酷愛科技 × 展進企業展進企業 AI 原生方案
聰明是通用的，懂你才是專用的。
酷愛科技 × 展進企業 | 2026 年 7 月 | 機密文件
過去三十年，展進靠品質、客製與老師傅的經驗把生意做到世界各地。而這兩年，外銷製造的環境變得比以前更難預測：
人的經驗正在流失
年輕人不好找，老師傅陸續退休。工廠裡最值錢的判斷力，一次少一點。
外部環境變動變快
各國政策、關稅與客戶要求時常調整，報價和交期的容錯空間被壓縮。
訂單越接越碎
批量變小、規格變雜，靠人腦記、靠紙本管，越來越吃力。
客戶要的證明變多
品質、履歷、數據，客戶要看得到，而不是只聽你說。
這些變化不會等人準備好。AI 的意義，是讓一家精實的工廠用很小的代價補上這道槓桿——不必砸重金換系統，也不必等到什麼都到位才開始。
這份方案要回答的，不是 AI 有多厲害，而是它具體怎麼幫展進，在最痛的地方，30 天內看到效果。
以下是我們從公開資料與初步了解中看見的樣子，未必完全準確，也需要和貴司一起校對。重點不在這些描述，而在後面幾個我們猜想可能存在的痛點——如果講中了，就是我們可以一起先解決的地方。
我們猜想，真正卡住的可能不是缺一套大系統，而是——
01報價慢
一張客戶圖進來，要翻標準、對尺寸、問工藝、抓成本，來回幾天，業務被文書工作綁住。
02委外難管
熱處理、電鍍在廠外，品質常常要等回廠檢驗才發現問題，然後重工、拖交期。
03檢驗與記錄靠人力
檢驗數字先寫在紙上，月底再敲進 Excel。數據沉在紙堆裡，變不成可以用來管理的資訊。
04經驗留在人腦裡
哪家外包廠最近不太穩、哪類客製件成本怎麼抓——這些判斷一旦隨人離開，就是淨損失。
所以我們不打算推一整套大系統。我們想做的，是把 AI 放在最痛、最快看得到效果的幾個點上，讓同樣的人力做出更多的生意。
市面上很多 AI 專案，做的是「AI 賦能」——在現有流程裡找一個環節加速。我們要幫展進做的，是「AI 原生」——從頭想清楚：如果今天從零設計，有了 AI，這門生意應該怎麼跑。
AI 賦能：給馬車裝引擎
人還是照原來的流程走，AI 只是讓其中某一步快一點。
展進現在報價：業務翻圖紙 → 查標準 → 打電話問工序 → Excel 算成本 → 寫報價單。AI 賦能的做法，可能是在 Excel 裡加個外掛，自動把圖紙上的尺寸讀出來填進表裡。流程沒變，只是省了手動輸入。
AI 原生：重新造一輛車
圍繞「AI 幫你跑流程、人在關鍵點拍板」重新設計運轉方式。
同樣的報價場景：業務把圖和郵件丟給 AI → AI 自己解析參數、比對標準、找出差異、拉歷史報價參照、算成本。產出的不是一份填好格子的 Excel，而是一份帶著差異標註和交期風險提示的報價草稿。業務看一眼關鍵差異、調利潤就發出。人從「做報價」變成「審報價」。
核心差異
| AI 賦能 | AI 原生 |
|---|
| 誰在跑流程 | 人，AI 輔助 | AI 跑流程，人在關鍵點拍板 |
| 改了什麼 | 某個環節加速 | 整個運轉方式重構 |
| 天花板 | 現有流程的上限 | 組織變形——減少中間層、降低溝通損耗 |
| 效果 | 效率提升 X%（一次性） | 複利增長——AI 越用越聰明，規則越沉越多 |
| 展進的例子 | 品保對著手機念「4.82」，AI 幫忙填進 Excel | 品保念完，AI 自動對標準、判合格、標異常、出日報、記住規則——下一個品保員、下一個產品，不用再教 AI 一遍 |
