2024年底工研院發布明年（2025）預估結果，經濟景氣將緩步回升，輔以AI終端應用商機擴大，預估整體製造業產值達25.9兆元新臺幣，年增率為6.48%。且觀察到現今國際間有三大影響臺灣製造業發展的關鍵趨勢，分別為：地緣政治風險加劇、產業AI化需求及永續供應重要性升溫。

無獨有偶，擁有全球最先進資料儲存技術與服務的IT先驅Pure Storage也預估，2025年將有三大轉變隨下一波AI浪潮而起，分別是：

▉工業AI將隨著2025年的下一波AI浪潮而起飛。

▉機器學習與代理式AI將在2025年徹底改變企業的決策過程。

▉企業對AI的支出將大幅提升並轉向RAG（擷取增強生成）。

說到AI應用，許多企業欲利用AI預測產品未來銷量或需求量，根據累積多年的資料，找到其中的關聯進行預測。然而實際執行卻發現預測數值和實際數字有所落差，原因很可能出在資料不夠透明正確，也可能是摻雜人為因素的誤失。

市場環境變數多，善用AI打破傳統預測困局

企業管理者做出決策的關鍵因素在於預測和判斷，而在做預測的「前、中、後」過程中，都對應許多作業流程和管理分析，這些也形成企業的痛點，包括：

▉統整各客戶或通路不同格式的需求預測，過程容易出現人工失誤。

▉釐清預測各版本間差異耗時耗力。

▉無法衡量自主預測方法的合理性，以及預測結果的準確率。

▉拿到預測要等生管計算供給與需求展開備貨計畫，業務無法及時掌握出貨風險。

▉無法即時掌握需求變化導致的呆滯風險。

企業需考慮向上游供應商訂購原材料的採購時間，以及送至工廠的生產時間，還有物流時間，因此為了縮短交期，企業就需提前備貨。不過，如果備貨太少，將可能錯失商機；但儲備大量的庫存，無論是倉管的薪資、倉庫空間等等維護成本皆會提升。

資料來源：預測透鏡

許多企業常因庫存過剩或缺貨問題而困擾，鼎新數智裝備製造事業部總經理李浩瑜表示，近年來由於受到貿易戰、地緣政治通貨膨脹等多元因素影響，不少企業客戶普遍面臨既有的營運流程、標準作業流程（SOP）無法支援其快速回應市場挑戰，例如頻繁地設計變更導致產品生產環節與研發採購脫鉤、甚至嚴重影響交期。

而這些變動因素也使得企業備貨難度提升，若只用以前傳統的預測方法，已不敷使用。以重視「準時達交」的汽車零配件廠商來說，雖然車廠需求說變就變已是家常飯，但近年因應減碳趨勢而拓展新的產品項目，外部變動更加頻繁，使得企業內部原本就存在的「專案進度不透明難管控」、「交付物不完整」等問題益趨放大，也增加預測的難度。

因此鼎新數智希望能協助企業客戶提升市場競爭力，推出將產業經驗及知識封裝、結合數據創新運用的METIS平台，其中的「預測透鏡」就是為能有效掌握需求來源，進而達到合理備貨，降低交付不及和庫存呆滯的風險。

AI去除人為偏差、還能自行優化，提升企業決策精準度

以往預測需求多為資深人員完成，無論收集或統整資料、分析評估等階段，皆由人工作業。然而不同人員的預測，各有自己的方法，有的憑經驗與感覺，也有依過去一定期間的平均出貨量，或是看去年同期歷史出貨，判斷基準不一，且經驗難以傳承；此外人工作業耗時、耗力，也容易因錯漏資訊而造成誤判。

無論是外部或內部因素，綜觀來說，需要AI來協助人員完成預測工作，主要有兩大理由：

1.供應鏈不確定性

由於供應鏈的慣性和傳導存在時滯，一個變動的發生到實際採取應對行動中間有時間落差，尤其中上游企業對衝擊的調整幅度通常大於下游產業，這是因為中上游企業通常需要更長的時間來調整生產計劃，以應對市場需求的變化。例如疫情期間，當下游產業停產或減產時，零部件的需求急劇下降，進而影響到上游的零部件供應商，使其不得不進行減產甚至停產。

2.依賴人工經驗預測

預測領域相關知識較為專業，需要積累足夠的經驗，且人工在處理複雜性數據上較為困難，甚至無法完全妥善處理。對於企業來說，人才培養成本高，準確度亦會依人員經驗程度不一，有一定的誤差風險。

其實上述問題可透過AI快速的彙整歷史數據，並可利用自主預測的模型建置來傳承企業的知識，就能複製、傳承備料經驗，之後任何人進行預測時皆可應用資深人員的經驗，避免斷層問題。而且，即使傳承資深人員的經驗，AI還能進一步優化、改進傳統的預測方法，關鍵在於：

1.客觀性強

去除個人主觀意識的偏差，且透過大數據分析，可減少人為因素干擾判斷，範圍也較大，速度亦較快。

2.精確度高

一般人為判斷，常因想得越多，眾多考量因素互相干擾之下，使得精準度隨之降低。而AI可透過大數據分析及加入內外部資訊進一步預測，提升分析結果的可靠性。

3.可複用性高

個人經驗可能隨著人員異動，無法作為公司資產傳承，而系統沉澱的知識可以重複被使用。

4.範圍大、速度快

人員可以考慮到的變數有限，AI可以學習大量的內外部資訊，且根據AI模型快速提供各產品的預測建議。

透過AI協助預測，不僅提升精準度，還能確保庫存處於最佳狀態，避免錯過訂單商機。人員在執行流程上也能事半功倍，管理者亦可因此做出更準確、更深層的判斷與決策。

資料來源：預測透鏡

預測透鏡三大優點，協助企業精準預測

所謂預測，便是將複雜多變的各種因子，例如客戶的需求時間、備料的lead time、市場的趨勢、行業的景氣、客戶的分布等等交叉考量後，得出最有利於企業的備料模式，這就是需求預測的核心觀念。

