Kaifa Industrial · AI Transformation Story

Kaifa AI Journey

開發工業 AI 之旅

從看見 AI,
到建立組織的改善能力。

From awareness and experimentation
to organizational capability.

一家製造企業,如何從分享、訪談、MVP、UAT 與種子培養,逐步形成自己的 AI 改善方法。

2026.04.22 — The Journey Begins
V6 · Enterprise Transformation & Organizational Capability Edition

The Starting Point

沒有完整答案,也可以開始

2026 年 4 月 22 日,開發工業第一次以公司層級展開 AI 分享與交流。

當時沒有完整的企業 AI 藍圖,也沒有先採購大型系統。公司先從共同理解開始,讓同仁看見 AI 不只是聊天工具,而是可能重新設計工作流程、知識管理與部門協作的方法。

同一天,第一版 AI 改革方向正式提出,Kaifa 的 AI 旅程也從「認識工具」開始走向「企業改善」。

AI 不只是聊天。
它可能重新設計工作流程、知識管理與部門協作。

看見 理解 開始
2026.04.22
第一次公司 AI 分享
Awareness

The Journey · Master Timeline

Kaifa AI 之旅完整時間軸

從一封分享會通知,到第一個內網系統上線,再到多部門 AI 作業系統逐漸成形。

2026.04.07–04.09
Invitation

AI 旅程開始被召集

公司內部發出 4 月 22 日 AI 分享互動交流會的報名與提醒通知。這是 Kaifa AI 之旅的行政起點,也是公司第一次正式為 AI 聚集人員與注意力。

  • AI 分享會正式啟動
  • 公司開始形成共同期待
  • 第一批參與者被召集
2026.04.22
Awareness

第一次分享+第一版 AI 改革計畫

開發工業第一次進行全公司 AI 分享與交流,並提出第一版 AI 改革方向。上午與下午各進行一場分享互動交流會,同日提交「開發工業 AI 改革計畫(第一版)」。這一天是 Kaifa AI 之旅的實質起點。

  • AI 開始被全公司看見
  • 第一份企業 AI 改革方向成形
  • 分享與治理同時起步
2026.05.21–05.22
Experiment

從知道,走向動手

公司從共同認識走向實際操作,同仁開始嘗試用 AI 處理自己的工作問題,理解 AI 可以邊做、邊問、邊修改。

  • 從觀看進入操作
  • 從工具介紹進入工作應用
  • 0 到 1 的差別開始被理解
2026.05.26–05.29
Prototype

第一批系統與改善提案出現

從報工問題檢討開始,陸續產出第一性原理互動評估與模擬器、減衰力模擬與測試系統,以及會議改革與企業下一個十年的提案。

  • AI 從概念進入工具
  • 研發與流程改善開始有原型
  • 企業問題首次被轉化為可操作網頁
2026.06.25–06.26
Field Discovery

首次完整進入部門工作現場

AI 正式進入研發、品管與生管的真實工作現場。連續兩天進行部門訪談並安排 AI 助理課程,AI 不再只是一場活動,而是進入部門流程、資料與真實問題。

  • 研發、品管、生管問題被系統性盤點
  • AI 助理開始進入同仁工作
  • 第一批部門資料正式交付
2026.06.30
First System Live

第一個 AI 改善系統正式上線

第一個部門 AI 改善系統在內網正式上線,Kaifa 從示範跨入實際使用。品管不良履歷查詢系統完成並上線,代表公司第一次從分享、訪談與原型,走到真正可使用、可持續運作的部門系統。

  • 第一個內網系統上線
  • 品質經驗開始轉化為可查詢知識
  • Kaifa AI 改善正式跨過 0 到 1
First System Live
第一個可使用的成果誕生
2026.07.10
Rapid Loop