酷愛做的是 AI 原生
不是賣一個 OCR 模組或一個報表工具，而是幫展進從「人腦 + 紙本流程」的運轉模式，切換到「AI 記住業務規則、人在關鍵點決定」的模式。AI 會越來越懂你的產品、客戶和標準，而不是只會執行寫死的規則。
一句話：AI 賦能是給馬車裝引擎，跑得快一點但還是馬車。AI 原生是重新造汽車——有些零件復用，但設計哲學變了。
不是試用，是真的開始用
很多企業導入 AI 卡在同一個地方：做了很久的測試，最後沒有真的用起來。原因通常不是技術，而是拖太久、沒有明確驗收標準、也沒有人真的對結果負責。
我們把第一步壓縮在 30 天內完成，結束時只看一件事：現場的人能不能說「AI 已經在幫我做事了」。
30 天內，我們交付這五樣東西
🔍第 1 週
一次現況盤點
把目前的流程走一遍，找出最值得先動的地方，以及手上已經有的資料放在哪裡。
🌐第 1–2 週
資料接進來
把幾份日常在用的表單與清單整理成 AI 讀得懂的形式。紙本也可以，不需要你先有系統。
🧠第 2 週
一個懂展進的 AI
讓 AI 認得你們的產品、客戶、供應商和標準，說行話它聽得懂，而不是給你通用答案。
🤖第 2–3 週
幾個真的在用的功能
先做一個從頭到尾跑通的重點應用，再加上幾個順手好用的小工具。
🗺️第 4 週
一份後續路線圖
30 天之後往哪走：哪些可以馬上接著做，哪些等資料累積夠了再啟動。
展進要準備的很少：指定一位對接窗口，把日常業務裡已經有的真實資料交給我們就行——有什麼給什麼，不需要為了我們整理成什麼樣子。
貴司提出的需求相當完整。但把資源平均分到每一項，是最不划算的做法。我們把它分成兩類：哪些是 AI 現在就能立刻做出價值的，哪些更適合先用成熟工具做，AI 之後在上面幫忙判斷與提醒。
先做｜30 天內可以看到效果
| 範圍 | 你關心的 | AI 做什麼 | 對應場景 |
|---|
| 銷售報價 | 報價追蹤、訂單習性、排程 | 客戶圖一進來，AI 讀參數、比對標準、先寫好一份報價草稿；過去報過的類似單也一起調出來 | 場景一 |
| 採購與委外 | 供應商評估、委外管理 | 發外包單之前先提醒風險；供應商的交期、品質、價格表現看得見 | 場景二 |
| 品質管控 | 進料／製程／成品檢驗、良率 | 檢驗數字一報就自動比對標準、當場判定；品管日報自動生成 | 場景三、四 |
| 經營分析 | 老闆要看的全局 | 接單、出貨、產值、逾期、異常，一頁看完 | 後續擴展 |
後做｜先用成熟工具，AI 在上面幫忙看
這些同樣重要，但主要解法不在 AI，市面上的工具已經很成熟。我們的做法是掛在旁邊、不動你原本的流程：讀資料、做判斷、給建議，隨時可以拿掉。
| 範圍 | AI 之後可以幫的忙 |
|---|
| 生產管制 | 相近規格的訂單併著做、產能趨勢、每班產出自動彙總 |
| 設備管理 | 保養到期提醒、維修紀錄查詢（機台稼動率需要加裝感測器） |
| 量具管理 | 校正到期主動提醒，避免漏校導致檢驗失準 |
| 圖面管理 | 上傳一張圖，找出過去做過的相似件與當時的方案 |
| 倉儲管理 | 呆料提醒、庫存水位建議 |
| 人力資源 | 訓練紀錄整理、出勤趨勢提醒 |
| 文件管理 | 文件版本比對、過期主動提醒 |
| 財務管理 | 應收逾期提醒、異常交易提示 |
一句話：我們不跟現有工具搶地盤，而是站在它們上面，把資料變成判斷。
