凭藉标准化的AI，有效突破制造业数码转型瓶颈

近年来，各行各业急欲透过AI推动数码转型，制造业也不例外，而企业转型目标相当明确，无非就是「提质、增效、降本、减存」；但据专家观察，制造业导入AI的成功率并不高，甚至不如其余产业。

讯能集思(Synergies)CEO张宗尧分析，之所以出现上述现象，在于制造业推动数码转型的隐形成本偏高，因为一个制造业，其实不等于一个产业，而是蕴含成千上百种异质工作流程，所以A场域的成果，很难复制到B场域，不论对于供应商、客户皆是压力；所以不时可见供应商做案子做到亏钱、客户依旧嫌贵，缺乏赢家的局，很难发展起来。

张宗尧认为，唯有AI标准化，才能帮助制造业突破数码转型瓶颈。而论及Synergies核心技术，即是打造「标准化的AI平台」，从用户的角度出发，加强人机协作的效率，让AI犹如企业的GPS导航系统一般，大幅加快数据分析，帮助用户从纷杂的信息理出规则，高效制定出最佳化商业决策。

Synergies 的「JarviX」就是一套由AI分析系统SyGPS驱动，能支持中文的自然语言智能企业决策系统，标榜流程化、标准化、自动化，非常适合帮助制造业加速开发 AI 演算法、推动数据分析。

张宗尧说，每个AI演算法或数据分析专案，都会历经数据管理、分析平台、BI可视化等三大流程；其间的每一段，皆有市场闻名的工具产品，例如数据管理方面的 SQL Server，分析平台方面的SAS或Splunk，BI可视化方面的Tableau或PowerBI等等，把它们全部买齐，需要花费数亿资金，一般制造业者并不倾向做这般庞大支出。

由系统自动生成算法，取代过往人力开发

有一个真实案例，某大型制造企业欲透过AI分析PCB针脚失效议题，几经盘算无意花大钱引进前述工具，决定延揽几个博士级数据科学家组成六人团队，自己动手建分析流程，结果历时3个月才产出算法模型，让公司理解尔后遇到什麽样的温度参数，即可研判该针脚还可使用多少次。

但这样的方式近乎「硬干」，不仅在行经数据管理、分析、数据可视化等每段环节时，都需耗费可观沟通成本，且最终仅能产生一次性成果，下回若有其他瓶颈待解，无法沿用相同模式，还需重复耗时3~5个月，不算是聪明做法。这家企业后来尝试使用JarviX，结果几天内就做完原本花3个月的相同专案。

究其主因，在于JarviX利用增强智能的技术，降低分析门槛，把分析流程标准化，去中间化，取代原先人力开发，自动执行大数据分析、自动产生算法；企业仅需动员 1、2位懂得操作JarviX工具的该领域专家，不需仰赖任何算法工程师，便可让产业专家用自然语言直接与数据对谈，分析瓶颈根因，以最快速度获得洞察。

Gartner曾做过类似预言，指出2020年随着能让一般人理解的「增强型分析智能」技术出现，可望使数据科学、深度学习乃至嵌入式分析趋于普及；届时50%的分析查询皆藉由自然语言或语音等方式进行，而企业内也将出现愈来愈多没有数据科学背景、却懂得利用工具执行数据分析的公民数据科学家。

张宗尧形容，JarviX如「AI化的AI」，有了它，Synergies不必像过去一样、自己从头到尾做完AI定制化专案，可让代理夥伴有更多参与，根据JarviX自动产生的算法模型，进一步转化为系统，帮助最终用户解决原物料分析、品质分析…等等一道道题目，协助制造业成功突破数码转型瓶颈，促进产业创新与产业升级。