友達從 2015 年導入數位轉型計劃，送近千名員工 AI 學校上課，甚至在友達大學創辦未來學院，自行開課、辦演講，如今 AI 應用遍地開花，他們如何辦到？
友達科技全球員工數高達 3.8 萬人，要找到、也要能留住好人才，是人資部門最燒腦的難題之一。2020 年，人資同仁透過 No-Code（無程式碼）工具，分析招聘者人格、地域等關鍵因子，成功提高人力留用率。
過去，友達要評估一項研究成果能否申請專利，專利工程師得先閱讀成百上千份報告，現在透過電腦過濾，工程師只需判讀篩選出來的報告；供應鏈管理部門透過 No-Code 工具追蹤供應商財務資訊，一發現高風險，就即時預警採購人員；或是每當全球發生重大地震，立刻通報震央附近是否有供應商⋯⋯。
友達導入數位轉型計劃後，越來越多非 IT 部門員工有能力自行解決IT問題，甚至碰撞出新點子。「現在各單位都有能量，自己決定做什麼適合的題目。」友達數位長謝忠賢說。圖／ 侯俊偉攝影
第一階段：打底——派出千名種子員工，到人工智慧學校學 AI
友達的 AI 應用能跨部門遍地開花，關鍵在於 2015～2017 年啟動的數位轉型計畫。當時，公司沒什麼外部平台及工具可用，便自建 AI 訓練平台「AI 365」。2019 年起的 2 年間，還送出 1,000名 同仁（含 600 名製造及研發相關主管，及 400 名專案工程師）到「台灣人工智慧學校」上課。
另一方面，友達也跟清大合作，總計派出近 3,000 人次學習基礎統計及數學，「這些人學習後回到工作場域，AI應用就水到渠成。」在向外取經的同時，友達也在內部的友達大學成立未來學院，每年召開趨勢論壇，定期舉辦專業講堂，錄製 5～10 分鐘的微學堂講 AI，慢慢讓同仁熟悉工具與使用環境。
到了 2020 年，隨著製造端 AI 模型陸續上線，帶來不錯成效，對 AI 有興趣的同仁逐漸增多，友達便與 No-Code 平台新創杰倫智能合作，透過其 Auto Machine Learning（自動機器學習）平台，讓不懂演算法、但有好點子的同仁不需要寫程式，就有工具解決問題。
至於困難度高、需要複雜演算法的題目，則仍透過 AI 365 平台架構進行。友達內 No-Code／Low-Code 兩種系統平台並存，讓同仁依自己能力選擇工具。
友達內部有 AI 365 與 Auto Machinie Learning 兩種 No-Code 平台，員工可以依照自身能力與需求選擇工具，此作法更加速數位轉型的進行。圖／ 侯俊偉攝影
第二階段：建立信心——讓財務轉做更高價值分析，消弭「被火」擔憂
回想 2020 年開放人資或財務部學 AI 時，大家第一個心理障礙是：我的工作會不會被 AI 取代？因此，友達的 AI 課堂上，主管人數比工程師多，因為主管可以幫助對內溝通更順暢，協助員工化解疑慮，理解導入 AI 確實有些工作會消失，但也會增加新的工作。
其次是找出成功案例，像是用數據分析找到久任員工；用 AI 做報表審核，讓財務部省下時間轉做更高價值的財務分析。當員工開始有信心，也更能體會 AI 大數據的用處。除了後勤員工學會使用 No-Code 工具建 AI 模型，工廠端也大量運用 Low-Code／No-Code 工具優化產線，而且可以跨廠共用共學。
數位技術開發處處長呂學平舉例，3.5 代廠的同仁開發出的省電方案，打包成模型放上 AI 365 平台後，8.5 代廠調整一些參數即可導入；若想優化一台設備效能，也能在導入數據後，透過 AI 找出關鍵因子。
工廠是友達最大的事業單位，可以做的題目也最多。以工廠最在意的「解決良率」而言，第一步是先很快地找出到底是什麼問題？是濕度、溫度或震動？其次由工程師搜集數據，餵到 No-Code 平台，平台會一步一步導出哪一個才是影響良率的關鍵因子，工程師再去試著調參數，看良率是否提升。
導入 AI 的確有些工作會消失，但也會有新工作出現。當 AI 能執行低專業度的工作時，人力就可以轉而從事更高價值的判斷、分析與決策工作。
接觸低程式碼平台彷彿找到第二春：「原來可以做的事情這麼多！」
呂學平認為，使用者還是要懂得解釋 No-Code 工具原理，慢慢累積後才會愈來愈上手。
友達在全球 20 座工廠，都想找到更好的良率優化方案，在第一線的設備工程師，在拿到 No-Code／Low-Code 平台後紛紛反映：他們彷彿「被活化」了，找到各種應用能力，AI 訓練讓他們可以做得更棒。「可以做的新的事情這麼多！就像找到第二春。」謝忠賢笑著說。
不過，Low-Code／No-Code 工具當然也有其局限。遇到「預測機器人何時會當機」這類難題，由於涉及多個複雜因素交互作用，要搜集更多數據，如設備震動或馬達聲音，工程師不能只靠 No-Code／Low-Code 工具，必須發展更高階工具，寫 AI 模型進行訓練。
第三階段：累積——從人資到供應鏈管理部門，AI模型愈豐富、轉移學習愈輕鬆
目前友達累積的 No-Code／Low-Code 的 AI 模型各有上百個，不只是人資、財務、供應鏈管理部門學會運用，就連製造端工程師也廣泛使用，以優化生產流程。當模型愈豐富，透過轉移學習（Transfer Learning）訓練新模型，也就更快速輕鬆。
謝忠賢表示，雖然公司不會期望全員會 AI，但畢竟工廠早已布建3萬多個感測器用於搜集數據，基礎建設完備了，「大數據就像石油，愈多人加入挖掘，效益愈好。」
身為台灣面板製造龍頭，友達面對的國際競爭包括對手的大規模設備投資，以及無止境的面板技術升級戰，「我們第一座 3.5 代廠都已經 20 年，在不增建新面板廠下，如何讓設備延壽、提高產值，生產更高階產品，就要靠數位化與研發提高工廠能力。」
友達說明如何用 No-Code 工具，解決製造業痛點。 資料來源：友達提供，編輯部整理。圖／ 數位時代
透過老闆的支持，塑造轉型文化、建立多元人才庫，並完善數位基礎設施，友達 9 年前投下 AI 種子，埋在組織各處，近 3 年的工廠直接人力減少超過 2 成，節電省水及省化學特用品效益更高，順利達成董事長彭双浪設定的 30％ 效率改善目標。
未來，友達期望持續透過結合科技，展開更細緻地管理，從細節優化推動，朝下一個 3 年 30％ 效率改善目標邁進。