以下四個是 30 天內可以真的跑起來的場景。每一個都寫清楚誰在用、AI 做到什麼程度要人拍板、以及要達成的目標。
場景一
客製報價加速
銷售報價- 誰在用
- 業務／跟單
- 誰拍板
- 🟡 人確認：AI 出草稿，業務確認後才對外發出
- 怎麼運作
- 讀圖 → 比對標準與差異 → 產出報價草稿
- 目標
- 客製詢價到報價草稿：從幾天縮短到幾小時（實際基線待一起確認）
現況
詢價進來 → 翻標準逐項比對 → 打電話問工藝、問外包交期、問線材價 → 用 Excel 算成本 → 加利潤寫報價單。一單耗時久，業務被文書工作綁住。
改造後
業務把圖和郵件丟給 AI → AI 讀出線徑、長度、頭型、材質、表面處理 → 找出最接近的既有品、標出不一樣的地方（例如「頭下圓角和標準差 0.2mm，需確認模具」）→ 產出含廠內工序、外包工序、包裝運輸與交期的報價草稿 → 業務確認後調利潤發出。
📎 客戶詢價信＋圖面.pdf
幫我看一下這張圖，能不能出報價？
AI圖看完了，這支和我們既有的 ZJ-4838-HW 很像，我先把報價草稿整理成這樣：
報價草稿 ZJ-2026-0871
來源：客戶郵件附件（M4.8×38 鑽尾螺絲圖面）
- 讀出規格
- 線徑 4.82｜長度 38｜六角華司頭｜C1022A｜鍍鋅
- 最接近的既有品
- ZJ-4838-HW（相似度 92%）
- 差異提醒
- 頭下圓角與標準差 0.2mm，需確認模具
- 成本試算
- 廠內 1.86｜委外 0.42｜包裝運輸 0.11（元/支）
- 建議交期
- 28 天（含熱處理外包 7 天）
草稿產出 2 分鐘 · 業務確認並調整利潤後才對外發出
繼續追問，例如：把利潤加 12% 再重出一版↑
業務從文書員變回真正的業務。
場景二
委外品質預先提醒
採購與委外- 誰在用
- 品保／生管
- 誰拍板
- 🟡 人確認：AI 提醒風險，由人決定加嚴或換廠
- 怎麼運作
- 看供應商近期表現 → 評估這批風險 → 提前提醒
- 目標
- 外包回廠不合格率下降（基線待確認）；風險提醒準確率逐步校到八成以上
現況
外包單發出去 → 回廠檢驗才發現膜厚不夠或強度不足 → 退回重做 → 來回幾天、交期延誤。「這家最近開始不穩」只留在品保的記憶裡。
改造後
發外包單時，AI 自動看這家最近幾批的表現與交期紀錄 → 給出風險提示推給品保與生管 → 品保決定要加嚴抽檢，還是改用備選廠商。
熱處理這批 12,000 支要發給外包廠 A，有問題嗎？
AI先等一下，這家最近的表現有點狀況，我整理給你看：
委外發單提醒 PO-11423
熱處理 外包廠 A 數量 12,000 支
- 近 5 批表現
- 2 批硬度偏下限、1 批延遲 3 天
- 風險判斷
- 中高：硬度不足的機率高於平常
- 建議做法
- 抽檢比例提高到 5%，或改發備選廠 B
- 誰拍板
- 品保確認後，系統才更新發單方式
發單當下就跳出，不必等回廠檢驗才知道
繼續追問，例如：把利潤加 12% 再重出一版↑
問題在發單前就被看見，而不是回廠後才補救。
場景三
進料檢驗即時判定
品質管控- 誰在用
- 品保
- 誰拍板
- 🟢 自動（比對與判定）／🟡 人確認（異常要不要放行）
- 怎麼運作
- 用講的或掃的把數據錄進來 → 自動比對標準 → 異常立刻提醒
- 目標
- 檢驗記錄從紙本手寫變成可查可追的數位紀錄；判定從心算變成即時自動
