憑藉標準化的AI，有效突破製造業數位轉型瓶頸

近年來，各行各業急欲透過AI推動數位轉型，製造業也不例外，而企業轉型目標相當明確，無非就是「提質、增效、降本、減存」；但據專家觀察，製造業導入AI的成功率並不高，甚至不如其餘產業。

訊能集思(Synergies)CEO張宗堯分析，之所以出現上述現象，在於製造業推動數位轉型的隱形成本偏高，因為一個製造業，其實不等於一個產業，而是蘊含成千上百種異質工作流程，所以A場域的成果，很難複製到B場域，不論對於供應商、客戶皆是壓力；所以不時可見供應商做案子做到虧錢、客戶依舊嫌貴，缺乏贏家的局，很難發展起來。

張宗堯認為，唯有AI標準化，才能幫助製造業突破數位轉型瓶頸。而論及Synergies核心技術，即是打造「標準化的AI平台」，從用戶的角度出發，加強人機協作的效率，讓AI猶如企業的GPS導航系統一般，大幅加快數據分析，幫助用戶從紛雜的資訊理出規則，高效制定出最佳化商業決策。

Synergies 的「JarviX」就是一套由AI分析系統SyGPS驅動，能支援中文的自然語言智慧企業決策系統，標榜流程化、標準化、自動化，非常適合幫助製造業加速開發 AI 演算法、推動數據分析。

張宗堯說，每個AI演算法或數據分析專案，都會歷經數據管理、分析平台、BI可視化等三大流程；其間的每一段，皆有市場聞名的工具產品，例如數據管理方面的 SQL Server，分析平台方面的SAS或Splunk，BI可視化方面的Tableau或PowerBI等等，把它們全部買齊，需要花費數億資金，一般製造業者並不傾向做這般龐大支出。

由系統自動生成算法，取代過往人力開發

有一個真實案例，某大型製造企業欲透過AI分析PCB針腳失效議題，幾經盤算無意花大錢引進前述工具，決定延攬幾個博士級資料科學家組成六人團隊，自己動手建分析流程，結果歷時3個月才產出算法模型，讓公司理解爾後遇到什麼樣的溫度參數，即可研判該針腳還可使用多少次。

但這樣的方式近乎「硬幹」，不僅在行經數據管理、分析、資料可視化等每段環節時，都需耗費可觀溝通成本，且最終僅能產生一次性成果，下回若有其他瓶頸待解，無法沿用相同模式，還需重複耗時3~5個月，不算是聰明做法。這家企業後來嘗試使用JarviX，結果幾天內就做完原本花3個月的相同專案。

究其主因，在於JarviX利用增強智慧的技術，降低分析門檻，把分析流程標準化，去中間化，取代原先人力開發，自動執行大數據分析、自動產生算法；企業僅需動員 1、2位懂得操作JarviX工具的該領域專家，不需仰賴任何算法工程師，便可讓產業專家用自然語言直接與數據對談，分析瓶頸根因，以最快速度獲得洞察。

Gartner曾做過類似預言，指出2020年隨著能讓一般人理解的「增強型分析智慧」技術出現，可望使資料科學、深度學習乃至嵌入式分析趨於普及；屆時50%的分析查詢皆藉由自然語言或語音等方式進行，而企業內也將出現愈來愈多沒有資料科學背景、卻懂得利用工具執行資料分析的公民資料科學家。

張宗堯形容，JarviX如「AI化的AI」，有了它，Synergies不必像過去一樣、自己從頭到尾做完AI客製化專案，可讓通路夥伴有更多參與，根據JarviX自動產生的算法模型，進一步轉化為系統，幫助最終用戶解決原物料分析、品質分析…等等一道道題目，協助製造業成功突破數位轉型瓶頸，促進產業創新與產業升級。