI發展，應當不是曇花一現的社會現象，而是如同電腦、網路、智慧型手機等改變社會及產業型態的重量級產品，因此，從企業的角度來看，如何更快速認知AI的價值，並導入現有工作體系內，便成為了當務之急。
AI的培訓運用
AI在企業的應用可以說是適用各種面向，下列便以企業培訓為例，介紹可能運用到的地方（AI發展快速，每天可能都有更多的新功能開發出來，以下功能為2023年底所觀察總結）。
1.培訓計畫擬定
可以提供企業的規模、產業別、產品、年度發展方向、預定培訓對象等資訊，由ChatGPT規劃培訓計畫，資訊給得越完整，培訓內容更能對焦，可以先進行職能分析，再推展培訓計畫（可以在對話開始，先請ChatGPT扮演專業的職能與培訓專家）。
經由多輪的對話，逐一展開細節，提供預算、時間、過去曾辦理過的培訓等資訊，完善課程大綱及時間規劃。
2.培訓教材撰寫
依照前述課程大綱，由ChatGPT展開教材簡報的逐頁大綱（建議先指定頁數），再依照逐頁大綱，依序展開每一頁的文字。
簡報常常需要使用到圖片素材，若對於AI提詞（prompts，精準繪製出想要圖片的指令）不熟悉，針對不用太過講求細節的素材，建議使用OPEN AI的DALL·E2，可以用較簡單的文字產出類似的圖片，若是需要非常精準（例如特定機械或工具之類），建議使用能輸入較複雜AI提詞指令的網站。
3.課程作業批改
建議使用ChatGPT的付費帳號（ChatGPT Plus），可以將學員的作業以拍照掃描或是電子檔形式上傳，讓ChatGPT批改作業。需要注意的是，有固定答案的作業，現階段的準確率較高，若有數學計算式或是申論內容，批改的準確度可能下降。
4.課堂即時諮詢
同樣建議使用ChatGPT Plus，其中OPEN AI在2023年11月推出了GPTs的服務，允許付費用戶上傳自己的資料，根據需求和想法，建立專屬的機器人，應用此服務，可以上傳所有課程相關資訊及教材，訓練出一個虛擬助教，最後會產出一個連結，只要提供給學員就可以即時解答相關問題（截至2023年底，要使用別人建好的GPTs，本身也要是付費用戶）。
5.數位培訓建置
若企業有需要將實體培訓錄製成影片或錄製線上培訓，可以運用微軟teams視訊軟體進行錄製，除了即時產生字幕以外，還能運用錄製後自動產生會議紀錄的功能，來產生影片字幕，前述功能也是ChatGPT的AI技術支援。
而前述影片若需要進一步剪輯，市面上也有FlexClip、Canva、剪映等多種導入AI剪輯的平台或軟體，其中也不乏免費就能使用的服務。
整體來說，AI工具在培訓領域的協助，大致上可以分為幾個方向，第一是各種文本的生成，包含了培訓過程中所需要的各種計畫書、表單、教材、報告等，第二是各種圖片、影片的生成，包含了教材會用到的各種素材及教學影片本身等，第三是智慧問答功能，包含了培訓行政事務及課程專業領域等。
此外，依照目前的觀察，上述功能還比較偏向被動式的服務，需要由人員主動下指令，然後生成各種所需要的內容，但目前AI工具其實也有主動管理的發展方向，期望能依照所設定好的專案期程、目標等，主動定期追蹤進度，依照設定提供各種表格，確定KPI達成率等。
轉換到培訓領域，其實可以期待為在課程期間能夠管理學員的虛擬助教，例如課程一開始就自動辦理報到（實體可能是自動抓取學員名單，印製出簽到表；線上則是發佈報到QRcode，或是人臉辨識自動報到）。
課程中間依照進度佈置作業，核對是否都有繳交，然後批改有固定答案的作業，課程最後依照事先擬定的標準，給予每個學員評價，同時製作及發放課程證書。
甚至更進一步，課程結束後協助企業評估是否達到預期效果，結合工作績效表現，對於課程本身給予評價，並調整後續培訓規劃。
當然，目前AI工具的發展，還未成熟到這一階段，但依照2023年爆發的速度，或許這一兩年內就能達到前述的效果，這也不是不可能。
培訓人員最大的價值，是在於協助企業員工提升職能，進一步推動企業獲利成長，若是AI工具能夠包辦培訓的分析、設計、發展、實施、評鑑，那培訓人員的價值又剩下什麼呢？ （難道是幫學員訂便當嗎? 但AI自動訂餐的服務應該也不遠了…）
針對AI取代人力的擔憂，已經出現在各項產業及職位，也有許多專家進行分析討論，最大的共識是人類的創意思考及人際互動能力，是最不容易被取代的部分。
若依照這個結論延伸到培訓上面，那培訓人員可以著重發展的方向，可能朝向規劃提升學員學習動力的創意活動，以及依照學員個人特質及需求，調整每次課程內容，並給予工作應用的建議，這些都是AI較不容易取代的地方，當然也不只這些服務，一定也還有其他人類較有優勢的地方可以著手。
AI運用的提醒
除了使用AI的好處，還有兩點使用的提醒如下。
1.AI技術突破飛速，每個月都有新的服務、新的應用推出，上述所提到的工具，只能作為概念的參考，真正有需要用到的時候，必須查詢最新的可用工具，選擇最適合的來使用。
（用AI來推薦工具，也是個不錯的選擇）
2.需要特別注意的一點，AI給出的回覆，並不一定是真實的，可能是原始的訓練資料有錯誤（如果是使用自己的資料庫所訓練出來，可以盡量避免這一點），也可能是AI自行產生的錯誤回覆，這些答案可能表面上看起來很合理，但卻並非基於真實資訊，使用上必須注意查證。
另外，2023年底也有研究指出，ChatGPT的回答正確率正在下降，這也可能跟AI不斷與大量使用者互動有關係。
最後總結，如同電腦、智慧型手機等新事物出現，會有勇於嘗試的人，也會有抗拒改變的人，這無關對錯，只是每個人的接受度不一而已，真正需要關注的，是新事物對於人類社會、工作型態是否產生影響，就像現在大部分的企業的員工，大多會操作電腦，也都有智慧型手機上的工作社群，這都是無可避免的事情。
面對AI工具也是如此，若它真的有全面普及的潛力，企業採用也是必然發生的事情，與其抗拒改變的發生，不如盡早擁抱新科技，成為職場AI化的領先者！