現況
品保拿卡尺量完，紙上手寫「4.82」→ 翻表查標準「4.80±0.05」→ 心算比對 → 寫個 OK。一天上百筆寫到手痠，月底再搬進 Excel。
改造後
品保對手機說一句「M4.8 鑽尾，線徑 4.82，硬度 320」→ AI 自動找到這支產品的標準 → 當場顯示「線徑 ✅ 合格｜硬度 ⚠️ 偏下限」→ 檢驗做完，紀錄同時就完成了。
🎤「M4.8 鑽尾，線徑 4.82，硬度 320」
AI收到，對照標準後是這樣：
進料檢驗
IQC-20260727-014
- 線徑
- 4.82（標準 4.80±0.05） 合格
- 硬度
- 320（標準 330–400） 偏下限，需確認
- 外觀
- 目視無異常
檢驗做完，紀錄同時就存好了（不用再補打 Excel）
繼續追問，例如：把利潤加 12% 再重出一版↑
講一句話，就是一筆完整、查得到的檢驗紀錄。
場景四
品管日報自動生成
品質管控- 誰在用
- 品保／經營者
- 誰拍板
- 🟢 自動：日報自動生成與推送
- 怎麼運作
- 現場資料錄入 → 自動出日報與趨勢 → 主動推送
- 目標
- 從月底才看到品質全貌，變成每天早上就看得到昨天的狀況
現況
品保每天手動彙總做表；老闆要到月底才看得到品質全貌。
改造後
資料一錄入，日報自動生成——每天早上一張卡，看完全廠品質：昨天進料合格率、製程異常件數、成品檢驗結果、待處理客訴，趨勢與異常都標好了。
（每天 08:00 自動觸發，不用有人開口問）
AI早安，昨天的品質狀況整理好了：
品管日報 7/27（一）
每天 08:00 自動送到群組
- 進料合格率
- 98.2%（比前一天 +1.1%）
- 製程異常
- 3 件：鍍層厚度 2、螺牙 1
- 成品檢驗
- 6 批全數合格
- 待處理客訴
- 1 件，已指派給品保
老闆不用等到月底，才看得到品質全貌
繼續追問，例如：把利潤加 12% 再重出一版↑
每天早上一張卡，看完全廠品質。
以下四個場景都以示意畫面呈現改造後的運作樣貌，實際導入時會以展進的真實資料與流程為準。
| 週 | 做什麼 | 產出 | 展進要配合的 |
|---|
| 第 1 週 看清楚 | 把流程走一遍、盤點手上已有的資料，一起選出最先要做的那一個 | 現況地圖 + 一場高層對話，鎖定第一個重點場景 | 打開幾份日常在用的資料；找 2–3 位熟悉現場的同事聊聊；指定一位能拍板的窗口 |
| 第 2 週 建起來 | 讓 AI 認得展進的產品、客戶與標準；場景三、四先做出來，場景一、二出初版 | AI 可以開始用 | 說明幾條實際的業務規則，確認先後順序 |
| 第 3 週 校準 | 四個場景一起調整；由 FDE 駐場進行三輪面對面校正，每次聚焦一個實際問題，當場確認、當場調整 | AI 從「看起來對」調到「實際用得順」 | 2–3 位同事每天不超過 30 分鐘驗收，隔天內給回饋 |
| 第 4 週 收尾 | 對照一開始訂的目標驗收；一起看後續路線圖 | 驗收結果 + 後續路線圖 | 主管層一起看路線圖 |
第 3 週為什麼最重要
多數 AI 專案的落差都出在這一週被省略了。我們的 FDE 會駐廠協作，把校正落到實際流程裡：
- 1你說「這個判錯了」→ 我們當場找出為什麼（規則沒說清楚？資料沒接到？還是理解錯了？）
- 2當場改 → 當場再跑 → 你再看一次