研發、生管訪談形成高速改善閉環

研發與生管訪談形成快速改善閉環:問題訪談、錄音整理、需求分析與 MVP 定義在同一天完成,讓問題定義速度大幅提升。

  • 訪談→錄音→AI 分析→報告寄出
  • 問題定義速度大幅提升
  • MVP 需求在同一天內具體化
Kaifa 綻放曙光
The first light of scalable transformation
2026.07.11–07.12
System Emergence

多部門系統開始集體浮現

多部門工具與企業治理框架逐漸形成:生管前叉日查詢、財務與董事會報告系統、AI Improvement OS、改裝車 Venture OS、企業平台架構與顧問方法論陸續成形,Kaifa AI 改善開始由單點工具走向系統化。

  • 多支 MVP 與 OS 同步成形
  • 部門工具開始匯聚為企業平台
  • Kaifa 開始形成可驗證、可複製的企業 AI 轉型案例
2026.07.22–07.24
Participation

從示範導入,到部門共同參與

From Demonstration to Participation

下一階段將由各部門實際使用真實資料,完成操作、UAT、問題記錄、責任指定與下一版規劃,讓改善能力逐步留在組織內部。

  • 各部門從 0 到 1
  • 使用者參與 MVP 改善
  • 建立 UAT 與種子 Leader 機制
  • 決定哪些小程式進入 Platform
Next Chapter下一章,正在發生

Problem First, Not System First

我們不是先買一套系統
而是先解決一個問題

每一個部門都有自己的流程、表單、資料與長期累積的工作習慣。

過去,這些問題常被認為太複雜、太零碎,或必須花費大量預算請外部廠商客製化,因此只能繼續使用原來的方法。

現在,我們選擇另一條路:

1
Listen
傾聽
2
Define
定義問題
3
Prototype
快速製作
4
Test
實際測試
5
Improve
持續改善
6
Integrate
整合平台

Department AI Map

一個部門,一個部門地被點亮

AI 不再停留在概念,而是開始進入每一個工作現場。

Kaifa AI
Operations
Platform
企業 AI 平台

What Has Changed

Kaifa 正在形成的組織能力

0
已完成的重要 AI 里程碑
0
網頁、程式與系統產出
0
預計導入的核心部門
0
逐漸形成的企業 AI 平台

真正的轉型成果包括:

  • 同仁開始主動提出問題
  • 部門開始參與需求定義
  • 使用者開始進行 UAT
  • 系統開始由部門承接
  • 種子開始幫助其他同仁
  • 改善開始留下版本與數據
  • Kaifa 開始累積自己的 AI 方法

