隨著生成式 AI（GenAI）熱潮進入白熱化，企業的關注點已從「AI 能做什麼」轉向「AI 如何真正產生商機」。然而，對於環境複雜的製造業而言，資料孤島、治理合規與算力配置效率，始終是橫亙在技術驗證（PoC）與規模化應用（Production）之間的鴻溝。為了打破僵局，戴爾科技集團（Dell Technologies）、勤業眾信（Deloitte）與大數據股份有限公司（BIG DATA）宣布攜手推出一站式 Agentic AI 落地架構，整合策略顧問、知識工程與基礎設施，試圖為臺灣製造業打造一條可複製的 AI 轉型路徑。
製造業推動 AI 應用已非新鮮事，但過去多侷限於單點式的瑕疵檢測或簡單的知識查詢。隨著 Agentic AI（代理型 AI）技術成熟，AI 的角色正從「問答助手」轉變為「自主執行者」。對製造業而言，這意味著 AI 必須深入 ERP（企業資源規劃）、MES（製造執行系統）與 PLM（產品生命週期管理）等核心系統，參與生產排程、供應鏈優化甚至營運決策
在當前全球缺工與經驗斷層的壓力下，Agentic AI 的自主規劃與推理能力，被視為保存老師傅「隱性知識」的關鍵工具。然而，要讓 AI 從「實驗室」走向「產線」，企業面臨的是技術以外的嚴峻挑戰。
直面落地三難：場景破碎、資料孤島與信任危機
儘管臺灣擁有深厚的製造基礎，但多數中小企業在導入 Agentic AI 時常陷入三大困境。首先是「價值場景模糊」，許多專案仍停留在行政庶務，難以對產線良率或營運績效產生實質貢獻；其次是「資料整合斷層」，生產現場的設備數據、技術文件與維修日誌格式分歧，導致 AI 缺乏準確的決策依據；最後則是「治理與信任」，當 AI 開始介入採購或排程等核心流程，如何確保其決策不脫軌，成為企業主最擔心的風險。
針對這些痛點，Dell Technologies、勤業眾信與 BIG DATA 提出的架構，強調「從策略到架構」的完整覆蓋。
戴爾科技集團技術副總經理李百飛指出，Agentic AI 的核心價值在於自主執行，但這需要穩定且具備高度擴充性的基礎架構支撐。Dell 透過「Dell AI Factory」策略，提供內建資安防護、從資料處理到加速運算與部署的一站式安全平台，目標是讓企業在降低風險的前提下，實現 AI 應用的快速疊代。
勤業眾信執行副總經理江榮倫則強調，技術部署只是第一步，製造業更需要的是「治理制度」。他表示，Agentic AI 將成為數位轉型的核心驅動力，但必須同步建立風險控管與跨部門協作流程。勤業眾信透過顧問專業，協助企業定義高價值場景，並建立可信任的 AI 營運模式（AIOps），確保 AI 的每一項建議都符合企業治理規範。
在技術實作層面，如何讓 AI 聽懂專業的「製造業語言」是關鍵。BIG DATA 創辦人暨董事長金志丞指出，目前 AI 專案最大的障礙在於缺乏能理解企業特有語境的資料基礎。BIG DATA長期投入企業知識庫、RAG，以及Agent平台技術等領域，可助企業打通資料孤島，讓AI能夠正確理解企業語境與專業知識，進一步具備跨系統協作與自主執行能力。
從可信任治理到資料整合 三方打造一站式AI落地架構
隨著製造業開始評估 AI Agent 在生產排程、設備維護、品質檢測與供應鏈管理等場景的應用潛力，企業對於 AI 自主決策能力的期待逐漸提升，也使 Agentic AI 成為近一年企業 AI 投資的重要方向，只是也面臨三項關鍵挑戰。首先是「缺乏明確且具商業價值的應用場景」，多數企業AI專案仍集中在行政流程或知識查詢等輔助性工作，難以直接對產線效率、品質管理或營運績效帶來顯著效益。
其次則是「資料孤島與系統整合困難」，從ERP、MES、PLM到各式設備資料、技術文件與維修紀錄等格式迥異，使AI難以取得完整且一致的決策依據。最後則是「企業對AI可信度與治理機制的疑慮」，當AI開始參與採購、生產排程或供應鏈管理等核心流程時，一旦出現錯誤判斷，可能造成實際營運損失，因此需建立可追溯、可監管的人機協作機制，才能確保Agentic AI落地的效益。
為此， Dell Technologies、勤業眾信、BIG DATA共同推出的一站式 Agentic AI 架構，訴求協助企業建構可信任AI架構，在守護資產、提升 IT 生態系統透明度等之餘，也能達到強化數位韌性、推動業務持續成長的目的。截至目前為止，第一階段已推出「生產管理」、「財務管理小助手」、「客戶售後服務」等Agent AI 小助手，搭配完整的客製化服務，能協助製造業加速將AI應用服務落地。
「勤業眾信在協助製造業找出高價值的商業場景外，也會同步導入可信任 AI 框架，當 Agent 執行涉及高額採購或重大產線變動時，系統會自動切換至人工核准節點。」江榮倫解釋：「由員工負責最後把關工作，加上系統會保留完整的稽核軌跡與操作日誌，在滿足合規與除錯需求外，也能減少企業對AI的疑慮。」
金志丞表示，Agent AI 能否真正落地，關鍵在於能否真正「聽得懂」製造業的語言。許多企業內部累積大量機台資料、技術文件與營運系統資訊，若無法有效理解與串接，AI便難以發揮價值。為此，BIG DATA推出KEYLM企業私有化部署服務，並結合自家專利的Agent Orchestrator（代理編排器），進一步優化傳統RAG（檢索增強生成）技術，讓AI不只是回答問題，更能成為具備執行能力的數位助手。
精準配置算力，在地端與邊緣守護資料主權
當AI開始深入供應鏈管理、生產優化與智慧決策等核心流程時，對運算效能、資料管理與系統整合能力的要求也大幅提高。因此，企業在規劃 AI 算力基礎架構時，不應該一味追求最高規格，而是依據實際應用需求進行「精準配置」，避免過度投資與資源浪費。Dell Technologies會根據客戶的應用場景，提供兼具效能與成本效益的最佳硬體組合，例如採用Dell PowerScale 高效能儲存系統，降低資料存取延遲，避免I/O成為整體AI推論與分析流程的效能瓶頸。
李百飛指出，考量到製造業涉及配方、製程參數等高度敏感的核心機密，企業更需兼顧資料主權與隱私安全。因此，Dell Technologies提供涵蓋地端（On-premise）與邊緣（Edge）的運算架構，讓企業能在資料不外流的前提下完成 AI 模型部署與推論，加速智慧製造應用落地，同時確保關鍵營運資訊受到妥善保護。
「當 Agent 執行涉及高額採購或重大產線變動時，系統會自動切換至『人工核准節點』（Human-in-the-loop）。」江榮倫補充道，這種設計確保了人類員工擁有最終把關權，且系統會保留完整的稽核軌跡，滿足合規與除錯需求，從根本上解決企業對 AI 自主決策的疑慮。
從單純的聊天機器人到具備決策能力的 Agentic AI，製造業正迎來 AI 應用的質變。透過 Dell Technologies、勤業眾信與 BIG DATA 的跨界整合，企業不再需要獨自面對技術、治理與資料的複雜難題。這套一站式架構不僅是技術的疊加，更是將 AI 從「輔助工具」升級為「營運核心」的關鍵推手，助臺灣製造業在 AI 時代建立起更具韌性的競爭優勢。
