左記歐洲美國台灣百年進出口商行 安永經營管理商學院 台北愛情學院 101戀愛公寓 EMBA SPA Business College 希臘愛琴海 奢華時尚 生活美學國家品質獎 國家訓練品質獎 歐洲卓越經營模式 美國卓越經營模式 PMP 雲端ERP TTQS ISO10015 英國IIP ASSTD SBIR 芳香精油療法 人力創新獎 創業輔導諮詢 TOC精實管理 MIT經營管理 全球顧問團 時尚精品綠色商城 網誌
Midjourney 是一個AI 繪圖工具
需要綁定Discord（聊天論壇）， 可根據文字生成圖像。
創作者不需要高超的繪畫技巧，只需輸入關鍵字，短時間內就能生成
畫面精緻的圖像。
Midjourney 利用了 深度學習 和 生成對抗網路（GAN）技術
透過大量的圖像數據訓練模型，使其能夠理解
並生成多樣化、高品質的圖像
生成式AI應用概述
生成式人工智慧（Generative AI；GAI）
是指 使用 人工智慧技術 創建 新的數據， 如 文本、圖像、音樂等
模擬人類創造力，生成高品質的內容。
提供 創新 和 多樣 化的 內容，滿足不同需求。
應用領域
文學創作：自動生成 文章、歌詞、故事等。
藝術設計：創建數位 藝術作品 和 設計方案。
音樂創作： 生成 音樂 作品 和 旋律。
遊戲開發：生成遊戲 場景、角色 和 劇情。
案例 ChatGPT：生成自然流暢的文本。
生成式AI核心技術
生成式對抗網路（GAN）
由 生成器 和 判別器 組成，用於生成 擬真的數據。
用於 圖像、視頻 和 音頻 生成。
變分自編碼器（VAE）
一種生成式模型，用於生成 新數據。
適用於 圖像生成 和 數據重建。
自回歸模型
如ChatGPT，用於生成自然語言文本。
能夠生成自然流暢的文本，適用於 多種語言處理 任務。
永續長（Chief Sustainability Officer, CSO），又稱ESG長
是企業 或 政府機構中 負責 推動永續發展的 最高階主管職位，
其職責涵蓋
1.環境（Environmental）
2.社會（Social）
3.治理（Governance）
三大面向的ESG議題。
這些長官 協調內部各部門，制定 並 執行 永續策略，以期符合
國際永續發展趨勢，
並 為組織贏得更好 的 社會評價 與 永續競爭力。
職責範圍
永續長的工作職責廣泛，通常包括：
1.環境保護： 關注氣候變遷、資源保護等議題。
2.社會責任： 推動員工與性別平等、公平薪資、社區發展等。
3.公司治理： 確保企業營運符合ESG規範與社會期望。
4.策略規劃： 引導組織進行永續轉型，確保與國際永續發展目標（SDGs）
接軌。
5.利害關係人溝通： 協調公司內部各部門，並 與外部利害關係人 溝通，
提升 企業的社會形象。
永續長的興起
隨著全球對永續發展的重視，越來越多的企業（尤其在歐美）
都設立了永續長職位。
越來越多的 投資者 和 消費者 也傾向於 支持 具有 良好ESG績效 的企業，
為此，企業需要設立永續長 來應對這些趨勢。
政府機構中的永續長
除了企業之外，政府機關也開始設立永續長職位，
例如由副首長層級的官員擔任，以協調各部門推動國家永續轉型政策，
例如 邁向淨零排放的目標。
挑戰與發展
永續長的職責範圍過去相對模糊，甚至存在職責分散、資源重疊等問題。
然而，隨著永續發展的重要性日益增加，
永續長的職責也在逐步明確化，成為組織永續發展不可或缺的關鍵角色。
「永續發展」的角色
改變體現在 其 從單純的 環境保護
轉變為涵蓋環境、社會與治理（ESG）的綜合性概念，
強調企業在追求經濟效益的同時，必須兼顧對
環境的責任、社會福祉 以及 健全的公司治理，
以實現長期穩定的發展與價值提升。
這種轉變 促使企業 將 永續性 視為 核心策略，不僅因為法規要求，
