那間老牌印刷廠，用 AI 接住了最後一批訂單
1-2 老師傅退休，技術跟著一起走
永盛最資深的師傅是「阿坤師」，做了三十四年，負責色彩管理與疑難排解。他有一項近乎玄學的能力：看到打樣稿，就能判斷這批紙印出來會不會偏紅、墨要調多少、機器轉速要不要壓低。
這種能力沒有寫在任何一本手冊裡，也沒有記錄在任何系統裡。二〇二二年阿坤師因為膝蓋開刀退休，陳建德才赫然發現，廠裡沒有人能接手他腦袋裡那一套判斷。
「他退休第一個禮拜，我們就出了三批色差客訴。」陳建德苦笑，「不是年輕人不努力，是那個東西根本沒被留下來。」
這是台灣中小企業最普遍的隱形資產流失：老師傅的經驗屬於個人，不屬於公司。人一走，技術就斷層，而且斷得很安靜，要等到出事了才會發現。
1-3 報價慢三天，客戶就走一半
第三個問題最現實：報價速度。
傳統印刷廠的報價流程大概長這樣——客戶寄來規格（尺寸、紙張、顏色、數量、後加工），業務用電話或 Line 問廠內，廠內老師傅翻一下紙價表、算一下開機費、抓一個損耗率，然後回覆。聽起來不複雜，但中間只要有一個環節的人不在座位上，這張單就卡住了。
永盛的業務經理林雅雯說：「我們的平均報價時間是三到六小時，如果遇到複雜件，隔天回也是常有的事。但現在客戶是即時比價的，他在三個群組同時問，誰先回、誰價格清楚，單子就給誰。」
更麻煩的是「改稿」與「補印」。傳統流程裡，客戶改一個字、換一張圖，整份打樣可能要重來一次；小量補印更是災難，因為開機成本遠高於利潤，工廠通常直接報一個「勸退價」。
三重夾擊之下，永盛的營收在三年內掉了將近四成。陳建德的結論很簡單：「不是我不努力，是我的方法跟不上客戶的速度。」
二、轉折點：一筆「沒人敢接」的急單
故事的轉折不是因為陳建德突然對 AI 產生興趣，而是因為一個他原本想拒絕的客戶。
2-1 那通下午四點半的電話
二〇二三年十一月，一間做文創品牌的中小企業打電話進來。他們要在十天內，為全台十二間門市製作十二款不同的陳列卡與小海報，每款各一百五十張，總共不到兩千張，但每一款的主視覺不同、文字不同、尺寸也略有差異。
按照永盛以前的邏輯，這種單叫「規格碎、量又少、時間又趕」，接了肯定賠錢。業務第一時間想推掉，但對方補了一句：「我們之後每季都有類似需求，而且會擴點。」
陳建德猶豫了一整晚。他算過：如果按舊流程，這筆單需要一個排版人員做十二份稿、打十二次樣、跑十二次機台設定，人力成本至少吃掉一半毛利，還不一定趕得出來。
他後來決定「試一次看看」——不是因為他相信 AI，而是因為他剛好看到一則新聞：有印刷廠用生成式 AI 做排版與內容變體。
2-2 老闆的三個疑慮，與三個答案
陳建德並非沒有抗拒。他在受訪時很坦率地列出自己當時的三個疑慮，而這三個疑慮，大概也是九成傳統老闆心裡想的東西：
結果如何？那批訂單最後在第八天交件，比客戶要求的期限還早兩天。十二款稿件的初版由 AI 生成、人工微調，排版時間從估計的四十小時壓到九小時；打樣次數從十二次降到四次，因為 AI 在輸出前先做了一輪「印前檢查」。
更重要的是，那個文創品牌後來真的變成永盛的長期客戶，而且帶來了三間類似的客戶。
陳建德說：「那一刻我才懂，不是 AI 多神，是它讓我敢接以前不敢接的單。」
三、AI 真正進廠的五個位置
很多談 AI 轉型的文章，會給出一張漂亮的路徑圖，但真正進到工廠，你會發現能夠落地的其實就是幾個「很土」的位置。永盛的做法是把 AI 塞進五個具體環節，每一個環節都對應一個明確的痛點與可衡量的指標。
3-1 報價與估價：從三小時到八分鐘
這是永盛最先做、也最有感的一項。
