【制造业×AI应用障碍】超过四成企业回答，推动AI应用最大课题为「学习数据不足」；近半数认为应投资「数据收集基础设施」而非「导入AI模型」

常見問題

Q: 这次调查的主要对象是谁？

A: 调查对象为111名在制造业负责DX（数字转型）及AI推动的 담당자。

Q: 制造业在AI应用上最大的挑战是什么？

A: 最大的挑战是「用于AI学习的数据量不足」，占44.1%，其次是「推动AI应用的内部人才不足」，占42.3%。

Q: 在AI应用中，模型选择和数据整备哪个更受重视？

A: 87.4%的负责人回答，「现场第一手信息的整备与结构化」比选择AI模型或工具更为重要。

Q: 为什么现场数据的结构化被认为很重要？

A: 主要原因是「现场的判断知识只能从第一手信息中提取」（65.6%），因为高品质的数据决定了AI的准确性和价值。

Q: 未来制造业的AI应用最需要投资的领域是什么？

A: 「数据收集基础设施的整备」以47.7%位居榜首，其次是「数据品质的提升与清理」（41.4%），显示对数据基础设施的投资优先于导入AI模型本身。