陽明交大 AI 轉型總裁班第二屆，展現企業 AI 營運新模式
生成式 AI 的快速發展，讓企業逐漸意識到，AI 轉型的關鍵已不只是導入新工具或提升個人工作效率，而是如何將 AI 納入組織運作，重新設計工作流程、整合跨部門資訊，進一步建立能夠支援經營決策的智慧營運體系。
國立陽明交通大學管理學院EMBA開設的「AI 轉型總裁班_第二屆臺北班」，正是以企業經營者與高階主管的管理需求為出發點，從 AI 賦能、組織協作到營運決策，協助學員建立系統性的 AI 轉型思維。
本屆臺北班以「從共識到共振：建立企業 AI 運作系統，成就完整的 AI 轉型」為課程理念，由天來集團創辦人陳來助博士領軍，結合產業案例與企業實務，更增加 9 小時深度習作，鼓勵學員將課堂所學轉化為可實際驗證的營運應用方案。課程不僅著重 AI 工具的操作能力，更強調企業如何建立共同的管理語言、明確的權責分工與跨部門協作流程，讓 AI 從個人效率工具，逐步成為組織級的決策輔助系統。
2026 年 11 月 7 日，陽明交大 AI 轉型總裁班秋季班舉行 AI Demo Day 成果發表。學員以 AI COO（AI 營運長）為共同命題，從各自熟悉的產業與企業管理痛點切入，提出具備營運流程、決策邏輯、人工審核機制與未來導入規劃的實戰提案。
此次五組成果涵蓋 PCB 製程管理、製造業產能規劃、跨部門交期承諾、資訊設備自動報價，以及公益組織智慧營運等不同領域。雖然應用情境各異，卻共同回應企業 AI 轉型的重要課題：當市場快速變動、資訊分散在不同部門，如何讓 AI 協助管理者取得可信資料、比較可行方案，並將決策轉化為可以追蹤與落實的行動？
陳來助博士開場：從「凡人變超人」走向企業 AI 總部
此次總裁班領軍專家陳來助博士於開場演講中，以「凡人變超人」回顧課程核心精神，強調 AI 學習的目的不只是熟悉新工具，而是培養高階經營者運用 AI 改變企業營運模式的能力。陳來助博士指出，從 AI 賦能、協作，到 AI COO 的導入，企業下一階段的重要方向，是建立能夠整合資訊、指揮協作與支援決策的「AI 總部」。這不僅涉及技術導入，更需要重新思考組織架構、管理制度與營運責任。
面對 2027 年可能持續加劇的高波動、高風險與高不確定性，陳來助博士提出 AI 營運長應具備四項關鍵能力：掌握營運全局、在高波動環境中快速決策、將 AI 納入日常營運與跨部門協作，以及從內部效率優化延伸出可規模化的新商業模式。
他也提醒學員，AI 轉型不能停留在建立戰情室或導入自動化工具，而應回到企業經營的本質，思考如何透過 AI 達成「降本、增效、新商模」三項價值。
在開場互動中，陳來助博士更以國際政策、能源、供應鏈及 AI 產業環境變化為情境，引導學員思考：當外部條件突然改變，企業的 AI 營運長應該重新評估哪些風險，又該如何在未來 90 天推動具體行動？
這也為後續五組 Demo Day 發表建立共同的思考方向：AI 的價值，不只是回答問題，而是協助企業在變動中形成更有效的管理行動。
北三組｜AI 公益生態系：讓科技支援決策，讓陪伴更有力量
北三組以「AI 公益生態系」為主題，探索 AI COO 如何運用於公益組織的行政管理、教育服務、資源整合與品牌推廣。團隊以籌設中的世鳳花基金會為應用場景，指出公益組織經常面臨人力有限、任務多元及跨單位協作等挑戰，希望透過 AI 整合分散的工作流程，讓組織管理者能更有效率地掌握營運狀況，並將資源投入真正重要的服務工作。
