當通用能力歸零
製造業老闆的一次 AI 資產盤點2026.09.08 · 閱讀約 10 分鐘
有位客戶的老師傅明年要退休。
他在那條產線待了二十六年。同一批料，濕度高的日子他會把烘乾時間多抓十五秒； 刀具還沒到更換週期，他聽聲音就知道該換了；哪一家客戶的貨櫃一定要多墊一層， 因為十年前出過一次事——這些都不在任何 SOP 裡。廠長找了兩個年輕人跟他半年， 學到的是「怎麼做」，學不到的是「為什麼那天要多十五秒」。
在過去，這是一個人力問題：再找人、再培訓、再撐幾年。 但在 AI 開始能讀懂非結構化資料的今天，這變成了一個資產問題—— 因為那些沒被寫下來的東西，正在從「難以傳承的麻煩」，變成一家公司少數還會增值的資產。
這篇文章不談奇點的科幻場景。我們想做的是一件更務實的事： 幫中小企業老闆盤一次點，看看手上哪些東西正在快速貶值、哪些正在快速變貴， 然後談怎麼把資產從貶值那一欄搬到增值那一欄。
一、一張你大概沒做過的盤點表
公司的財報上不會有這張表。它盤的不是機器設備和應收帳款， 而是「你賴以賺錢的能力」，在未來三到五年會往哪個方向走。
盤完會發現一件有意思的事：大部分台灣中小企業的核心資產，其實都落在右邊那一欄。 我們的優勢從來不是規模，是那些說不清楚、抄不走、要花二十年才長得出來的東西。
問題在於，右邊那一欄的東西目前全都不是「資產」，而是「人」。 它跟著老師傅走，跟著業務的手機通訊錄走，跟著那疊沒人整理的維修單走。 人一離開，資產就歸零——這才是最該讓老闆睡不著的地方。
二、時間的算術：為什麼偏偏是現在
「這件事我知道，但不急吧？」——這是我們最常聽到的一句話。
做個類比：你不會用五年前的鋼價去報今天的價。 原物料漲跌是老闆每天在盯的事，沒有人會拿過期的成本結構去算利潤。 但同一批老闆在評估「AI 值不值得導入」時，用的往往是三年前聽來的印象—— 那時候確實要一整個團隊、要幾百萬、要等半年才看得到東西。
這正是雷．庫茲韋爾（Ray Kurzweil）在《奇點已近》（The Singularity Is Nearer，2024）裡講的 「加速回報定律」（Law of Accelerating Returns）： 資訊科技的進步不是等速的，是指數的。而人腦的直覺是線性的——我們習慣把明年想像成今年再好一點。 這個落差會讓人在拐點來臨前一直覺得「還早」，然後在極短的時間內發現「來不及」。
書裡還給了兩個時間座標。它們常被當成預言來爭論準不準，但對經營者來說， 真正的用處是把一件抽象的事變成一張排程表：
通用人工智慧達到與人類無異的水準。
對你的意義：這剛好是一家中小企業從評估、導入到真正用熟一套系統的時間長度。也就是說，你現在起步，才剛好趕上。
技術奇點，計算成本趨近於零。
對你的意義：這一格不需要你規劃，它超出任何營運計畫的範圍。但它標示了方向——貶值那一欄只會跌得更快。
書中還有一個延伸的觀察值得借用：庫茲韋爾花了大篇幅談生物科技， 重點是當生物學被轉譯成可讀寫的資訊，整個領域就從經驗科學跳上了指數曲線。 這個轉換本身，才是對製造業最有啟發的部分—— 任何領域一旦把核心知識變成資料，就會被拉上那條曲線。 反過來說，只要你的 know-how 還鎖在人腦和紙箱裡，它就永遠只能線性成長， 而且會隨著人的離職而歸零。
三、把資產搬過去：四個動作
以下四件事，我們刻意按實際執行的難度由低到高排列， 而不是按重要性。因為中小企業導入失敗最常見的原因，不是選錯方向，是第一步跨太大。
挑一個會痛、但不需要判斷的流程
不要從最重要的流程開始，從最煩的開始。報價單謄打、料號比對、驗收單歸檔、 重複性客訴的初步回覆、把 LINE 群組裡的訂單整理成表——這些工作有兩個共同點： 很花時間，而且錯了不會出大事。