更因為它能提升
1.企業的品牌形象、
2.吸引投資者與消費者、
3.降低經營風險，並
4.在不斷變遷的市場中保持長期競爭力。
永續發展的角色轉變從何而來？
從環境保護到全面的ESG框架：最初的「永續」概念 多聚焦於 環境保護，
而後逐漸擴展為包含
環境（Environmental）、
社會（Social）與
公司治理（Governance）
三大支柱的ESG框架。
來自全球利害關係人的壓力：
投資者、消費者、員工和政府
等各方利害關係人，
因關注永續發展而要求企業承擔更多社會與環境責任。
氣候變遷與資源減少的挑戰：
面對日益嚴峻的氣候變化和有限的資源，企業必須負責任地發展，
以降低對地球的負面影響，這促使永續性成為必不可少的策略。
法規的強制要求：
許多國家和地區紛紛出台法規，強制要求企業 編制 和 申報 永續報告書，
使永續發展 不再是可有可無 的選擇，而是必須履行的義務。
永續發展對企業角色改變的影響
提升企業 的長期價值 與 競爭力：
良好的ESG實踐有助於企業吸引投資，提升品牌形象，
並透過風險管理來降低營運成本，最終實現價值成長。
吸引年輕一代的投資者與消費者：
越來越多的年輕世代，尤其在年輕投資者中，願意為支持永續發展
而選擇ESG表現良好的企業，甚至願意在一定程度上犧牲投資回報。
促進企業經營的創新與轉型：
為達到永續發展目標，企業需要不斷優化其生產模式、管理流程和供應鏈 ，
這不僅能降低成本，也能帶來創新的機會。
打造更具彈性的企業韌性：
透過建立健全的公司治理和風險管理機制，企業能夠更好地應對
市場變動 和 突發事件，提升經營的韌性。
永續發展的角色已從「額外的責任」轉變為「核心競爭策略」，
要求企業成為負責任的經濟參與者，在賺取利潤的同時，
為社會創造價值並保護地球。
ESG最前線／永續長轉型 走向決策核心
2025/09/11 01:29:45
《華爾街日報》於2025年7月刊登的
（永續長重新校準職責，以確保減碳行動持續進行），
揭示全球企業的永續長（Chief Sustainability Officer，簡稱CSO）
正處於角色轉型的時刻。
過去，CSO被視為企業形象的代言人，負責宣傳碳中和與ESG承諾；
然而，在經濟壓力加劇、政策標準不一以及市場逐漸傾向短期績效的情境下，他們的定位正在發生深刻變化。
首先，CSO的語言與策略將從過去的口號化走向務實。
企業在早期推動ESG的浪潮中，習慣以「碳中和」、「淨零」等願景式的口
號來彰顯決心。
然而，許多新創公司乃至大型跨國企業，已經逐漸淡化這些字眼，
改以「韌性」、「風險管理」、「安全」等務實語彙來與外界溝通。
這種轉變嘗試把永續議題嵌入日常營運，避免流於空洞口號。
對CSO而言，未來的挑戰不在於如何喊得更響亮，
而在於如何讓員工、投資人與政策制定者產生共鳴。
其次，CSO的決策地位將從邊緣走向核心。
以往CSO多半是環境或社會議題的倡議者，
但如今他們需要具備財務與營運思維，與財務長（CFO）
等核心角色建立緊密合作。
未來，永續不再只是「錦上添花」的企業加分項目，
而是直接牽動盈虧的商業決策。
例如，
食品產業若投資再生農業，不只是形象工程，更是確保供應鏈穩定的長遠保障；
航空業推動永續航空燃料，也不僅是政策壓力，而是維繫市場競爭力的必要投資。
這樣的轉型使得CSO必須具備說服董事會的能力，
以具體數據證明永續策略的財務價值，
從而成為與CFO、COO並列的重要決策者。
最後，治理方式也正在由分散走向整合。
跨國企業如 聯合利華 已將 永續部門 與 公共事務 合併，
以確保永續策略能與政策遊說、品牌聲譽及對外溝通緊密結合。
這顯示未來CSO將不再只是單一部門的領導者，
而是跨部門協調的總管。