做法並不複雜：把過去五年的報價紀錄、紙價表、開機費、後加工費、損耗率全部整理成結構化資料，再建立一套「規則式估算 + AI 輔助判斷」的系統。業務只要在表單裡輸入尺寸、紙種、數量、顏色、後加工，系統就會吐出建議報價、預估交期，以及一個「風險提示」——例如「此規格損耗率偏高，建議加註 5%」。
林雅雯說，最大的改變不是速度，而是「一致」：「以前三個業務報同一個規格，可以報出三種價格，客戶一比較就覺得我們不專業。現在系統給的區間是固定的，業務只負責在區間內談判。」
AI 在這裡扮演的角色，其實是「把老師傅的估價直覺，轉成可查詢的規則與案例庫」。它並不神奇，但它把經驗從一個人的腦袋裡，搬到了全公司都能用的地方。
3-2 印前檢查：抓出人眼看不到的錯
印刷業有一句老話：「印前多花一分鐘，印後少賠一萬元。」
永盛導入了 AI 輔助的印前檢查流程，主要處理四類問題：
文字與圖層錯誤：漏字、錯字、字體未嵌入、圖層未合併。
色彩風險：RGB 與 CMYK 轉換後的色偏預警、特別色替代建議。
出血與安全邊界：自動偵測裁切線外的內容、重要文字太靠邊。
規格一致性：比對同一批多款稿件之間的尺寸、字級、欄位位置是否統一。
以前這些檢查靠資深人員用眼睛一頁一頁看，十二款稿子看下來，眼睛早就花了。現在 AI 先跑一輪，人工只需要覆核「被標記出來的地方」。
陳建德說，這項改變讓客訴率在一年內下降超過六成。「客訴降低這件事，帳面上看不出來，但它省下的是重印成本、運費，還有最貴的東西——客戶的信任。」
3-3 內容生成與客製化排版
這就是那筆文創急單用到的技術。
當客戶需要「同一套版型、十二種版本」時，AI 可以做到三件事：一是根據既有主視覺生成不同尺寸的延伸版型；二是自動填入不同門市的文案與資訊；三是生成多組標題與短文案供客戶挑選。
關鍵在於，永盛並沒有讓 AI「自由創作」，而是建立了一套「版型模板 + 內容欄位」的框架，AI 只在框架內變動。這樣做有兩個好處：品質可控、客戶安心。
這套流程後來被延伸成一項新服務——「小量多版客製」。過去這種需求，客戶通常要去找設計公司，一張設計費三千元起跳；現在永盛可以提供「設計 + 印刷」的打包方案，價格對客戶更友善，對工廠來說則是從「代工」往「服務」移動了一步。
3-4 排程與設備預知維護
印刷廠最怕的不是沒單，是「機台突然掛掉」。
永盛在兩台主要機台上加裝了感測器，蒐集轉速、溫度、震動、耗電等數據，再交給 AI 模型做異常預警。第一年，系統在一次夜班前發出「軸承震動異常」的提醒，廠內提前更換零件，避開了一次可能長達三天的停機。
排程方面，AI 負責把「交期、機台狀況、紙張庫存、人力班表」四個變數一起考慮，排出建議的生產順序。老師傅不必再憑經驗在白板上排隊，只需要確認與微調。
陳建德說得很務實：「這個不是為了炫技，是為了我這種年紀的人，半夜不用再被電話叫醒。」
3-5 客服與訂單追蹤
最後一塊，是很多人忽略但最容易被客戶感受到的：溝通。
永盛把 AI 客服接進 Line 官方帳號，處理最常見的三類詢問：報價、交期、檔案規格。它能回答「A4 雙面彩色 500 張大概多少錢」、「我的檔案解析度夠不夠」、「什麼時候可以取貨」這些重複性問題，並且在遇到複雜需求時自動轉給真人業務。
林雅雯說，這讓業務的時間分配徹底改變：「以前我一天要回八十則 Line，現在大概三十則，而且都是需要我判斷的。其他時間我可以去拜訪客戶、開發新單。」
這五個位置看起來分散，但其實有一條共同主線：AI 被放在「重複、耗時、需要經驗判斷但可以標準化」的地方，把人的時間釋放出來，去做「需要關係、需要創意、需要負責」的事。