這一步的目的不是省錢，是讓團隊長出手感。 沒有人用過，後面的都推不動。成本結構也早就變了：過去導一套系統是數百萬的資本支出， 現在多半是按月計費的變動成本，試錯的代價低到不該再猶豫。
把說不出口的經驗，變成查得到的資料
這是整份盤點表裡最有價值、也最花工夫的一格。做法上比多數人想的簡單： 不需要老師傅寫成一本手冊，而是把散落的東西集中起來——歷年維修日誌、 不良品的照片與處理紀錄、報價時的特殊條件、客戶那些奇怪但有原因的要求。 訪談老師傅時也不要問「你怎麼做」，要問「什麼情況下你會改變做法」， 那才是真正的知識。
技術上，這叫做私有領域知識（Domain Knowledge）的資產化， 通常會用 RAG 架構，讓 AI 只在你的資料範圍內回答，不要自由發揮。 做完之後你會得到一件大企業買不到的東西：通用模型加上獨門資料。 模型誰都能取得，你的二十六年不行。
決定這些資料要放在誰的機房
上一步做完，你等於把公司最值錢的東西集中成了一份檔案。 接下來這個決定，決定了它到底是護城河還是漏斗：製程參數、客戶名單、 報價邏輯一旦上了公有雲，你剛剛才資產化的東西，就同時成了別人資料庫裡的一列。
這是我們主張地端部署的理由， 跟技術偏好無關，是資產配置的常識——你不會把保險箱寄放在別人家。 硬體上用經過嚴格壓力測試與優化的高效能運算節點，在可控的預算內把算力放進自己的機房； 架構上整套運算都在本地完成，對外網路斷線也照常運作。
規模不夠，就找人一起湊
有些需求單一家公司養不起，但整條供應鏈都在痛。瑕疵檢測、自動計數盤點、 設備稼動率預測——這類模型的開發成本對一家中小企業偏高， 但如果同一個聚落、同一個公會裡有五家在做同樣的事，攤下來就完全在可接受範圍。
這類「每一家都覺得很小、加起來卻很值錢」的題目我們做過不少： 鋼筋自動計數、 工地安全帽偵測、 監視器點檢。 它們的共同點是：通用 AI 不會替你解決，但解決了就直接省下一整個班的人力。
這四個動作走完，組織會自己長出變化。我們看過最實際的一種， 是一個懂業務的老手配上三套用得順手的工具，產出超過過去五個人的團隊—— 而且品質更穩，因為他知道哪些答案是錯的。 「不必擴編就能擴張」在指數時代不是退而求其次，是最抗風險的形態。
四、以及，什麼時候不該做
多數談 AI 的文章不會寫這一段。但我們接案的經驗是—— 導入失敗的專案，八成在啟動之前就註定了。 以下四種情況，我們會建議客戶先別急：
會把這四點寫出來，是因為我們認為誠實地說「現在不要做」，比賣掉一個註定失敗的案子更有價值。
回到那位老師傅
他明年還是會退休，這件事沒有辦法改變。能改變的是——他走的時候， 那二十六年是跟著他一起走，還是留在公司的系統裡， 讓下一個年輕人問「這批料濕度偏高，時間要怎麼抓」的時候，有個地方查得到答案。
庫茲韋爾說指數的浪潮不分企業大小，給每個人相同的加速動能。 但動能要接在東西上才有用。對台灣的中小企業來說， 那個東西不是最新的模型，是你們花了二三十年才長出來、而且全世界只有你有的那一份。
文中引述之「加速回報定律」與 2029／2045 時間座標，出自 Ray Kurzweil《The Singularity Is Nearer》（2024，繁體中文版《奇點已近》）， 該書觀點屬原作者所有；資產盤點的框架、四個執行動作與不該導入的判準，為太乙數位的實務立場。
先從一次免費的可行性評估開始
告訴我們你最想解決的那一個流程。我們會誠實回答做不做得到、大概多少預算， 以及如果現在還不該做，為什麼不該做。