現場展示以一場國小情緒教育講座為情境，模擬活動舉辦前 72 小時，講師臨時無法出席的突發事件。團隊透過 AI COO 決策原型，整合師資資格、活動時程、預算及教學安全等條件，提出替代講師、動畫輔助教學及安全延期三種方案，並以紅、黃、綠燈標示風險與待確認事項，協助管理者比較選項，而非直接由 AI 代替人員決策。此外，團隊也展示會議紀錄整理、年度計畫與 KPI 拆解、合作資源比對，以及情緒教育動畫與教案整合等四項 AI 應用測試，呈現 AI 在公益營運與內容協作上的發展潛力。
陳來助董事長於現場講評時，肯定團隊將「品牌、品質、品味」融入 AI 決策流程的思維，強調效率提升之外，也必須保留組織的核心理念與人工審核機制。北三組以「從一朵花到一座森林」描繪未來願景，希望透過 AI 支援決策、累積組織知識，讓公益工作者能將更多時間留給陪伴與服務。
北一組｜PCB 濕製程智慧管理：從營運戰情室走向跨部門決策
北一組聚焦 PCB 製造業的濕製程管理，提出「AI COO 營運整合與決策中樞」，希望解決企業在銅價波動、製程良率異常及訂單人力變動時，經常面臨的資料分散、問題發現延遲與跨部門溝通困難。團隊指出，化學銅、電鍍銅與刷磨減銅三項製程彼此關聯，當其中一個環節出現異常，便可能連帶影響後續品質與成本，因此需要從整體營運角度掌握產線狀況，而非僅依賴各部門獨立判斷。
為此，團隊建立智慧營運戰情看板，集中呈現成本、報廢率、設備狀態、工安、ESG、人力及各部門 KPI 等資訊，並設計由 AI 偵測異常、整理候選原因、彙整跨部門意見，再由人員確認與核准的決策流程。現場透過情境展示，模擬銅價上漲後的異常分析、跨部門討論、主管決策與覆核，以及最終的知識沉澱。團隊也運用 Obsidian 建立經驗知識庫，保存決策紀錄、標準作業程序與管理經驗，作為未來模組化及跨廠應用的基礎。
北二組｜智慧自動報價：從客戶詢價到 AI COO 營運戰情室
北二組以「AI COO 營運戰情室：自動報價系統」為主題，從資訊設備銷售常見的客戶需求不完整、人工報價耗時，以及案件進度不易掌握等問題出發，展示 AI 工作流程的應用方式。
當客戶透過電子郵件提出產品詢價需求時，AI 可協助讀取內容、補問必要規格、比對庫存數量，並依據成本與毛利條件產生報價文件草稿。若庫存不足，系統則會準備供應商詢價草稿，交由業務人員確認後寄出。團隊同步展示營運戰情室，集中呈現詢價件數、完成進度、待補資訊及庫存阻塞狀態，搭配紅黃燈提醒機制，讓管理者快速辨識案件停滯的原因。在決策設計上，北二組強調「Human in the Loop」，亦即保留人工審核關卡。無論供應商詢價或正式客戶報價，涉及價格、採購與對外承諾時，都必須由人員確認。
林春成教授於交流中提出原物料價格波動、供應商議價策略及商業資訊保護等議題，促使團隊進一步思考，如何讓系統從流程自動化提升為更完整的營運決策輔助機制。未來團隊期望逐步整合企業 ERP、庫存、採購與物流流程，讓每一筆業務案件都有清楚的進度、責任與後續行動。
竹一組｜承諾閘門：讓每一項交期承諾都有證據與責任
竹一組提出「承諾閘門（Commitment Gate）」AI COO 決策原型，聚焦 PCB 製造業在接單與交期承諾時，經常面臨的跨部門利益衝突與風險管理問題。
