將「師傅手感」轉化為「數據驅動」 AI智慧量測驅動精密鑄造品質升級

	【Career職涯電子報】提供職場趨勢脈動、成功人士專訪介紹…等精彩內容。給您最完整、最活用的職場資訊！ 誰能幫你邁向健康人生？週週提供最新的健康情資，【常春EVERGREEN】幫你的健康打底，人生加分！

★ 無法正常瀏覽內容，請按這裡線上閱讀 新聞  健康  udn部落格

2026/07/30 第891期  |  訂閱/退訂  |  看歷史報份   科技新知 將「師傅手感」轉化為「數據驅動」 AI智慧量測驅動精密鑄造品質升級 生成式AI時代，我們與AI的對話是生產力服務，還是免費訓練材料？ 防範「失控代理」的防火牆！「預防、設計、偵測」三位一體，構建 AI安全護城河 別再讓 AI 每次都重新找答案！LLM-WIKI推動大模型從「資料檢索」走向「知識經營」 將「師傅手感」轉化為「數據驅動」 AI智慧量測驅動精密鑄造品質升級 FIND研究員：吳湘芸 隨著全球淨零轉型與高階製造需求擴大，精密鑄造產業的技術深度、品質可靠度與智慧化水準已成為國際競爭的重要指標；台灣精密鑄造業者為確保高階應用領域取得優勢，唯有持續透過AI智慧化製程升級與國際品質認證，來強化多元市場布局，同時提升產品附加價值。 降低美國關稅影響風險，精密鑄造產業需提升品質標準 精密脫蠟鑄造是金屬加工與高階製造的關鍵環節，也是國家重要的基礎工業。台灣現有約800家鑄造廠、年產量約140萬噸、年產值近千億元，於全球市場排名前十二位，其中精密脫蠟鑄造更穩居世界前六。此技術能在複雜結構與嚴格公差要求下快速成型，應用範圍涵蓋航太、國防、汽機車、能源、醫療器材及電子零件等高成長產業。 AI智慧化方案的導入流程 為克服技術瓶頸，本團隊採用智慧科技導入指引作為輔導工具，從問題確認、數據蒐集、模型(方案)建立、導入到佈建階段，以下說明各階段輔導摘要： 問題確認與現況評估： 盤點現有生產工序流程與問題點，以明確導入數位化、AI智慧化的目標，就精密鑄造產業的AI智慧化轉型缺口現況盤點。在脫蠟鑄造過程中，產品需經射蠟、組樹、沾漿、燒結到澆鑄等多道工序。然而，多數業者在品質管控與製程優化上仍面臨明顯瓶頸： 1.經驗斷層與主觀判斷：傳統燒結與澆鑄溫度多仰賴資深師傅經驗，缺乏數據支撐，易受環境變化影響而產生氣孔或縮孔瑕疵。 2.檢測效率低與數據零散：現行幾何尺寸檢測仰賴人工操作三次元量測儀（CMM），單件檢測耗時逾40分鐘，且數據難以即時回饋至前端修正。 3.能源管理與碳排壓力：傳統燃氣燒結爐能耗高且溫度分布不均，在全球淨零排放趨勢下，面臨迫切的綠色轉型壓力。 4.市場韌性不足：過度依賴單一市場，且因缺乏數位化品質證明，難以快速切入要求極嚴的高階航空與軍工供應鏈。 圖1：脫蠟鑄造產業生產製程現況 資料來源：資策會數轉院團隊整理 數據、影像蒐集： 盤點既有資料庫、整合或建立涵蓋不同生產批次、配方與工況的訓練資料庫。透過充分且多樣的數據蒐集，確保資料庫可供模型學習各種正常與異常情況的特徵。 模型(方案)訓練建立與部署： 為了提高方案準確性，提出智慧科技技術導入建議： 1.投入智慧化製程監控與自動化燒結設備 建置國產自動化轉盤式燒結爐，以伺服馬達精準控制定位，並導入固定式紅外線熱像儀監測網絡系統透過非接觸式量測，毫秒內即可捕捉殼模在燒結與澆鑄點的溫度分布，並整合PLC控制系統進行空燃比脈衝控溫，確保燒結均勻度提升至±20℃，減少人為溫差缺陷。 2.建置AI數據分析平台與智慧決策 跨產業團隊合作導入AI自動機器學習（AutoML）平台，先做數據蒐集與IoT聯網，將射蠟機、燒結爐與機械手臂等關鍵設備聯網，擷取電流、電壓、爐溫與製程參數。利用累積的製程大數據，建立AI演算法自動推演「黃金參數組合」，以模型訓練優化，並導入生成式AI助理協助現場人員即時判斷異常並給予決策建議。 3.引進3D掃描數位檢測與驗證 導入高解析光學掃描平台，取代繁複的手工測繪。系統可在50至90秒內完成全尺寸輪廓量測，產出與CAD原始設計比對的數位檔案，除大幅提升量能，亦可作為符合AS9100等國際認證的數據證明。 