他們需要統籌資源，整合內部不同單位的工作，
並同時與外部政策、供應鏈及國際組織協商，
確保永續行動不流於「報告導向」。
綜合而言，CSO的角色正從「象徵」轉向「實質」，從「邊緣」走向「核心」。
語言上的轉變讓永續更容易被理解，
決策地位的提升則使其成為企業戰略的必要一環，
而治理模式的整合化，則讓CSO真正有機會將永續深植於企業文化與制度之中。
雖然挑戰不少，但這些轉變也賦予CSO前所未有的價值。
他們不再只是外部的倡議者，而是直接塑造企業未來方向的關鍵推手。
在淨零與碳中和承諾備受質疑的時代，CSO的任務是證明永續不只是形象工程，
而是與企業成長與獲利共存的戰略路徑。
當永續真正與財務績效相連結時，它才可能成為企業長期競爭力的一部分。
這或許是永續能夠在風險與機會並存的時代中，真正落地的契機。
生成式 AI 應用 與規 劃 L12
人工智慧基礎概論 (L11)
團隊的意涵
是指 一個 為了 實現共同目標 而由 相互協作 的
個體 組成 的 正式群體，他們 依賴彼此合作 以達成 比個體貢獻總和
更大的成果。
構成要件包含：
1.明確的共同目標
2.具有不同專長和能力的成員
3.成員間明確的角色與分工
4.相互依賴和共同承擔責任的關係。
團隊的意涵
1.共同目標：團隊成員具有共同的、明確的目標，並為此共同努力。
2.協同合作：團隊中的個體不是獨立工作，而是通過協作來達成目標。
3.互賴互助：成員之間相互依賴，必須互相配合才能產生預期的成果。
4.成果加乘：團隊的成果通常遠大於成員個別成就的總和。
團隊的構成要件
1.目標導向：必須有一個明確的共同目標，這也是團隊的黏著劑。
2.成員組成：由多數人組成，並擁有完成特定任務所需的各種能力和專長。
3.明確分工：成員各自扮演明確的角色和責任，並透過分工來實現資源
的最大化運用。
4.領導者與協調者：通常由一位領導者進行統籌或協調工作。
5.共同承擔責任：團隊成員共同承擔責任和風險，並接受管理與督導。
6.溝通與信任：開放、透明的溝通是成功團隊的關鍵，
同時也需要建立信任和尊重。
個體到團隊：始於 個人潛力，終於 團隊效能
VUCA時代 是指
1.「易變性」(Volatility)
2.「不確定性」(Uncertainty)
3.「複雜性」(Complexity)
4.「模糊性」(Ambiguity)
四個特徵所構成的環境狀態，最早源於軍事領域，
用於 形容冷戰後 的動盪世界，
後被商業領袖 用來描述 快速變遷、混亂的 商業環境。
VUCA的四個特徵
1.易變性(Volatility)：
指 挑戰 和 狀況 的 變化 速度快、 具備多變 的變數。
2.不確定性(Uncertainty)：
指事件的未來走向 難以預測，現有資料 不足以精準推導，
導致 難以 迴避風險。
3.複雜性(Complexity)：
指環境因素 錯綜複雜、相互關聯性高，需要考量 眾多面向才能理解。
4.模糊性(Ambiguity)：
指 對情況 缺乏認知，對事物 處於未知 的狀態，難以做出準確判斷。
對VUCA時代的應對
在VUCA時代，組織和個人 需要培養適應變化 的 能力。
1.提升 學習力 和 彈性：
不斷 學習新知，增強解決問題的能力，保持正向開放 的心態
來面對 新領域。
2.培養 思辨 與 洞察力：
提高 邏輯思維、觀察和分析能力，從混亂中 找出事物的源頭，
找出核心問題。
3.強調 溝通 與 合作：
建立 清晰的 溝通管道，促進多元團隊合作，
匯集不同專長 來應對 複雜情況。
4.保持 警惕 與 應變：
隨時 保持警戒， 對突發事件保持敏感性，並制定應對計劃，
展現領導者的彈性。
生成式AI在製造領域應用展望
一、生成式AI特性與應用效益
(一)生成式與鑑別式人工智慧
生成式人工智慧(Generative AI，簡稱生成式AI)與
