活動內容簡介
過去十年，製造業已建立起成熟的數據基礎：MES、資料湖、BI 平台與治理制度，確保管理層拿到的每個數字都經過把關。
但這套制度是圍繞「人看報表」設計的。當 AI Agent 開始直接讀取數據、直接提出建議，靠人逐一確認的方式就跟不上了。現況數據顯示，這不是理論風險：
Salesforce，2025 ↗
Rockwell Automation，2026 ↗
Gartner，2025 ↗
過去的治理沒有做錯，
只是現在它得延伸到 AI Agent 身上
在報表時代，平台各自治理，再由人確認。BI 平台透過 Data Management 管理資料來源與指標定義，數字進到決策會議前，分析師與主管會再確認一次。治理範圍對應的是「人看報表」這條路徑，這樣已經足夠。
到了 Agent 時代，AI 讀取的範圍超出單一平台。AI Agent 可能同時從 MES、ERP、QMS 與資料湖取得資料，速度也快到人來不及逐筆確認。治理因此需要兩層分工：跨系統的資料層統一定義與權限，分析決策層確保指標可信、可追溯，讓人和 AI Agent 拿到的是同一份答案。
管理者看的報表和 AI Agent 給的建議，必須來自同一份定義、受同一套權限管控。
AI Agent 給出的每個建議，都能追溯到資料來源、指標定義與負責人，和您手上的管理報表說同一種語言，可以放心拿它做產能、資本支出與交期決策。
邏輯資料層直接連接 MES、ERP、QMS 與資料湖，權限政策在查詢當下統一執行；AI Agent 存取企業資料時，也在同一套規則之內。
指標、權限與資料品質在資料層和分析層都已定義清楚，BI 報表與 AI Agent 共用同一套邏輯。團隊不必再逐一核對每個答案，把時間留給更有價值的分析。
-
掌握製造業 AI-Ready Data 參考架構：源頭端治理與消費端治理如何分工、如何銜接
-
看懂一個完整閉環的現場示範：從多廠 OEE 的統一定義，到管理者與 AI 取得一致、可追溯的決策依據
-
評估自家企業的 AI-Ready Data 成熟度：現場提供評估工具，會後由顧問協助解讀
-
規劃第一個 90 天導入規劃框架：從一個關鍵決策出發，而不是先整合全部資料
| 時間 | 議程內容 |
|---|---|
| 13:30 | 報到入場 |
| 14:00 |
【開場】
AI 時代，數據治理的下一步（PGi 樺鼎） |
| 14:10 |
【趨勢觀點】
從 AI-Ready Data 到 Trusted Decision |
| 14:40 |
【源頭端治理】
AI 時代的邏輯資料層與統一語意（Denodo） |
| 15:10 | 茶敘交流 |
| 15:30 |
【消費端治理】
讓每位決策者使用可信的數據（Tableau） |
| 16:00 |
【聯合示範】
多廠 OEE：從資料定義到決策的完整閉環 |
| 16:30 |
【Q&A】
AI-Ready Data 成熟度評估 · 問題交流 |
| 16:45 | 賦歸 |
主辦：PGi 樺鼎商業資訊 合辦：Tableau · Denodo