隨著科技發達，AI技術已能幫助企業解決這些複雜的計算。而鼎新數智亦透過AI技術研發資料分析、自動化處理的高效系統工具，協助企業將管理流程最佳化，提升營運效率。「預測透鏡」能根據末端市場的潛在需求，預測前端供應商的備料規劃，進一步提升企業的預測能力和反應速度，使之更精準預測市場需求，優化供需配合。

預測備貨是企業主可以提升自身價值的著力點，在客戶需要的時候，及時將產品送到客戶手上，更是提升市場競爭力的關鍵。「預測透鏡」透過深度學習與巨量資料分析，加速企業內部資料流通與資訊共享，同時協助企業控制成本與管理風險。

面對不同客戶、不同格式的forecast，過往以人工整理十分耗時且容易出錯，「預測透鏡」只需在第一次使用前設定好，後續一鍵將檔案導入，即可高效整理forecast；若客戶給的forecast格式有所變更，系統也會支持彈性的調整，簡單操作即可便捷的完成維護工作，大大降低人工整理成本。

歸納預測透鏡所具備的三大特點：

1.AI預測建議

透過清洗企業內外部大數據，運用AI機器學習模型和深度學習模型，企業能夠發掘其中潛藏的高價值資訊。根據歷史數據軌跡和市場資訊，自適應出符合企業特點和運作規律的預測模型，可針對不同產品提供精確的預測建議，幫助企業在競爭激烈的市場中做出更為明智的決策。

資料來源：預測透鏡

2.供需偏差應對

一般企業日常供需計算展開備貨計畫，但在年終盤點時才發現庫存積壓問題，「預測透鏡」可協助企業及時檢視最新需求與廠內當下備貨的偏差狀況。透過偏差分析分布圖，快速掌握廠內供給大於預測需求過多的高風險品項，檢視明細進一步確認當下是否有在製或在途的備貨資訊，可以及時做相應的修正，避免存貨越積越多。反之，亦可看出供給不足的品項，並分析偏差原因，即時調整備貨節奏。

3.自動檢視安全庫存水位合理性

結合AI預測、歷史銷貨、補貨率等數據，利用科學方法滾動計算安全庫存建議值，並依自定義更新頻率，定期評估安全庫存水位的合理性，確保庫存管理達到最佳狀態，避免過多或不足的庫存問題。

即使有客戶提供的預示量，或是企業在做例行性的自主預測，當這些來源預測不準確時，後續再多備貨策略都是徒勞無功。尤其預測時間拉長，變數自然變多，在有限的人工考量下無法面面俱到，準確度就會大幅下降，因此需要AI輔助這一塊的不足，以利企業做出更好的決策。

數智預測，掌握未來企業升級關鍵

大多數公司因為沒有足夠的時間和人手，或是員工不具備資料分析的能力，在銷售預測上力不從心。除了過往歷史數據，未來的銷售和市場波動息息相關，像是國家發展委員會發布的景氣燈號、製造業採購經理人指數，或是行政院主計總處更新的GDP相關指標、財政部的進出口資訊，可能都和未來的銷售趨勢有關連性。

而AI分析具有三大特性，足以完成企業所需的預測任務：

1.大數據處理

企業的目標是預測未來的銷售數量，因此可先將過往的銷售數量資料，一次性的導入AI模型，會做得比人工又快又好。

2.多變量分析

業務手上的客戶、地區、年份等市場資訊，亦可一併給AI模型，從大數據中找到特徵重要性。

3.演算法的推薦

除了數據之間的因果關係，AI同時也會參考多種方法來提高預測的精準度，例如分析歷史銷售數據是否有加權平均或是季節性趨勢的時序性規律。

且與人工相較，收集、分析資訊作業快速，也更為客觀，且不受時間限制，AI模型會做為公司的資產持續傳承，可重複使用。

資料來源：預測透鏡

此外，AI亦能自主學習、不斷優化，將會持續偵測實際發生的銷售數量，來檢視預測的誤差率，當準確度偏離原本的預期時，AI模型就會自主再訓練，持續優化預測方法。

企業的備貨方式及數量直接關聯到生產成本，也連帶影響資金的運轉壓力。面對每一家客戶的forecast準確度不一的挑戰，企業光憑人工方式定期分析、審視庫存，過於耗時費力，若能制定出標準的模組，快速運算出來後，再把關鍵料／成品備齊，可有效縮短接單及銷貨天數，提升整體存貨的周轉率，也代表企業的金流可以更活躍。

「預測透鏡」等同於一位可以精準預測的統計學專家，即使人員離職或調動崗位，新人接手也無需擔心，AI模型可以結合企業歷史資料和最新市場資訊，給到決策者大數據分析基礎下的建議，讓企業避免經驗斷層問題，在面對多變的市場環境仍能保有競爭力。

參考資料：工研院IEKCQM、聯合新聞網