圖2：脫蠟鑄造業導入智慧製造之創新流程建議 資料來源：資策會數轉院團隊整理 引領脫蠟鑄造產業智慧升級，產業觀點 依循本團隊採用智慧科技導入指引業者，引進AI與智慧化系統後，初步評估企業可在生產良率與多元檢測方面取得顯著成效，將傳統精密鑄造從「師傅手感」轉化為「數據驅動」： 檢測量能提升與週轉加速：3D掃描使檢測效率提升逾2~3倍，開發週期較傳統減少約30~40分鐘檢測時間，新品導入週期縮短至數日內。 生產良率與精準度改善：透過AI即時預警與參數優化，良品率預計提升1%，且產品良率大幅改善，降低報廢成本與材料損耗。 節能減碳成效顯著：自動化節能燒結爐結合脈衝控溫技術，預計減少碳排放量約3%~5%，每年節省用電量可達5%。 FIND觀點 隨著智慧技術的演進，包括GenAI、AI Agent等，精密鑄造業將邁向「首件即量產」的快速應變時代。透過指引手冊將可同步協助業者在未來不管是AI雲端協作平台、其他先進技術導入前做先期評估、規劃導入，協助業者在國防自主、無人機等新興領域快速搶得先機，實現更穩定、更低碳且更具韌性的永續經營。 參考資料來源：資策會數轉院團隊整理 生成式AI時代，我們與AI的對話是生產力服務，還是免費訓練材料？ FIND研究員：王馨曼 你是否曾注意過公司內有多少員工正習慣性地將內部報表、會議記錄語音、未公開的程式碼或客戶名單，直接貼上ChatGPT或Gemini進行潤飾或分析？以色列網路安全公司LayerX Security指出，18%的使用者會將資料貼到生成式AI工具中，其中約50%是公司內部資訊。2023年Samsung剛導入ChatGPT不到一個月，就接連發生三起半導體機密外洩事件，而外洩的資料最終成為了OpenAI模型訓練的內容。這起事件不僅震驚業界，更讓Apple等各大企業在當時下達了生成式AI禁用令。 有句名言「如果你不用付錢，你就是商品」。延續著這項認知，過往人們對軟體服務的既有概念是，使用者付費就能擁有軟體服務與其對應的資料隱私保障。數十年來，企業員工使用商業軟體執行各種業務，無論是一般性或機敏性內容，員工對它的忠誠與隱私毫不懷疑。但隨著近年線上軟體服務與AI混合應用的盛行，這條關於付費與隱私的界線已逐漸模糊。 對於企業而言，員工每一筆資料與智慧的累積，都將成為未來企業在市場上生存的基石，而在生成式AI的時代中，員工每天與AI的業務對談，究竟是買來的服務商品，還是免費奉送給軟體公司的訓練材料？ 付費訂閱，不等於買到「隱私豁免權」 許多人對於生成式AI服務存在一個嚴重的誤會－認為免費使用可能會洩漏資料，一旦付費訂閱後，這些公司應該會盡責保護對話內容與上傳資料。但事實上，一般個人使用者在運用個人付費版的生成式AI服務時，每月付給軟體公司的訂閱費是優先使用AI運算能力的使用費，而不是使用者資料的隱私保護費。 以主流的幾個生成式AI服務如ChatGPT（OpenAI）、Gemini（Google）、Claude（Anthropic）為例，針對一般個人使用者，無論是否付費訂閱，皆預設將使用者的文字/語音/附件等對話內容用於進行模型訓練與系統開發/人工檢核使用，因此若上傳機敏資訊，將可能被軟體公司的人類審查員瀏覽，進而導致職業機密被第三者得知；或成為AI訓練資料集的一部分，當初上傳的機敏資訊，將可能永久地成為AI大腦裡的其中一段索引知識，並在第三方的提問中被無意間洩漏。 企業版與教育版雖然在法律層面，擁有對話與資料不會作為AI軟體開發商資料素材的保證，但其對話資料仍可能在受雇者企業內部或教育單位之資訊部門審核留存。 為此，員工仍須注意使用企業版AI對談期間上傳資料與對答內容的妥適性。企業管理者同時須留意「影子AI（Shadow AI） 」的存在，避免員工在未經資訊部門批准的情況下，私下使用未受企業監管之一般個人版AI服務來處理職務需求。培養員工僅將企業資料傳輸至企業版AI服務的習慣，以降低機密資料外洩疑慮。 