一、工具機與精密加工的 AI 化現況
台灣工具機與零組件業約 1,100 多家，九成五以上是中小企業，2025 年產值約 898.9 億元、年減約一成（台灣機械公會統計）。人力也緊：勞動部 114 年 3 月底職位空缺調查顯示製造業職缺 9.2 萬個居冠、占 33.5%，機械操作與組裝人員平均 4.1 個月才補得到人。但 資策會 MIC 指出製造業僅 28% 已實踐 AI，2024 年已導入者平均投入 209 萬元，八成卡在資料品質。報價慢，正是最容易做出成效的缺口。
二、最值得先做的三個場景
- 詢價分流與首覆：從信箱、表單、LINE 抽出材質、規格、數量、交期，分成打樣／量產／比價／售後，10 分鐘內先發回覆。哈佛商業評論研究指出，1 小時內回覆取得合格商機的機率是延後的 7 倍。
- 報價草稿引擎：比對相似件號、材料等級與後處理，產出含成本拆解的草稿，廠長只審差異點。
- 技術文件多語問答：手冊、公差表與備品料號做成 RAG，海外代理商用中英日文直接問，不必轉工程部。
三、真實案例：兩家中小廠
案例 A｜台中某 22 人精密金屬加工廠。導入前每張報價業務加廠長各花一小時以上。他們把近兩年報價單結構化，建立材料單價、工時與後處理規則表，複雜報價 90 秒產出初版。坑在只餵 PDF，模型抓不到「為什麼多收 15%」，補上 80 筆理由欄才穩。
案例 B｜南部某線性滑軌外銷廠（約 45 人，匿名）。痛點是海外詢價塞爆信箱。用 n8n 串接信箱與 LINE 自動分類，草擬中英日三語首覆。第 3 個月 1 小時內回覆比例從 25% 升到 86%，業務每週省約 9 小時。教訓是初期讓 AI 直接寄信出過交期錯誤，改人工送出才穩。
四、工具堆疊建議
- 推理層：Claude API（Sonnet 等級）處理長規格書與多語草稿，分類降級到小模型，可壓下六成以上 token 費用。
- 流程層：n8n（Cloud Starter 約 US$24／月，可自架）串接信箱、LINE、ERP 與重試，比 Zapier 適合要地端部署的工廠。
- 檢索層：LlamaIndex 或 LangChain 切塊，向量存 pgvector 或 Qdrant，答案能引用出處。
- 資料層：報價規則放 PostgreSQL 或 Google Sheets，廠長自己改單價；中小廠沒有 MLOps 團隊，堆疊要能用試算表維護。
五、ROI 模型（月出 60 張報價的加工廠）
| 項目 | 金額／數量 |
|---|---|
| 一次性建置（分流＋報價草稿＋RAG） | NT$45 萬 |
| 月運營 LLM API | NT$3,000–6,000 |
| 月運營 n8n＋向量庫＋主機 | 約 NT$2,500 |
| 導入前報價工時 | 60 張 × 3.5 hr = 210 hr |
| 導入後報價工時 | 60 張 × 1.2 hr = 72 hr |
| 省下人力（NT$450／hr） | 約 NT$6.2 萬／月 |
| 淨效益 | 約 NT$5.4 萬／月 |
| 靜態回本期 | 約 8.3 個月 |
成交面還沒算：每月 60 件詢價、單案毛利 4 萬，成交率多 2 個百分點，一年多約 57 萬。上線前先量基準線。
六、落地時程 Phase 1-4（約 18 週）
- Phase 1 盤點與資料整備（3–4 週）：清點報價單與詢價來源，抽 80–100 筆標註，訂出基準線。
- Phase 2 單場景 PoC（4 週）：只做詢價分流與首覆草稿，跑影子模式不對外送出。
- Phase 3 試營運（6 週）：加入報價草稿與文件問答，業務一鍵送出，每週回填規則表。
- Phase 4 上線與擴散（4 週）：接 ERP 寫回、建監控與成本上限、訓練窗口維護規則。
七、常見失敗原因 × 怎麼避開
- 資料散在老師傅腦中：邏輯沒寫下來模型只能猜。解法是先做 80 筆含理由欄的標註。
- 期望錯位：以為能全自動報價。解法是寫進合約：AI 產草稿、人審簽核，目標是縮工時不是減人。
- 圖面外流疑慮：用不拿客戶資料訓練的企業級方案、簽 DPA、遮蔽客戶名與圖號。
- 沒有基準線：半年後問省多少答不出來，Phase 1 就要先量工時與成交率。
- PoC 做完就停：沒接 ERP，第一天就要排進寫回路徑。
八、不適合 AI 化的場景
- 全新異形件首次打樣，廠內沒有同類歷史。
- 航太、醫材需簽合規責任的最終放行。
- 需現場量測與試切手感的工程判斷。
- 老客戶策略性議價，牽涉長期關係。
九、ScriptWalker 對應方案與起價
我們專做中小型工廠的 AI 流程整合，不賣硬體：
- AI 詢價分流＋多語首覆：NT$12 萬起（約 4 週）
- AI 報價草稿引擎：NT$28 萬起（約 8 週，含規則表建置）
- 技術文件多語 RAG 問答：NT$18 萬起
- 顧問診斷（2 週）：NT$3.5 萬，簽約全額折抵
- 月維運：NT$6,000 起（API 用量透明實報）
十、常見問題 FAQ
Q1：報價全靠老師傅經驗，也能導入嗎？
可以，但要先花 3–4 週把經驗轉成規則：抽 80–100 筆歷史報價逐筆補上「為什麼這樣算」。少了這步準確度撐不過兩個月。
Q2：客戶圖面丟給 AI 會不會外流？
選用合約載明不以客戶資料訓練的企業級 API，系統端遮蔽客戶名與圖號；軍工或獨家件走地端模型，資料不出廠。
Q3：最小可行預算多少？
單做詢價分流與多語首覆約 12 萬可上線，月運營 3,000–5,000 元。跑三個月有數字再決定報價引擎。
Q4：多久看得到成效？
回覆速度第 6–8 週會動，報價工時要規則表修過兩三輪才穩，整體回本約 8 個月。
十一、決策清單與行動呼籲
- ☐ 每月詢價量與報價張數有確切數字嗎？
- ☐ 一張報價平均花多少工時？
- ☐ 1 小時內回覆的占比是多少？
- ☐ 報價單集中在同一套系統嗎？
- ☐ 加價與折讓邏輯能口述成規則嗎？
- ☐ 海外詢價是否因語言或時差被延誤？
- ☐ ERP 有開放 API 或可匯出結構化檔嗎？
- ☐ 有人願每週花 2 小時維護規則表嗎？
- ☐ 客戶合約禁止資料上雲嗎？
勾不到 5 項，先補基礎資料再談 AI。帶著答案聊 30 分鐘，我們直說值不值得做：
- Email：[email protected]
- 電話：0916-224-047
- LINE：@ufv9089p