團隊以高密度電路板訂單為例：當客戶要求將原本 35 個工作日的交期縮短至 20 天，業務希望爭取訂單，製造單位擔心產能不足，採購關注特殊材料交期，品保則必須確保驗證時間不被壓縮。面對這類情境，團隊設計整合資料可信度、交期機率、產能限制與預期風險的 AI 決策卡，將不同交期方案以紅、黃、綠燈呈現，並依風險等級分配核准權限。現場演練展示，當系統判定 20 天交期無法達成時，便將其標示為紅燈，並提出 28 天替代方案；若關鍵製程資料不足，系統則停止估算，交由相關主管補件及確認。這項設計凸顯 AI COO 的重要原則：AI 可以協助分析與比較方案，但不應直接取代人員對客戶的承諾及管理責任。
評審也針對產能模擬、訂單間的資源取捨，以及簽核權限安全性提出建議。未來除了規劃逐步導入企業流程，也希望探索保證交期、進度透明服務，以及跨產業應用的可能，將「交付確定性」轉化為新的商業價值。
竹二組｜年度需求與產能決策：讓訂單變動不再只是被動應對
竹二組以「訂單變了，決策跟得上嗎？」為主題，聚焦製造業在年度需求規劃與產能配置上的管理挑戰。團隊指出，當客戶突然增加訂單、設備量產時程延後，或部分製程出現產能瓶頸時，企業必須同時評估能否接單、物料是否充足、訂單是否獲利，以及是否需要新增設備或尋求其他廠區支援。這些問題往往涉及業務、產銷、製造、工業工程與管理階層，決策過程需要大量資料整理及跨部門溝通。
團隊重新設計六階段人機協作流程，從需求異動、資料版本確認、產能缺口計算，到方案比較、人工取捨及後續追蹤，並規劃由不同 AI Agent 分別支援年度規劃、生產設備、物料供應、品質改善與跨廠協作。現場展示 AI COO 營運戰情室及年度需求試算，利用合成資料模擬需求上修後的產能負荷，辨識壓合、鑽孔等製程在特定月份的缺口，再進一步比較集團支援、委外生產及調整交付安排等方案。團隊也透過 Obsidian 知識庫保存流程與判斷邏輯，期望讓個人經驗逐步轉化為組織可交接的管理資產。
在交流中，評審特別關注 AI 引用資料的即時性、計算結果的正確性、產能瓶頸處理及需求預測來源。團隊說明，目前需求預測仍由業務部門提供，AI 則著重資料整合、產能計算與方案分析。未來規劃透過 18 個月分階段驗證核心工具與跨部門流程，並探索「付費鎖定產能」的新商業模式，讓企業在掌握可承接產能的前提下，進一步創造服務價值。
從 AI Demo Day 走向企業實戰：讓 AI 成為真正的營運決策夥伴
AI Demo Day 不僅是學員的階段性成果展示，更是一場結合管理方法、產業經驗與 AI 技術的實戰交流。從五組提案可以看見，企業 AI 轉型不必一次完成龐大的系統建置，而是從關鍵營運痛點出發，逐步建立可信資料、跨部門協作流程與可驗證的決策機制。
在成果發表最後，總裁班領軍專家陳來助博士指出，AI 轉型不只是技術導入，更是企業管理思維與組織運作模式的重新設計。真正的 AI 營運長不能只依賴企業內部數據與既有 SOP，更需要結合市場趨勢、供應鏈、財務及產業變化等外部知識，才能協助經營者做出更全面的策略判斷。他也強調，企業應先定義 AI COO 的職責、權限與經營目標，再運用 AI Agent 與知識管理，從降本增效進一步邁向成本結構重塑與新商業模式創新。
從 AI 賦能、AI 協作到 AI COO，再走向未來的「AI 總部」，陽明交大 AI 轉型總裁班透過 Demo Day，展現從「共識到共振」的轉型理念，讓 AI 不只是提升效率的工具，更成為串連組織知識、營運決策與企業策略的智慧夥伴。
當 AI 從工具走向經營決策，企業真正的轉型與成長，才正要開始。
留言