圖1：企業與個人版AI之資料治理差異 圖片來源：作者自行彙整OpenAI、Google、Anthropic服務條款，本文資料更新時間2026/03/31，AI服務商隱私條款變動頻繁，請以最新版條款為依據 企業導入生成式AI的三道資安防線 當AI已成為不可逆的生產力趨勢，企業應建立完善的AI資料治理機制。建議可依循下列三方向建立資安防線。 第一道防線 基礎建設管理：採購企業級生成式AI服務 若企業業務高度依賴機敏資料，應優先考慮將AI工具升級為具備合約保障的企業版服務。集中管理各業務部門之存取權限，提升整體資訊系統的可控性，進而達成保護企業核心競爭力的目的。 第二道防線 制度與規範：制定員工版生成式AI使用準則與案例教育訓練 在尚未全面導入企業版之前，企業可透過內部政策與網路設定，明文規定各等級的資料取用規則，並限制外部的軟體服務平台傳輸。惟若單獨以文書布達規範，員工易因資訊理解能力程度落差而降低實行效果。建議應以實務應用案例辦理內部講座或測驗，強化員工對於生成式AI應用方法的良好意識。 第三道防線 實務操作：落實個人版AI服務隱私設定 對於需使用個人版生成式AI服務處理公務之員工，企業可透過新增公司內規，以及加強教育訓練，要求員工落實以下三項防護操作： 1. 手動選擇不同意改善模型、關閉應用程式活動紀錄：若對話內容長期有機密隱私需求，直接將系統預設的訓練權限關閉會較為簡便。多數服務商雖預設讀取使用者資料訓練，但使用者仍可以手動在隱私設定中關閉訓練/語音訓練授權，停止提供資料給服務商。 但也有部分服務（如Gemini）將系統活動紀錄功能與訓練授權綁定，只要開啟活動紀錄即同意對話與互動資料提供給Google進行模型訓練或人工審查，此時就須考慮關閉或刪除應用程式活動紀錄。在關閉或刪除應用程式活動紀錄後，Gemini將不提供記錄歷史對話的功能，不僅不會記錄新增的對話內容，連過去的所有歷史對話紀錄都會被刪除而消失，如果有特別希望留存的對話內容，需另外逐筆複製留存至電腦或自有雲端硬碟中。 2. 善用隱私對話/臨時對話功能：適用於偶爾須保護資料的使用情境，多數生成式AI對話介面的右上角不明顯處，會有「隱私對話」圖示，按下後會開啟臨時視窗，在此臨時視窗中的資料將不會被服務商作為訓練用途，使用者關閉視窗後對話紀錄即消失不做留存。但依軟體服務商不同，對話紀錄仍會被留存在服務商系統資料中72小時至30天不等。 3. 僅上傳去識別化/去機敏之局部資料：本措施適用於各種隱私設定狀態，可作為通用性的AI應用習慣基礎。企業應要求員工在提供AI參考資料前，僅上傳該次處理所需的部分頁面或文章段落，讓附件資料在上傳前就已經先完成去機敏/去個資/去識別化，避免將整份未經處理的內部原始資料直接上傳，免去不必要的資訊提供與流出。 從效率工具到風險防線，企業AI治理的必修課 生成式AI的普及確實為企業帶來前所未有的生產力革命，但同時也伴隨著隱形的營業機密外洩風險。網路安全公司LayerX Security提到，企業必須實施兼具彈性且符合應用情境的資安措施，才能在不犧牲生產力的前提下，讓員工安全地運用 AI。 企業管理者應建立「個人版的AI工具資料安全防護不足，需針對企業使用需求擬定相應對策」的新風險常態認知。除了考慮升級企業版系統服務以外，更應即刻建立內部的生成式AI使用規範、落實員工的資料去識別化教育訓練。唯有在安全可控的護城河內，企業才能真正將AI的對話與運算資源，轉化為推動業績增長的強大引擎。 參考資料來源： 1.LayerX Security. (2025). LayerX’s enterprise GenAI security report 2025: Exposing hidden AI security blind spots.https://layerxsecurity.com/blog/layerxs-enterprise-genai-security-report-2025-exposing-hidden-ai-security-blind-spots/ 2.Kim, S., & Gurman, M. (2023, May 2). Samsung bans