重點先講：傳產 AI 導入的成敗，藏在「AI 幫你跳過的那些地方」
2026 年 8 月我看到一則研究討論（來源：Hacker News，2026-08）：AI 讓學生作業分數上升、考試分數卻下降 原因是 AI 把「學會」需要的摩擦拿掉了——作業變漂亮，但沒真的會
做傳產 AI 導入是一模一樣的道理 AI 讓你很快做出一個「看起來能用」的平台，但真正的交付品質，在那些它幫你順手跳過、你也沒回頭檢查的地方 這篇講我怎麼幫一家傳產製造公司把 AI 平台做到「驗收敢簽」，以及我在驗收當天自己抓到的那個漏洞
我是 Young，20 年產業經驗，橫跨醫療、教育、長照——傳產導入 AI 是我做最多的一塊（一次幫製造廠把 80 幾個產品、460 多項材料特性做成問答系統的過程寫在〈傳產老師傅腦袋裡的東西，AI 到底吃不吃得下〉，為什麼多數傳產 AI 專案會失敗寫在〈你的 AI 專案為什麼會失敗〉）
從第一版到第二版
這是一家傳統製造公司 第一版我幫他們做了一套 AI 平台，交付收款 做得夠好，他們回頭要做第二版——一個更完整的分析平台
對做傳產的人來說，「客戶願意做第二版」本身就是一個信號：第一版不是做完就丟，是真的被用、真的解決了問題，他們才會再投
第二版我交付了兩份東西：一份 40 頁的驗收報告書（23 個項目逐條驗、每項附正式環境的截圖），一份 43 頁的使用說明書（任務導向、29 張圖，寫給實際要用的人看，不是寫給工程師）
驗收當天，我自己抓到一個漏洞
這是這篇最想講的一段
驗收那天，我在正式環境實測的時候，抓到一個權限漏洞：有一個分析用的 API，只擋了「有沒有登入」，卻沒擋「你是什麼角色」——結果一個本來不該看到完整分析的角色，直接呼叫就拿到了 200 回應跟完整資料
這個漏洞，如果我當天沒有「走真實使用者路徑去測」，它會安安靜靜地留在交付出去的系統裡
我當場修掉、加上防止它再發生的測試、重新部署、在正式環境用「正向對照」複驗——確認該被擋的角色拿到 403、該通過的角色拿到 200 才算數
我為什麼要講這件我自己差點漏掉的事？ 因為這正是傳產 AI 導入最真實的樣子——AI 幫你把平台做出來，但那些「登入擋了、角色沒擋」的細節，它不會提醒你，你得自己回頭走一遍真實的路
傳產導入 AI，我看過太多人第一步就錯
我經手過十幾個傳產數位轉型跟 AI 案子，成功的不到一半 失敗的從來不是技術不行，是還沒蹲下來看他們怎麼工作，就開始做了
傳產的東西常常在紙上、在老師傅腦袋裡、在一套用了十幾年的流程裡 你不先理解它，做出來的 AI 再炫都接不上現場 這也是為什麼我做傳產案的第一件事永遠是「先去現場看他們怎麼做」，不是先寫 code
| 多數 AI 導入失敗 | 我怎麼做 |
|---|---|
| 先想技術，再套到現場 | 先看現場怎麼工作，再決定技術 |
| AI 做出來就交 | 走真實使用者路徑驗過才交 |
| 一份能跑的 demo | 40 頁逐條驗收 + 給真人看的說明書 |
| 交付即結束 | 交付到客戶願意做第二版 |
常見問題
Q：傳產老闆常問「我們的文件導入 AI 就能問答嗎」？ 可以，但關鍵是先搞懂那些文件在現場怎麼被用 我做過一家製造廠，80 幾個產品、460 多項材料特性，全部用真實文件做成問答系統上線——難的不是技術，是先理解他們的資料
Q：一個人做得動傳產平台交付嗎？ 這兩個版本都是我一個人 + AI 做的 傳產案的重點不是人多，是有沒有人真的懂現場、又敢對交付負責
Q：怎麼算「交付成功」？ 客戶願意付第二版的錢，就是最誠實的驗收
我是 Young，20 年產業經驗，橫跨醫療、教育、長照 這篇的製造公司已匿名 如果你有一套傳產系統想導入 AI，但怕做出來接不上現場——那正是我最擅長的地方，跟我約一次免費諮詢