鑑別式人工智慧(Discriminative AI，簡稱鑑別式AI)，
都是基於機器學習的重要人工智慧技術。
鑑別式AI 可以 透過有標註資料 學習訓練，對輸入資料
進行辨識、分類。
這類AI方案目前已經大量應用在許多領域；
例如
1.人臉、
2.車牌辨識，
3.產品瑕疵辨識與分類，
4.人員及場域環境安全辨識與警示，
5.人體病徵辨識等。
相對於以辨識、分類為主的鑑別式AI，
生成式AI則可以透過大量資料學習訓練，
依據輸入資料，自主產生新的資料內容。
輸入與輸出資料類型可包括
文字、語音、圖像、影像、程式碼、3D模型數據等。
目前生成式AI模型建構，主要方式之一是
透過Generative Pre-trained Transformer(簡稱GPT)方式，
利用
極大量的非標註、非結構化資料與
自監督式學習(Self-Supervised Learning)過程
進行訓練，
然後建構出基礎模型(Foundation model)。
這類基礎模型可以依據輸入資料，自動產生出一段新的內容。
例如目前十分熱門的ChatGPT，可以依據使用者輸入的文字提示，
回答問題或產生一段文章、一份文案。
不過這種基礎模型，對於較專業的問題，可能無法提出令人滿意的答案。
這時可以再透過少量人工標記資料，對基礎模型進行更專門的學習訓練，
調適(Finetune)成客製化模型。
這些客製化模型可用於更專門的領域，例如 繪圖、設計、機器人控制等。
(二)生成式AI應用效益
無論是生成式AI或鑑別式AI，其應用效益都包含
自動化、高速化與準確性(相對於特定人員作業結果)。
例如
鑑別式AI，結合 自動光學檢測(AOI)，讓製造業者
能提高 零組件 與 產品自動化檢測 速度 與 準確性，
進而降低人力需求與誤判率。
生成式AI應用 同樣具備 自動化、高速 與 準確性等效益。
以ChatGPT為例，其功能包含：立即式問答與回應；
對相關資料內容自動提出文字摘要；
依據輸入提示，自動產生文章、文案、程式碼、設計方案、圖形或影像。
因此像ChatGPT這類生成式AI，具體應用與效益包括：
作為更智慧化的人機介面；
例如更快速、正確理解使用者發出的自然語言並進行回應。
協助創作者更快速產生文字、音樂、圖像、影音等數位內容；
特別是在創作初期，能依據較少的提示，快速產生具可用性的初稿。
依據提示快速產生程式碼，
協助程式設計師提高軟體建構速度與效能。
協助知識工作者，對特定議題內容進行快速彙整、產生重點摘要；
提高後續編輯、分析工作效能。
二、生成式AI在製造領域應用潛力
相對於鑑別式AI已廣泛應用在製造場域，生成式AI在製造領域的應用模式與價值，仍需要持續探索與驗證。
工研院機械與機電系統研究所饒達仁所長在一場研討會中指出，生成式AI在製造領域的潛在應用場景包括：
依據工研院產科國際所ITIS研究團隊觀察，生成式AI在製造場域的主要潛在應用可區分為幾類：市場與產品需求探索，創新產品設計，控制程式自動生成，知識管理與人員作業協助，智慧化人機介面。以下分別進行說明。
(一)市場與產品需求探索
如何發掘新市場機會與確認目標客戶需求，是企業在市場開發與新產品研發過程中面臨的關鍵問題。大多數企業通常會通過市調、問卷等途徑來進行新市場評估與客戶需求探索；但是這會耗費相當的時間、人力資源與資金成本。
未來則可利用生成式AI，依據設定目標，從廣泛的社交媒體、新聞資訊等數位內容中，快速限縮客戶消費趨勢變化與需求缺口研析範圍，甚至提供具體的探索方向。這可以縮短新市場與產品需求探索時間，減少人力與資金投入。
(二)創新產品設計