四、三個月、六個月、一年：老廠的 AI 轉型地圖
永盛的轉型不是一次到位，而是分三階段推進。這個節奏很重要，因為多數中小企業失敗的原因不是「不做」，而是「一次做太多」。
4-1 第一階段：先找出最痛的一公分
前三個月，永盛只做兩件事：報價自動化與印前檢查。其他什麼都沒動。
陳建德的原則是：「不要問 AI 能做什麼，要問我們最痛的是什麼。」對永盛來說，最痛的就是報價慢與客訴多，因為這兩件事直接影響營收與客戶留存。
這一階段的關鍵動作有三個：
挑一個小場景試辦：不要全廠導入，先讓一個業務、一台機台試用。
這一階段最容易犯的錯，是「一開始就想做一個大系統」。陳建德說：「我們沒有工程師，做不了大系統。我們能做的是買現成工具、改流程、訓練人。」
4-2 第二階段：把人機協作寫成 SOP
第四到第六個月，永盛做的是「把 AI 的使用方式制度化」。
他們把每個導入 AI 的環節都寫成一頁 SOP，內容包括：誰在什麼時候用、AI 產出的東西要怎麼檢查、發現錯誤要怎麼回報、錯誤案例要記錄在哪裡。
這一步看起來很瑣碎，但它解決了傳統工廠導入新工具最常見的失敗原因——「只有老闆跟某一個人會用」。當使用方式沒有被寫下來，換一個人就歸零。
永盛甚至設了一個很土但有效的機制：每週一次三十分鐘的「AI 小會」，由實際使用的人分享「這週 AI 幫我省了什麼」與「這週 AI 哪裡出包」。出包的案例會被整理成「負面清單」，貼在辦公室牆上。
4-3 第三階段：把老師傅的隱性知識變成公司資產
第七個月到一年，永盛做的是最有價值、也最難的一件事——知識資產化。
具體做法是把阿坤師留下來的筆記、幾十本工作手札、以及廠內其他資深人員的口述經驗，整理成一份「問題—判斷—處理」的案例庫，再讓 AI 用檢索的方式輔助查詢。年輕師傅遇到色偏問題，可以先問系統：「這批紙、這個墨、這種濕度，過去發生過什麼狀況？怎麼處理的？」
陳建德形容這件事的意義：「阿坤師退休的時候，我以為我們的技術跟著他走了。後來發現，只要有人願意花時間把它記下來，AI 可以幫我們把它留住。」
這一階段完成後，永盛才真正有了「可以規模化」的條件——因為技術不再綁在特定的人身上，新進員工的學習曲線也從一年縮短到三個月。
五、不是取代，是接住：轉型後的人事現場
談 AI 轉型，最常被跳過的就是「人」這一塊。但實際上，一間工廠能不能轉型成功，八成取決於人有沒有被安頓好。
5-1 老師傅的新工作：從動手到「教 AI」
永盛有三位超過二十五年的資深師傅，轉型初期他們的抗拒最強烈。陳建德沒有用「以後你們會被淘汰」這種話去嚇他們，而是換了一個說法：
「你們的經驗是我們最貴的資產，但現在它只存在你們腦袋裡。可不可以幫我一個忙，把它變成公司每個人都能用的東西？」
於是三位老師傅的新工作是：當 AI 出錯時的「裁判」、案例庫的「內容提供者」、以及年輕員工的「師徒制導師」。他們不再需要每天站在機台前八小時，但他們的判斷力被放大了。
其中一位師傅說得很傳神：「以前我一個人只能顧一台機，現在我教的東西，可能同時在五個地方被用到。」
5-2 年輕人的加入與老廠的薪資結構
轉型還帶來一個意外的效果：永盛開始請得到年輕人了。
過去印刷廠的職缺，對三十歲以下的人幾乎沒有吸引力——環境吵、要輪班、看起來沒有未來。現在永盛開出的職缺是「數位印刷與 AI 流程助理」，工作內容包含排版輔助、資料整理、客戶溝通，環境也因為小量客製專區的改建而改善不少。
陳建德坦言，薪資結構也必須調整：「你不能要求人家會用新工具，卻給舊薪水。」永盛把導入 AI 後省下的一部分成本，轉成技術津貼與績效獎金，讓願意學習新技能的員工實質加薪。