- 3改對的那一條就留在系統裡——下一個人不會再踩同一個坑
這三輪校正，是把 AI 從「看起來對」變成「真的能用」的關鍵。
要換掉現在的做法嗎？產線會停嗎？
不用，也不會。我們掛在旁邊獨立運作，用講的、掃的或簡單表單把資料錄進來，不動你現有的任何流程，沒有系統也能跑。將來如果導入 ERP，也可以再接起來。整個過程產線一分鐘都不用停。
老師傅退休了，經驗怎麼辦？
這是製造業最大的隱形損失。每處理一次客訴、每發現一次外包異常，系統就把那條判斷留下來。老師傅的經驗不會跟著退休離開，新人第一天就用得到。
AI 給的東西，看起來對但實際跑不通怎麼辦？
我們把 AI 的權限分成三檔：
🟢 自動
AI 直接做，事後留紀錄
檢驗數據比對：報個數字，自動查標準、判合格與否
🟡 人確認
AI 出建議，人拍板才執行
報價草稿要人確認才對外；外包風險提醒由人決定怎麼處理
🔴 只給參考
AI 只提供數據，不下結論
要不要換掉一家主力供應商，AI 只給趨勢，決定權在你
最後一關永遠在你手上。而且隨著你每天驗收、每天修正，AI 會越跑越準——可以自動處理的範圍慢慢變大，需要人確認的慢慢變少。
我的資料安全嗎？會被綁住嗎？
- 傳輸與儲存都加密
- 分權限：老闆看全局、品保看品質、業務看客戶
- 所有操作都有紀錄可查
- 裡面的資料、設定與累積下來的判斷都是展進的，隨時可以帶走，不綁人
第一步跑通之後，可以順著業務慢慢往外長。以下不趕進度，按展進的節奏來：
接著可以做
第一步之後 1–3 個月，不用加購硬體| 場景 | 什麼時候可以開始 | 說明 |
|---|
| 少量多樣的排程優化 | 前面的場景驗收通過，產品與工序資料累積到一定量 | 相近規格併著做、衝突提前發現、換線次數變少 |
| 多語客訴自動分派 | 品管場景跑順、客訴開始有紀錄 | 自動翻譯、分類，轉給該負責的人 |
| 供應商表現分析 | 外包提醒累積約三個月資料 | 交期、品質、價格趨勢一起看，給出風險評級 |
| 經營儀表板 | 至少兩個場景穩定產生資料 | 接單、出貨、產值、逾期、異常，一頁看完 |
| 量具校正提醒 | 量具清單與校正週期整理好 | 到期主動提醒，避免漏校導致檢驗失準 |
| 設備保養提醒 | 設備清單與保養週期整理好 | 到期提醒、維修紀錄查詢 |
中期
3–12 個月，需要資料累積或搭配輕量工具| 場景 | 什麼時候可以開始 |
|---|
| 交期預測（產能、外包週期、歷史交期一起算） | 排程與外包資料累積約半年 |
| 圖面智能查找（上傳一張圖，找出做過的相似件） | 歷史報價與圖面對得起來的案例累積足夠 |
| 呆料提醒與庫存水位建議 | 庫存資料開始有紀錄 |
| 文件版本管控 | 文件管理開始數位化 |
長期
12 個月以上，需要硬體或外部認證| 場景 | 什麼時候可以開始 |
|---|
| 設備稼動率與預測保養 | 機台加裝感測器之後 |
| 產品碳足跡自動核算 | 製程能耗資料拿得到之後 |
我們建議先做一次面對面的對話：
- 1一起確認場景三、四的運作方式——看 AI 如何讀懂一筆檢驗、當場判定、自動出日報
- 2一起確認實際流程與現況數字（報價要多久、外包幾家幾道工序、現在用什麼工具）
- 3對齊優先順序，確認 30 天要達成什麼、什麼時候開始
所需準備：一位對接窗口，加上業務上已經有的真實資料。有什麼給什麼就好，不需要現有系統，也不需要停線。
