《AI創新百強》光寶科技用100題「黃金樣本」拷問AI！工程師知識檢索準確率逾95%

AI走進營運日常，成為企業顯學。約莫5年前，台灣電源供應器大廠光寶科技就開始在LED元件生產線上，修起這堂課。

走進光寶科技廠房內，輸送帶上每一秒輸出數百個、大小僅有1釐米立方的LED元件，由結合AOI（自動光學檢測）與AI設備進行瑕疵檢測，查看元件外觀上有無刮傷、破裂、溢流錫附著、錫膏汙染等微小瑕疵，以確保產品品質、控管良率。

將人工經驗模型化，瑕疵檢測效率飆9成

「這些元件實在很小，以前是用動用很多作業員的眼睛，在放大下鏡找瑕疵，」光寶科技資訊長李逢堉指出。然而，人工辨識瑕疵極耗眼力，難以維持長時間的專注，導致作業速度緩慢，無法跟上高速生產的節奏，再加上人力荒，有經驗的作業員不好招募，光寶為了解決這個痛點，導入「AOI+AI」機制，負責初步檢測，並把人力轉移做瑕疵複測。

但人眼終究有視覺極限，加上產品、檢測設備推陳出新，導致訓練AI所需的大量瑕疵樣本數量不足、收集週期過長，必須針對建構AI模型，動員更多的工程師及時間投入微調。

於是，光寶科技在5年前採用創新技術，整合多模態模型（Multimodel）、數位孿生影像自主生成（Synthetic Data Generation）及機器學習，加速模型訓練並強化 AOI+AI機制，花了1年多的時間，將人工檢測經驗模型化，打造「高品質AI助手」平台，以AOI數位員工檢驗（AI agent）取代人工複判，大幅提升瑕疵檢測效率90%。

結果，這次祭出創新技術與導入AI並行的經驗，讓研發團隊士氣大振，之後從營運至製程都設法複製，發展出專屬於光寶科技的AI模型與平台。

100題黃金樣本「拷問」AI，避免引用錯誤數據

比方說，光寶科技面對訂單形式少量多樣、客戶要求超短交期，為使有限的研發人力必須更專注於快速開發，因而協助工程師簡化撰寫研發報告的繁瑣流程，將AI應用於內部現有的企業知識管理系統基礎上。結合LLM（大語言模型）、生成式AI、檢索增強生成（RAG）、提示工程（Prompt Engineering）等技術，打造「AI知識檢索平台」，串接企業內外各種型態的知識文檔，讓工程師不再需要搜尋各種資料來源，而是統一在平台上進行檢索。因此節省20%至30%知識發掘及與探勘的時間，使工程師更有效率地創造、累積、擴散、分享技術與知識。

同時，為了降低AI可能引入錯誤數據所造成的「幻覺」，光寶科技設計一套100題「黃金樣本」（Golden Sample）拷問的機制，也就是當模型更新或資料增加時，AI會自動跑一遍黃金樣本自我提問的訓練，唯有準確率高於95%，系統才會上線，否則就由人工介入調整，確保工程師在使用AI查詢技術時，獲得精準且安全的答案。

此外，只要有提高工作效率的需求，也都可以導入AI來解決。像是透過對話式AI完成請假、安排出差交通住宿，以及利用AI自動辨識各國發票進行報帳等，讓員工可以在數秒內完成處理，不像過往需要花上好幾個小時，大幅縮短行政流程。

國際化挑戰，供應商AI治理能力成關鍵

「我們不是為了AI而AI，是從解決痛點出發，」李逢堉強調，光寶科技AI轉型之所以快速推進，關鍵在於「由上而下」的企業文化，「其實，董事長（宋明峰）是公司最支持AI推動的人，他密切關注AI趨勢，建議、鼓勵我們運用AI，把來自市場的挑戰與客戶要求，轉化為我們的競爭優勢。」

光寶科技的不同部門之間，也樂於分享AI經驗與成果，「我們強調單一案例做完後，能不能進一步打造成為一個平台，讓有不同的事業部門一起來累積。」李逢堉解釋。

當AI技術正在公司內部快速落地，甚至成為企業治理的重要利器，光寶科技也對所有員工實施長達3個月的AI教育訓練，將AI視為人人應該學會的基礎工作。

李逢堉直言，AI不僅是工具，更啟動產業供應鏈「淘汰賽」。國際大客戶已經不再只看資安，更開始審視供應商的AI治理與技術應用能力，所以，光寶科技透過提早布局AI，將這場技術變革，轉化為立足全球市場的競爭力。

百強AI應用心法
「企業應用AI有4個步驟，首先要了解簡單易用的AI工具；其次將目標聚焦在AI如何結合公司累積的文件，生成能幫助工作的內容；再者，藉推動AI過程重新檢視，並梳理核心知識的生命週期與標準化，可以縮短AI學習與微調的時間；最後則逐步將重複性、需要大量運算的問題，交由AI處理。」—光寶科技資訊長李逢堉

核稿編輯：康育萍、黃巧惠