The AI Seeds

組織能力,從一顆顆種子開始

AI 轉型不應依賴單一個人,而應讓每個部門都有人能提出問題、參與測試、推動改善與幫助下一位同仁。

如果所有系統都只能由一個人製作,AI 就還沒有真正進入公司。

真正的轉型,是讓每一個部門都有人能夠提出問題、描述流程、測試工具、提出改善,並帶著下一位同仁開始。

1看見 AI
2願意嘗試
3解決自己的問題
4幫助同事改善
5成為部門 AI 種子

從個人學會使用,走向部門具備能力。
從單一案例,走向組織可以複製。

Seed Story · Kaifa 第一顆發芽的種子
Sweet 阿雅 AYA

一位同仁,如何從擔心被 AI 取代,走向主動使用 AI、建立自己的助理,並開始改善部門工作。

Step 01
會計轉業務

AI 浪潮讓會計成了重災區。為了不被淘汰,她主動申請轉調業務。

Step 02
4 月的那一晚

參與 2026 年 4 月公司 AI 分享後,當晚她便開始使用 SUNO、Gamma 與 Claude,正式跨出第一步。

Step 03
置之死地而後生

在老公鼓勵下升級付費版,逼自己沒有退路地學下去。

Step 04
跨過恐懼

「你說中文,我都聽得懂!」這句話,瓦解了她對英文介面深層的恐懼。

Step 05
開始自己做

自建 AI 助理「阿雅 AYA」、搞定出口文件轉檔、建理財助理「168」。

「AI 浪潮下,會計成了重災區。為了不被淘汰,我申請轉調業務,但卻忙得無暇顧及 AI 的發展。
今年 4 月,盧大哥無私地分享 AI 新世界。當晚,我已用 SUNO 寫歌、用 Gamma 做簡報,並註冊 Claude。
在老公的鼓勵下,我決定『置之死地而後生』,升級付費版,逼自己沒有退路地學下去。
過去,英文介面是我跨不過的檻。直到 Claude 親口對我說:『你說中文,我都聽得懂!』這簡單一句話,瓦解了我深層的恐懼。
走過這一遭我才明白:『會用 AI』已經不夠,須『懂得跟 AI 協作、截長補短』。
很感謝當初的自己,勇敢面對恐懼,打破內心那層殼踏入 AI 領域。
AI 改變的不只是工具,而更是我直面未來的底氣與勇氣。」 — Sweet
「雞蛋,從外部打破是災難,從內部打破是成長。」

Sweet 的意義不只是一個成功案例,而是證明 Kaifa 的 AI 能力可以從個人學習,逐步擴散到部門工作。

★ 她自行完成的出口文件轉檔程式,成為營業部出口助理的重要原型,也代表使用者已從「接受工具」走向「主動改善工具」。 已收錄於 lumaworld.me。公開姓名、文字見證與相關影像前,應持續確認本人同意與公開範圍。

Kaifa AI Operations Platform

從部門工具,逐步形成 Kaifa 的企業能力

Kaifa AI Operations Platform 並不是一次採購完成的大型系統,而是由各部門真實問題逐步累積而成。每個 MVP 經過使用、驗證與改善後,才成為企業平台的一部分。

平台的核心不是功能數量,而是資料、責任、流程與改善方法能否被組織持續使用。

Top · 價值輸出
Kaifa AI Operations Platform
Decision決策
Knowledge知識
Efficiency效率
Innovation創新
Middle · 部門 AI 工具
營業
品管
研發
生管
技研
管理
製造
Base · 資料層
Excel
文件
圖面
訂單
品質資料
生產資料
財務資料