產品創新設計是製造業爭取客戶與開發市場的重要工作。優秀且具有市場競爭力的新產品設計，需要仰賴研發設計團隊的持續努力，除了工程能力外，也需要能迎合消費者喜好，或是透過融合新趨勢來帶動新潮流。生成式AI因為可以透過適當的提示與引導，快速生成新內容，因此相當適合用來協助進行產品設計。
例如國際知名家具業者IKEA旗下的未來創新實驗團隊SPACE10，以IKEA公司過去的家具型錄作為資料，訓練AI模型來生成具有1970、80年代復古風格的新家具設計。不過由AI設計的家具，還無法兼顧到工程知識，因此部分創新家具設計結果缺乏實用性。
國內設計領域學者也曾對生成式AI在協助進行產品設計方面的價值進行研究。研究結果顯示，在產品設計初期，需要衍生眾多創意；使用AI能快速產生許多可能方案，可加速設計創意形成。但是到設計後期，需要對設計創意進行細部調整優化，並需要考量產品實際使用性與生產製造等因素，這時就需要更多人工介入，無法完全仰賴AI。
除了新產品外型設計，生成式AI也可協助工程師進行產品結構與零組件設計優化。特別是結合積層製造應用，生成及製造具有特殊結構的輕量化零組件(如圖1)，可以應用在航太、汽車、機器人等產業。
例如工業機器人領導廠商ABB，與Altair、MX3D公司合作，結合生成式AI及積層製造技術，設計、製造重量更輕的機器手臂結構，可協助強化機器手臂操控性與提升精準度；同時也可以更快速滿足客製化機器手臂研製需求。
資料來源：工研院產科國際所ITIS研究團隊(2023/07)
圖1 使用生成式AI協助產品輕量化結構設計
(三)控制程式自動生成
眾多ChatGPT使用經驗顯示，軟體系統開發人員可以透過生成式AI自動產生程式碼與進行除錯，因此可加速軟體系統研發。
在製造領域，有許多工作都涉及到軟體開發與程式撰寫。包括各類製造與生產管理資訊系統，數值控制(CNC)工具機加工程式(NC code)，各類運用於自動化裝置的可程式控制器(PLC)程式，以及工業機器人控制程式等。因此製造領域研發與工程人員，可以透過生成式AI，自動生成相關程式碼，進而縮短軟體與控制系統研發或更新時程。
例如Siemens公司，已使用生成式AI來協助軟體開發人員和自動化工程師，加速PLC程式碼生成。該公司在2023年德國漢諾威工業展中，展示工程團隊如何透過自然語言輸入，由生成式AI自動產生PLC程式碼，進而減少軟體開發時間和降低人為程式撰寫錯誤機會。
(四)知識管理與人員作業協助
企業知識管理是建構獨特競爭優勢，以及強化人員教育訓練、從既有知識衍生新價值的重要工作。
但是企業知識類型複雜、資料量龐大，建構與管理需要耗費大量人力、時間與資金；即使是大公司也不容易成功推動。
而透過生成式AI，可以將企業內部中不同類型知識串聯，並針對人員作業或訓練需求，快速產生有用的輔助資訊內容。
包括設備維護手冊與維修紀錄，生產與管理標準作業程序(SOP)，人員訓練教材等，都可作為生成式AI訓練學習資料，並用來進行企業知識管理與人員作業協助。
例如
美國新創公司Pryon，研發AI人員輔助工作平台，
可透過上下文關聯、自然語言、生成式AI來蒐集、彙整企業各類資訊；
並透過語音助理，讓企業員工可以從不同管道快速檢索、取得所需資訊，
提高作業效能。
(五)智慧化人機介面
類似ChatGPT的生成式AI，可以流暢的用文字與使用者對話。
生成式AI，結合語音辨識技術，可以建構出能理解人類自然語言，
並進行有意義對話的智慧化人機介面。可應用在各種製造場域機台
與設備操作、維護，實現人機協作，以及提供更快速的客戶服務。
Google及Microsoft公司，都在嘗試發展以生成式AI實現更簡便的
機器人控制方案。例如以自然語言或感測影像資料，
指揮機器人完成指定工作。
未來也可能出現可與操作人員對話的加工機械設備，
能依據自然語言快速設定工作程序，以及提出異常問題警示及
故障排除方案建議。
三、國際廠商發展動態