結果是，兩年內進來的四位新員工，有三位留了下來，而且都在一年內能獨立處理小量客製訂單。這對一個曾經連學徒都招不到的老廠來說，是很實際的改變。
六、從一間印刷廠，看台灣中小企業的 AI 落地七法則
永盛的案例不是唯一，但它整理出來的經驗，對多數中小企業有參考價值。以下七點，是陳建德與林雅雯在受訪時反覆提到的原則，也是我認為最值得抄下來的一份清單：
七、結語：接住訂單的從來不是 AI
訪問結束前，我問陳建德一個問題：「如果只讓你說一句話，你會怎麼形容這兩年的改變？」
他想了很久，然後說：「AI 沒有救我們，是我們決定不再假裝沒事，才救了自己。」
這句話聽起來像雞湯，但放在他的處境裡，其實非常具體。永盛之所以能撐下來，是因為陳建德願意在最壞的時候做三件違反直覺的事：第一，承認舊方法已經不管用；第二，用一筆本來會賠錢的訂單去試新方法；第三，把功勞與資源分給願意一起改變的人。
AI 在這整個過程裡，扮演的是一個「放大器」的角色。它放大了老師傅的經驗、放大了業務的時間、放大了工廠能承接的訂單形狀。但如果沒有人願意先做出那個決定，再好的工具也只會躺在資料夾裡。
那塊被太陽曬到褪色的招牌，最後沒有拆下來。陳建德只是請人重新上漆，並在旁邊加了一行小字：「數位印刷 · 小量客製 · 快速打樣」。
老廠沒有變成新創公司，它只是學會了一件事：當世界改變了訂單的形狀，你要改變自己的手，才接得住。
八、常見問答：關於傳統產業導入 AI 的幾個疑問
文章刊出後，論壇上有些討論，這裡整理幾個最常被問到的問題，一併回覆。
Q1：沒有資訊背景的中小企業，真的導得動 AI 嗎？
導得動，但前提是「不要想自己做系統」。目前市面上已經有大量現成的雲端工具，從報價試算、文件比對、客服回覆到排程建議，都有套裝方案。關鍵不是技術能力，而是「流程盤點能力」——你能不能清楚說出哪個環節最痛、痛在哪裡、改善後長什麼樣子。
Q2：導入成本大概要多少？會不會變成錢坑？
永盛的經驗是，第一階段的工具與顧問費用，大約控制在一個月營業額的十分之一以內，並且明確設定「三個月內要看到哪一個指標改善」。如果三個月看不到，就停損。重點是把它當成「有期限的實驗」，而不是「無上限的投資」。
Q3：員工抗拒怎麼辦？
抗拒通常來自兩個原因：怕被取代、怕學不會。處理方式不是開會喊話，而是具體回答這兩件事——第一，明確告訴員工哪些工作會改變、哪些不會，並把「AI 出錯時由誰負責」講清楚；第二，提供足夠的練習時間與容錯空間，讓員工在真實但低風險的場景裡熟悉工具。永盛的做法是「先讓最抗拒的人當裁判」，因為一旦他發現自己是決定 AI 對錯的人，抗拒就會轉成投入。
Q4：老師傅的經驗真的可以被記錄下來嗎？
可以，但要有人願意花時間。永盛的做法是訪談、錄音、整理成「問題—判斷—處理」三段式案例，再放進可檢索的系統。這件事沒辦法外包給 AI 自動完成，因為 AI 不知道哪些經驗是關鍵。它需要的是「懂的人願意講」加上「有人幫忙整理」。
Q5：小量客製真的有利潤嗎？
以永盛的經驗，單看單筆訂單，小量客製的毛利率確實不如大量印刷。但它帶來兩個結構性好處：一是客戶黏著度高、回購頻率高；二是現金流穩定，不會因為一間大客戶抽單就崩掉。當小量訂單累積到一定數量，透過排程優化與共用版型，單位成本可以壓到合理範圍。
如果你也在傳統產業裡，正看著訂單一張一張變小、變碎、變急，或許可以從陳建德那句話開始想：不是訂單不見了，是它換了一個你還沒學會接的樣子。
```
💬 想說點什麼？
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →