工廠的 AI 知識庫，要回答的是這條線、這個版本、這套權責下的問題。它能不能用，看三個條件：來源經過核定、範圍經過授權，以及答不出來時能明確說出來。
本文重點
工廠的 AI 知識庫，要回答什麼？
通用 AI 回答的是公開資料裡的普遍說法。工廠現場要找的，是某一站的作業順序、換線注意事項，或異常後該通知誰。
AI 知識庫是疊在既有資料與文件上的一層應用。SOP、檢驗標準與異常流程沒有先累積、核定並管理，系統就沒有可據以回答的內容。本文談的是 AI 知識庫的文件問答；製造業 AI在工廠還能落在哪些工作，可參考延伸閱讀。
條件一：知識庫的來源怎麼經過核定？
文件管制的起點，是文件建立或修訂後，由權責單位核定最新版。接著把知識文件連同可閱讀的權限範圍彙整，建立可查詢的索引。RAG（先查文件再回答）就是讓系統先找到依據、再組織回覆的一種做法。
回答時，AI 依核定內容作答並附上來源，提問者能回頭確認依據來自哪份文件、哪個版本。文件修訂牽涉到設計變更時，變更怎麼通知到現場，也會影響知識庫裡的版本是不是最新。
條件二：知識庫的查詢範圍怎麼經過授權？
AI 能讀哪些資料、能不能動到工單或 BOM，和新進人員取得資料權限一樣，要先由權責單位界定。不同角色在被允許的範圍內，查詢自己需要的內容。
涉及製程安全、品質放行或尚未核定的程序，以權責人員核定的文件為準。AI 協助找到依據，決定留給具有判斷責任的人員。
條件三：知識庫答不出來時怎麼說出來？
文件沒有明確記載時，系統回覆查無資料，不補上一個看似合理的答案。答不出來的題目被標記，交由管理者回看，判斷要回補內容還是修訂文件。
這是例外管理的思路：管理者把注意力放在答不出來的那幾題，這些題目指出下一份需要補齊的文件。問答紀錄也讓文件補正與教育訓練有可回看的起點。
AI 知識庫從哪裡開始建？以一家 LCD 組裝廠為例
冠理協助一家 LCD 組裝廠規劃時，AI 的用途是支援製造現場作業知識，以及跨部門的技術知識管理。起步時先挑兩到三類最常被問的情境，例如新人查某站作業順序、換線注意事項與表單填寫規定，或遇到材料、設備、QC 異常時，查已核定的異常流程、判定標準與該通知誰。
這家廠第一步決定開放的是文件問答，並且把「明確沒有對應內容時，AI 是否回覆查無資料」列進驗收題目。
想在自己的工廠開始，可以照這三步：
- 挑出常被問、而且需要回到現行規範確認的兩到三類情境。
- 盤點對應的已核定 SOP、製程操作規範、品質檢驗標準，以及材料與標籤處理規定，並界定哪些人可以查詢。
- 把「沒有對應內容時是否回覆查無資料」寫進驗收題目。
冠理怎麼建工廠的 AI 知識庫？
冠理科技在 AI 導入裡負責製造業場景的規劃與導入顧問。知識庫這一層由 Q-Knowledge 承接：先把 SOP、技術文件與 FAQ 匯入，員工提問時，系統從這些文件裡檢索相關段落，依據來源回答。
同一層還有權限治理與安全紀錄，以及和既有系統之間的資料連接。前面講的三個條件，在規劃時就是落在這一層：文件經過核定才進知識庫、誰能讀哪些內容先界定清楚、答不出來的題目留給管理者回看。
關於 AI 知識庫，常被問的問題
AI 知識庫和一般的企業知識庫、雲端硬碟差在哪？
一般的企業知識庫與雲端硬碟用來集中保存文件。AI 知識庫讓員工用平常說話的方式提問，系統依核定內容回答，並附上可回查的來源。兩者的前提相同：文件本身經過管理。
文件還沒整理好，可以先建嗎？
可以從少數文件開始。先挑兩到三類最常被問的情境，把這幾類對應的文件整理並核定，再開放文件問答。還沒有對應文件的問題，系統回覆查無資料，由管理者判斷要補哪一份。
AI 知識庫會不會自己改工單？
AI 能不能動到工單，屬於條件二的授權範圍，由權責單位事先界定。文件問答這一步，AI 做的是查詢並依來源回答；涉及製程安全、品質放行或未核定程序時，以權責人員核定的文件為準，不由 AI 自行決策。
資深人員的經驗怎麼進到 AI 知識庫？
資深人員的判斷，是現場知識的重要來源。這些經驗先轉成能被討論與核定的外顯文件，再納入文件管制與權限範圍，AI 才有可回答的依據。
AI 能接手多少事，看規則與權責
老師傅的判斷從內隱經驗轉成外顯文件、經過核定並持續更新，AI 知識庫才有可回答的依據。AI 能接手多少事，要看規則寫得多清楚、權責畫得多明確。
延伸閱讀
- CHIANGS AI 智慧製造解決方案：AI 怎麼加在既有的 ERP／MES 資料上。
- 製造業 AI 實際落地在哪？：AI 在工廠做什麼、不做什麼。
- ECN 是什麼？：文件與設計變更怎麼通知到現場。