目前許多國際廠商正持續發展生成式AI方案，
未來在製造場域將會出現更多相關應用。以下僅針對部分廠商，
以生成式AI進行產品設計及機器人控制的研發狀況進行說明。
(一)生成式AI產品設計
相較於以文字或自然語言作為提示，讓生成式AI執行產品設計工作，
美商PTC認為以3D資訊作為輸入，再由生成式AI直接產生3D設計圖的
運作模式會更為恰當。
PTC認為3D零件特徵和外型輪廓都具有相當複雜性，
不容易只依靠一段文字描述，就能讓生成式AI產生所需零件設計。
設計者反而可能因為無法直接獲得精確設計結果，
需要反覆調整輸入提示，進而增加設計工作時間。
PTC的3D CAD產品Creo已具備生成式設計功能。
使用者可先提供一個3D建模概念，AI就會依據此概念，
生成符合需求的3D設計結果。未來也會在雲端CAD軟體Onshape中
提供生成式3D功能。
Creo系統中提供兩種生成式設計工具：
Generative Topology Optimization (GTO)及
Generative Design Extension (GDX)。
GTO能依據材質、製程，自動生成具優化結構的零組件設計結果。
GDX則採雲端設計，允許使用者設定多組製程、材料，
然後會產生多組優化設計結果給設計人員參考、評估。
(二)生成式AI機器人控制
Google和德國柏林工業大學(Technical University of Berlin)研究人員，
已共同推出可用於機器人控制的PaLM-E多模態視覺語言模型(VLM)。
PaLM-E結合視覺模型ViT(具有220億參數)以及
語言模型PaLM(具有5,400億參數)，並綜合自然語言及視覺訓練，
使機器人可以理解人類的指令，以及將環境及物體影像納為輸入，
進而即時完成人類指定工作。
PaLM-E屬於實體(Embodied)語言模型，能接受連續的感測器訊號，
並將文字和環境、物件圖像，以及機器人本身狀態等感知資訊相連結。
Google公布使用PaLM-E對機器人進行控制的範例，
是要求機器人從桌內抽屜將玉米片拿給下命令人員。
機器人首先需要從人員下達指令中確認具體工作要求，
然後再借助機器視覺協助，從抽屜中找到玉米片並遞送給人員。
在進行測試時，研究人員也故意製造外部干擾，
將玉米片從機器人手中搶走，並放回抽屜內。
機器人隨後會再從抽屜內將玉米片拿出，並遞送給下命令人員。
Google所做的研究顯示，透過生成式AI，使用自然語言或肢體動作來
進行機器人即時控制是可能的。
這將可大幅降低機器人導入門檻(減少專業人員教導或
撰寫控制程式需求)，以及增加使用彈性與便利性。
四、結論
鑑別式與生成式AI都是基於機器學習的人工智慧技術。
在過去幾年，鑑別式AI技術在製造領域應用正加速擴散，
並在品質檢測、設備健康診斷、人員安全與作業效能提升、
確保工作場域環境安全等方面顯現AI應用方案價值。
而在ChatGPT發布後，如何挖掘生成式AI在包含製造業在內的
各種產業應用潛力與價值，也成為新興話題。
經過適當訓練的生成式AI，可自動、快速產生新的文字、圖像、影音內容，
以及3D模型、程式碼。
因此在製造場域的潛在應用包括：
1.協助挖掘新市場機會與產品需求；
2.加速創新產品設計及獲得優化設計；
3.軟體系統、工具機、自動化裝置、機器人控制程式自動生成；
4.增加企業建構知識管理系統能力與降低成本，
5.並透過資料與資訊快速擷取、彙整，提供人員作業即時輔助；
6.透過智慧化人機介面，強化機器人、設備控制與人機協作能力。
國內製造業者未來可以透過與產學研界AI研究團隊合作，
針對上述製造場域應用類型，以通用性的生成式AI基礎模型，
結合產業專門資料，進一步建構符合製造業應用需求的
客製化生成式AI模型。
發表文章
所有留言