ChatGPT and other generative AI use by staff after leak. Bloomberg.https://www.bloomberg.com/news/articles/2023-05-02/samsung-bans-chatgpt-and-other-generative-ai-use-by-staff-after-leak 3.MetaFilter. (2010, August 25). User-driven discontent [Online forum comment]. MetaFilter.https://www.metafilter.com/95152/Userdriven-discontent#3256046 4.OpenAI. (n.d.). How your data is used to improve model performance.https://help.openai.com/en/articles/5722486-how-your-data-is-used-to-improve-model-performance 5.Anthropic. (2025, August 28). Updates to our consumer terms.https://www.anthropic.com/news/updates-to-our-consumer-terms 6.Google. (2026, March 27). Gemini Apps Privacy Hub. Google Help. https://support.google.com/gemini/answer/13594961 7.Microsoft. (n.d.). Microsoft Copilot 隱私控制. https://support.microsoft.com/zh-tw/topic/microsoft-copilot-%E9%9A%B1%E7%A7%81%E6%8E%A7%E5%88%B6-8e479f27-6eb6-48c5-8d6a-c134062e2be6 防範「失控代理」的防火牆！「預防、設計、偵測」三位一體，構建 AI安全護城河 FIND研究員：陳建方 2026年初OpenClaw竄紅，反映人工智慧（AI）正由對話工具走向深度流程介接與實際應用，也帶來更具體的資安、倫理與治理問題。由於模型訓練資料來自社會與網路，帶有非中立的既有偏誤 ... 別再讓 AI 每次都重新找答案！LLM-WIKI推動大模型從「資料檢索」走向「知識經營」 FIND研究員：游柏揚 LLM-WIKI 是什麼？ 過去我們使用 AI 問文件，多半還是「先找資料，再生成回答」的模式。學術上所說的 RAG，本來就是把語言模型和外部知識庫結合起來：先檢索，再生成 ... •大熱天進冷氣房很舒服？醫提醒少了「這件事」，恐增加心血管負擔 夏季高溫不只帶來中暑、曬傷，也可能影響血壓穩定。醫師表示頻繁進出冷氣房、室內外溫差過大，會使血管反覆收縮與舒張；若流汗多又喝水不足，也可能增加脫水與血壓波動風險。除了固定早晚量血壓，流汗多時補充水分與電解質，並讓身體漸進適應冷熱變化。特別是三高族群、年長者、心血管疾病或動脈硬化風險者，更應重視夏季心血管健康管理。 •強化台美交流 聯演重於軍售 美國海軍退將蒙哥馬利日前在《外交政策》期刊上發表專文指出，華府討論台灣安全大多聚焦軍費與軍售，忽略美台共同防衛最棘手的問題是兩軍缺乏協同作戰能力。事實上，軍購預算林林總總，若僅限於裝備採購則也未免流於偏頗，建軍目標「以人為本」屬於各國皆然之舉措，用高素質人力操作高科技武器，並且實施與時俱進的實戰化訓練，是最能符合台海軍情現狀的一劑良方。

本電子報著作權均屬「聯合線上公司」或授權「聯合線上公司」使用之合法權利人所有， 禁止未經授權轉載或節錄。若對電子報內容有任何疑問或要求轉載授權，請【聯絡我們】。   免費電子報 | 著作權聲明 | 隱私權聲明 | 聯絡我們