目前視角:以七個部門為核心,各自從自己的問題出發建立工具。

Methodology

Kaifa AI 改善方法

One Problem
at a Time
一次解決一個真實問題
Step 01

訪談怎麼問

從同仁每天實際在做的工作出發,問出真正卡住的地方、重複的作業與資訊的斷點,而不是先問「你要什麼系統」。

這套方法不是為單一顧問服務,而是要逐步成為 Kaifa 內部可使用、可教學、可複製的共同工作方法。

這不是一次性專案,而是一套可以持續複製的改善方法。

Evidence · System Master Inventory

Kaifa AI System Master Inventory

企業 AI 改善主清冊

每個系統都必須留下問題、部門、版本、負責人、UAT、效益證據與下一步。這不是個人作品清單,而是 Kaifa 的企業改善紀錄。

系統/產出部門日期狀態版本/檔案負責人UAT效益證據下一步
品管不良履歷查詢系統品管2026.06.30內網上線kaifa-defect-history.html(檔名待確認)品管部+種子執行中查詢時間、使用次數、問題重複率待量測建立月度使用與效益紀錄
7 月前叉日生產計畫查詢生管2026.07.11MVP7月前叉日生產計畫查詢_v10.html生管部+種子7/22–24排程整理時間、錯誤、每日查詢時間待量測實際匯入訂單並完成 UAT
研發知識與專案管理工具研發2026.07.10 起MVP 建置kaifa-copilot.html/版本待確認研發部+種子7/22–24文件查找、專案更新、APQP 同步時間待量測確認第一批真實專案資料
每月財務分析與董事會報告系統財務2026.07.11MVPkaifa-finance-mvp.html會計部+種子待安排月報與董事會報告製作工時待量測用真實月份資料驗證離線流程
出口助理(出口排程/轉檔)營業2026.05.25已完成可用generate_schedule.py+run_all.py營業部 Sweet(種子)已自用文件工時、錯誤率與重複輸入待量測量測工時效益、擴充文件類型
Kaifa AI Improvement OS公司總控2026.07.11–12OS v4kaifa-ai-improvement-os-v4.html種子 Leader/管理者待 Mac 驗證改善案數、Gate 通過率、年度效益統一主清冊與權限稽核
改裝車 Venture OS新事業2026.07.11OSKaifa Custom Performance Venture OSJack GM+專案團隊7/24 會議Gate 1、樣品進度、決策日期確認第一款產品與負責人
技研部第一個 MVP技研7/13–19 規劃下一階段待訪談後建立待指定未開始待定義完成訪談、選定第一問題
管理部第一個 MVP管理7/13–19 規劃下一階段待訪談後建立待指定未開始待定義完成訪談、選定第一問題
製造部智慧製造改善製造長期核心規劃流程/設備/維修能力待盤點製造部+GM未開始設備效率、停機、維修與人力效益先釐清流程,再評估硬體
此清冊中的「待補、待量測」不是缺點,而是必須明確揭露的驗證工作。未經量測的成果,不應被當成已證實的效益。

三個優先建立的改善前後案例

品管|不良履歷查詢

Before

不良紀錄、原因與處理經驗分散,查詢仰賴檔案與資深人員記憶。

After

透過內網集中查詢歷史不良、原因與改善方法,形成品質知識庫。

待驗證:平均查詢時間/月使用次數/使用人數/重複問題率

生管|訂單與排程查詢

Before

光陽訂單、月份計畫與每日機種散落於多份 Excel,需人工轉換與核對。

After

以單一網頁匯入、查詢與輸出每日排程,讓資訊集中且容易使用。

待驗證:每月整理工時/錯誤修正次數/每日查詢時間

營業|出口助理(5/25 已完成)

