（台泰時報曼谷電）由《Tai–Thai Times 台泰時報》主辦的首場 Times to Change 科技論壇，聚焦人工智慧（AI）如何真正走出概念驗證，轉化為可衡量、可擴散的企業競爭力。長期深耕企業系統整合（SI）、服務超過三百家企業導入 AI 應用的實務專家楊建洲 (James Yang），在與論壇主持人、駐泰代表處董思齊公使的對談中，從企業導入 AI 的時機判斷談起，進一步指出資料準備、流程整合與供應鏈系統化，才是決定 AI 能否創造實質價值的關鍵。

楊建洲指出，AI 已成為當代企業最常被提及的關鍵字，但根據 MIT 與麥肯錫（McKinsey）近期研究，實際能夠回收投資、產生明確效益的企業比例僅約 5% 至 6%。問題不在於企業「沒有導入 AI」，而在於多數企業停留在零散的 Proof of Concept（POC）階段，未真正回到痛點、資料與系統層次重新設計流程。在 AI 時代，競爭的本質已從單一企業的效率，轉向「供應鏈對供應鏈」的系統競速，誰能更快整合資料、轉換決策並即時回應市場，才是生存關鍵。

董思齊公使和楊建洲的短講訪談全文如下：

董思齊：想先請教您，在目前深層式 AI 的浪潮下，企業該如何判斷投入 AI 的時機與深度？又有哪些指標，可以幫助企業做出比較正確的決策？

楊建洲：我想先從一個大家都很熟悉的現象談起。AI 已經是近代經濟最熱門的 buzzword，每天大家都會聽到無數次 AI，很多人也已經在用 ChatGPT 來提升工作效率，甚至在《台泰時報》上，你一天也會看到好幾次 AI 相關的內容。可以說，AI 已經無所不在。

但我們比較想跟大家分享的是，在過去協助三百多家客戶導入 AI 的經驗中，什麼時候該導入、要投入多深、又該投入多少資源，這些其實都有一些可以參考的判斷邏輯。

今年十月，MIT 與麥肯錫都分別發表研究報告，結果其實相當值得警惕：企業投入大量資金導入 AI，真正能夠看到回收、不論是營收增加或成本降低的比例，大約只有 5% 到 6%。換句話說，多數企業「做了 AI」，卻沒有 ROI。

原因在哪裡？我們看到的是，很多企業同時在做各式各樣的 POC，也就是概念驗證。但 POC 本身並不等於價值創造。

從我們三百多家客戶的經驗來看，有幾個關鍵心得。

第一個，是要回到「痛點」。企業在評估 AI 導入時，必須先盤點流程：哪些事情花了最多時間，卻沒有對應的產出？哪些工作投入了大量人力，卻沒有被真正整合進流程？

很多人對痛點其實有誤解。我舉個例子，如果你覺得客服花了很多時間，效果卻不好，直覺反應可能是「那我導入一個聊天機器人」。但真正的根因，可能是你的使用說明書根本寫得不清楚。這時候導入 AI，只是讓 AI 更快地回答錯誤的答案而已。所以關鍵不是「用不用 AI」，而是先找到真正的根因。

第二個重點，是資料是否已經準備好。在 AI 的世界裡，沒有白吃的午餐，Garbage in, garbage out。剛才鍾董事長也提到，他們公司長期累積大數據，這其實是非常重要的基礎。

企業在做 AI 之前，一定要先問自己：資料整理好了嗎？我舉個很常見的例子，很多公司把 PowerPoint 丟給 AI，裡面有 V1、V2、V3、Final、Final 的 Final，內容彼此矛盾，結果 AI 回答錯了，就說 AI 有幻覺。但問題其實出在資料本身沒有被整理。

第三個，是導入方式。很多企業一開始就做一個很大的 AI 專案，但我們的經驗是「小步快跑，Start small, think big」。你可以想得很遠，但一定要從最具體、最單純的點開始。

董思齊：那在 AI 大量被運用與協作的過程中，我們該如何重新定義速度、透明度與資料掌握？特別是在競爭節奏明顯加快的情況下，企業要怎麼面對這樣的挑戰？

楊建洲：我們觀察到，在 AI 時代，供應鏈正在發生本質性的改變。

過去的供應鏈，強調的是作業流程。例如訂單進來後，透過人去調整 MRP、備料，供應商之間靠人力溝通來緩衝，但人與人之間的溝通一定需要時間。

現在的轉變是，供應鏈不再只是人與人的協作，而是「系統與系統」之間的競賽。你的競爭對手，可能已經不只是一家公司，而是一個能夠更快處理資料、回應市場的系統。

如果用比喻來說，過去比的是肌肉，看誰生產成本低、產量高；未來比的是神經傳導速度，誰能更快把資料轉換成決策。

要做到這一點，有幾個關鍵。

第一，AI 是不休息的。透過 Agentic AI，也就是 AI 代理人，系統之間、供應鏈上下游之間的傳遞速度，可以從幾週縮短到幾天，甚至幾分鐘。但前提是系統要夠穩健，具備偵錯與即時回應機制。

第二，透明度會大幅提高。未來企業不只看得到內部，也能看得到供應商與客戶。我們在大聯大的案例中看到，他們整合了前段供應商與客戶資料，建立完整的 warehouse 系統，從最前端到最後端都能即時掌握庫存與調度，甚至在庫位中直接完成轉換，這些都是 AI 時代已經出現的管理模式。

第三，資料掌握會成為核心競爭力。誰能把資料準備好，讓 AI 快速運用，並與上下游即時連結，誰就掌握了未來。

董思齊：回到產業落地的問題，您觀察未來兩三年內，AI 最有機會快速落地的產業場景在哪裡？企業在技術與商業上又該注意哪些關鍵？

楊建洲：我們看到成功企業在導入 AI 時，有兩個很重要的共通點。

第一，不是做零散的 point-to-point POC。供應鏈的效率，取決於最慢的一環。真正有效的案例，幾乎都是整條供應鏈一起提升，甚至強的企業會反過來協助上下游一起提升效率。

第二，是資料準備。這件事情看似簡單，實際上非常花時間。機台資料怎麼收集、怎麼自動化，都需要投入。與其全面導入，不如先找到最關鍵的一個點，小步快跑。

以我們的經驗，最容易看到成效的三個領域是：供應鏈效率提升、知識與文件整合、以及前後端營運整合（包含智慧客服）。這三個場景的共同特點是資料集中、流程固定，而且一導入就能看到效果。

董思齊：最後，從台灣與東協、包括泰國的角度來看，您認為 AI 合作最自然的切入點在哪裡？台灣能提供什麼樣的價值？

楊建洲：台灣企業最大的優勢，是供應鏈的韌性。只要環境改變，能夠快速調整並恢復，這就是 resilience。這樣的經驗，對東協市場很有參考價值。

第二，是資料標準化。台灣電子業在這方面做得非常好，而資料若沒有標準化，AI 幾乎是無用的。

第三，是中小企業經驗。台灣有約 168 萬家中小企業，如何讓中小企業使用 AI，是台灣很重要的課題。這些經驗，其實非常適合帶到東協，特別是軟體成熟度仍在發展中的市場。

董思齊：謝謝 James 今天非常完整、也非常務實的分享。從一開始談企業導入 AI 的痛點與資料準備，到後段談供應鏈之間如何轉為「系統對系統」的競爭，其實讓我們看到一個很清楚的訊息：AI 真正帶來的挑戰，不只是技術升級，而是企業是否有能力重新整理自己的流程、資料與決策節奏