一、先破除一個誤解：AI 協作開發不是 vibe coding
做得出 Demo，不等於做得出能承受真實流量、真實資安要求、真實交付責任的系統。
很多人問：「既然都用 AI 了，維護費是不是應該更便宜？」這個問題不能只用「AI 比較快」回答。因為企業系統不是只看畫面能不能跑，而是看流程能不能交付、資料能不能追溯、異常時有沒有人負責到底。
AI 是加速器，不是駕駛。它能讓工程師更快產出程式、測試、文件與候選方案，但每一個決策點，仍然需要資深工程師把關。
二、省下的 30%，到底從哪裡來？
AI 省下的部分，集中在重複性工作；不是把核心架構、審查與責任砍掉。
| 工作類型 | 傳統專案常見成本 | AI 協作後的變化 | 能不能砍 |
|---|---|---|---|
| 模板與重複性程式 | 約 25% | AI 最擅長補齊樣板、重構、格式化與例行程式 | 可以明顯下降 |
| 需求與規格文件 | 約 15% | AI 可協助產草稿，人仍需審核語意與邊界 | 可降，但不能免審 |
| 測試案例與覆蓋 | 約 20% | AI 讓測試案例接近同步產出，覆蓋率反而應提高 | 不應只看省錢 |
| 文件與交接 | 約 10% | 文件不再只是專案尾聲補寫，而是隨開發同步更新 | 可降，品質要升 |
| 核心邏輯與架構 | 約 25% | 決定系統穩定度、資安邊界與責任歸屬 | 不能砍 |
所以 AI 協作開發的報價，不應該被理解成「三折」。比較合理的說法是：AI 拿掉的是原本就該被壓低的重複成本；值錢的 25%，也就是架構、審查、資安與責任，誰來都砍不動。
三、M1～M7 不是功能清單，而是風險治理鏈
M1 到 M7 的價值，不是把 CAD 圖面讀成漂亮表格而已，而是讓每一段資料轉換都有可以檢查的指標。這樣系統出問題時，團隊才知道問題是出在讀圖、抽欄位、語意判斷，還是料號對應。
| 指標 | 治理重點 | 真正要避免的風險 |
|---|---|---|
| M1 圖面可讀性 | 圖面、文字、表格與版面是否能被系統穩定讀取 | 一開始就讀錯、漏讀或無法處理 |
| M2 欄位抽取完整度 | 尺寸、材料、註記、表格欄位是否被完整抽出 | 資料表看似有內容，實際漏欄位 |
| M3 結構化一致性 | 抽出的資料是否能落到固定欄位與格式 | 每張圖輸出格式不同，後端無法接 |
| M4 例外偵測能力 | 未知、衝突、低信心、缺資料是否被標出來 | 系統靜默錯誤，人工以為已完成 |
| M5 流程承接率 | 資料是否能接到 BOM、品檢、採購、ERP/MES/PLM | AI 只做報表，沒有進入真實流程 |
| M6 語意辨識準確率 | 工程註記是否被判斷成正確語意 | 讀出文字，但把材料、公差、檢驗或客規放錯位置 |
| M7 料號對應召回率 | 圖面料號、客戶料號、內部料號、供應商料號與 BOM 是否能找回並串接 | 關鍵料號漏接，導致採購、品檢、版本或成本斷線 |
四、AI 做不到的四件事
商業判斷
AI 可以整理選項，但不能替企業判斷哪個流程值得投資、哪個例外值得承擔。
架構決策
系統邊界、資料責任、錯誤回復、擴充方式與技術債，仍然要由工程團隊決定。
資安與合規
能動不代表能通過資安檢測。資料放哪裡、誰能看、如何留痕，都不能交給模型自動猜。
責任承擔
系統出問題時，客戶要的是有人負責到底。這是合約承諾，不是技術表演。
五、從「能省則省」變成「預設完整」
傳統專案常在時程壓力下，第一個被砍的是測試，第二個被拖到最後的是文件。AI 協作反而應該把這件事倒過來：測試案例可以跟著功能同步產出，文件可以跟著決策同步更新。
這代表 AI 的價值不是把品質做便宜，而是把原本容易被犧牲的交付完整度補回來。維護費不是只買程式碼，而是買可持續交付、可追溯、可維運、可被客戶內部理解的能力。
一句話說清楚：AI 拿掉的是你原本就不想花的冤枉錢；值錢的是那個不能丟的工程腦袋。
六、乙方不是只寫程式，也是客戶的顧問
當客戶問「AI 不是都會了嗎？」真正要回答的不是工具，而是責任邊界。乙方如果只把程式交出去，客戶仍然會不知道系統風險在哪裡；但如果乙方能把 AI 協作、成本結構、資安邊界與維運責任講到對方老闆聽得懂，那本來就是維護費裡應有的價值。
AI Expert Services 的定位，不是做一個看起來很快的 Demo，而是協助製造業把 AI 放進真實流程：看得見、算得準、追得到、管得住。
七、卡片定位與保密、引用聲明
保密：本文所述專案、工廠、客戶與數據均為去識別化整理，用於說明管理邏輯，不代表特定客戶合約或專案明細。
引用：外部連結或標準名稱如有引用，僅供查證與延伸閱讀，不整段／整圖轉載，也不得用於訓練 AI。若權威單位認為需修改或下架，本單位將配合調優、修改、刪除或下架。
準備把 AI 放進真實工程流程？
從 CAD 圖面、BOM、品檢、料號到維運責任，AI Expert Services 協助製造業把 AI 從 Demo 變成可治理的系統。