Before

出口排程與文件轉檔需人工重複整理、檢查與輸入,品質受個人經驗影響。

After

以 generate_schedule.py 自動產出排程與轉檔,一鍵執行、純本機運作,減少重複輸入。

待驗證:單次製作工時/退件或錯誤率/重複輸入欄位數

Mission · 2026.07.22–07.24

從展示成果,到建立組織能力

這三天的成功,不在於新增多少功能,而在於各部門是否能使用真實資料完成工作、提出問題、完成 UAT、指定責任並確認下一步。

1

實際操作自己的 MVP

使用真實資料完成一次完整工作流程,不以示範資料代替。

2

提出至少三個真實問題

記錄功能缺口、流程不合與資料錯誤,讓下一版有明確依據。

3

完成一次 UAT

由實際使用者驗證輸入、處理、輸出與例外狀況。

4

指定負責人與 AI 種子

系統必須有人持續管理,也必須有人能帶著下一位同仁使用。

5

建立效益基準線

先記錄改善前工時、錯誤與查詢方式,才能驗證改善後成果。

6

確認下一版與決策日期

每個 MVP 都要有下一步,不讓工具停在一次性展示。

Kaifa 的組織能力正在形成

01

AI 被看見

公司建立共同認識。

02

同仁開始操作

AI 從概念進入真實工作。

03

部門問題被提出

模糊需求開始被具體描述。

04

MVP 被建立

問題轉化為可操作工具。

05

種子開始承接

使用者參與測試、修改與教學。

06

組織自主改善

即使沒有外部推動者在現場,部門仍能持續改善。

下一階段真正的成果,是 Kaifa 能依照共同方法持續提出問題、驗證工具、累積數據並推動改善。

Governance · Evidence · Replication

讓每一個改善,都能被管理、驗證與複製

當改善從個別工具走向企業能力,就必須建立共同 Gate、證據、責任、權限與版本制度。

問題成立

確認這是真實、重複且值得處理的工作問題,而不是單次需求或個人偏好。

使用者明確流程可描述痛點可重現

MVP 值得做

完成輸入、處理、輸出定義,確認第一版範圍與負責人。

範圍清楚資料可取得兩週內可驗證

UAT 通過

實際使用者用真實資料完成工作,例外情境與錯誤也被記錄。

真實資料使用者簽認問題清單

效益成立

改善前後有可比較基準,至少能量測工時、錯誤、查詢或外包成本其中一項。

基準線量測週期效益證據

進入 Platform

工具已穩定使用、有人負責、資料值得共享,才進入公司平台。

穩定使用權限明確維護責任
V1|故事版建立 Kaifa AI Journey 的敘事與視覺。
V2|完整時間軸補齊訪談、系統與重要里程碑。
V3|成果證據版加入主清冊、改善前後、任務板與種子案例。
V4|治理版加入 Gate、案例檢核、版本制度與清冊匯出。
V5|企業主體版將主角從個人推動者轉回 Kaifa、部門、種子與組織能力。
V6|公開敘事修正版匿名化內部人名、強化公開同意提醒,並調整企業案例定位。
內部提醒:董事會、財報、股權、個人資料與未公開商業資訊,不應放入公開網站或 GitHub。對外案例需先匿名化並取得必要同意。

What We Learned

這段旅程,讓我們學到什麼?

不懂沒有關係,先開始就好。01
第一個版本不需要完美,只要能讓問題浮現。02
AI 不會自動帶來改變,真正的改變來自使用者參與。03
沒有完整藍圖,也可以一步一步走出方向。04
AI 轉型不是安裝一套系統,而是重新設計工作的方式。05

The Core Story

Kaifa,正在建立自己的 AI 能力

Kaifa AI Journey,不是一個人的 AI 成果紀錄,而是一家製造企業逐步建立 AI 能力的轉型歷程。

2026 年 4 月,公司從第一次 AI 分享開始,讓同仁先看見 AI 的可能性。接著透過操作陪跑、部門訪談、問題拆解與快速原型,AI 開始從概念進入研發、品管、生管、營業與財務的真實工作。

6 月 30 日,第一個品管內網系統正式上線,代表 Kaifa 第一次從「知道 AI」走到「真正使用 AI」。

7 月之後,多部門 MVP、AI Improvement OS、企業平台架構、UAT、Gate 與種子制度開始逐步形成。每一個工具都不只是新的功能,而是一個部門學會提出問題、參與驗證與承接改善的過程。

這條路並不是先設計一套完整的大型系統,再要求所有人配合。Kaifa 選擇從真實問題出發,一次解決一個問題,一個部門、一個部門地累積能力。

真正重要的成果,不是完成了多少網頁或程式,而是公司開始形成共同的方法:

問題可以被提出。
流程可以被拆解。
MVP 可以被驗證。
效益可以被量測。
種子可以被培養。
改善可以被持續。

當這些能力逐漸留在部門、留在制度、留在 Kaifa 裡面,AI 才真正成為企業能力,而不只是外部工具。

Toward the Light

Kaifa,正在慢慢天亮

Kaifa is moving toward the light.

Kaifa 的曙光,不是在某一天突然出現的。它是從一場分享、一次訪談、一個問題、一個不完美的網頁開始。

一個真實問題,一個真實問題地解決。 一個部門,一個部門地建立能力。 一顆種子,一顆種子地帶動改變。

當所有人的問題都開始被看見,當所有部門都開始參與,Kaifa 綻放的就不再只是一道曙光。而是整間公司,正在慢慢天亮。

Kaifa 的 AI 轉型,不屬於某一個人。它屬於願意提出問題的同仁、願意參與驗證的部門,以及願意把能力傳給下一位同事的每一顆種子。

Beyond Manufacturing
超越製造,走向智慧與創新
From precision engineering to intelligent transformation.