【製造業×AI應用障礙】超過四成企業回答，推動AI應用最大課題為「學習數據不足」；近半數認為應投資「數據收集基礎設施」而非「導入AI模型」

常見問題

Q: 這次調查的主要對象是誰？

A: 調查對象為111名在製造業負責DX（數位轉型）及AI推動的 담당자。

Q: 製造業在AI應用上最大的挑戰是什麼？

A: 最大的挑戰是「用於AI學習的數據量不足」，佔44.1%，其次是「推動AI應用的內部人才不足」，佔42.3%。

Q: 在AI應用中，模型選擇和數據整備哪個更受重視？

A: 87.4%的負責人回答，「現場第一手資訊的整備與結構化」比選擇AI模型或工具更為重要。

Q: 為什麼現場數據的結構化被認為很重要？

A: 主要原因是「現場的判斷知識只能從第一手資訊中提取」（65.6%），因為高品質的數據決定了AI的準確性和價值。

Q: 未來製造業的AI應用最需要投資的領域是什麼？

A: 「數據收集基礎設施的整備」以47.7%位居榜首，其次是「數據品質的提升與清理」（41.4%），顯示對數據基礎設施的投資優先於導入AI模型本身。