資策會產業情報研究所(MIC)針對《台灣電子資訊製造業導入AI發展》進行抽樣調查，台灣電子資訊製造業有28%已實踐AI，規劃中占46%。整體而言，大型企業AI布建發展進度較中小型企業超前，然而中小型企業已急起直追，投入AI預算在2024-2026年CAGR達26%，反映出導入AI的積極主動性。觀測次產業AI化程度，發展較成熟產業有PCB、光電材料及元件業；發展較慢的次產業為其他電子零組件、電腦及其週邊設備業。產業分析師張家輔分析，業者導入AI最大的期望是改善績效、降低成本，反映出台灣製造業最關注良率、產能、產品上市時間、成本等KPI，將AI視為改善指標的協助工具。
據此，資策會MIC調查製造業業者導入AI協助工具後，對成效的滿意程度。業者導入後最有感的改善項目有三項：增加營收、減緩缺工壓力、降低成本，然而尚有許多改善指標，業者仍在觀察其成效，而取得較低滿意度的項目為「提升問題的可預見性」。產業分析師張家輔分析，會導致AI預測成效不符預期的因素主要有二，除了外界政經局勢頻繁變化、市場供需不穩、黑天鵝等因素皆會對預測準確性產生影響，也與企業本身是否做好資料基本功高度相關。
分析已實踐AI的製造業業者，資策會MIC表示，就企業部門來看，AI發展進程最快者為非製造單位的IT部門，實踐AI比例高達六成，反映出企業普遍以IT部門做為轉型推動角色；進程第二快的是製造單位的「製造生產、產品質檢」部門。從導入AI應用排名來看，品檢應用最熱門，前三名即有兩項與品檢相關；前十名有半數與製造生產相關。綜覽前十名AI應用，依序為「瑕疵檢測、瑕疵圖片標記、生產流程改進、產品開發報告、瑕疵根因分析、生產排程規劃、檢測設計缺陷、工安事故分析、製成參數最佳化、生產問題肇因分析」。進一步分析製造部門在未來規劃發展的AI應用，「製造生產」部門對AI的潛在需求最大，其次為「產品研發」及「產品質檢」，預期此三部門將逐步擴大與其他部門的智慧化程度差異。
資策會MIC指出，已導入AI的製造業業者有加大投資的趨勢，2024年已導入者平均每家投入209萬元新台幣，預估2025年平均投入達236萬元、2026年達261萬元，2024-2026年CAGR為11.5%。產業分析師張家輔分析，約四成已導入AI業者仍在逐年加大投資力道，預估2025年有46%增加預算、2026年39%增加預算，而其他未擴大投資的業者並非削減AI預算，多數選擇維持投入，顯示整體製造業AI投資持續提升。進一步關注投入資源占比，2025年硬體(46%)為最大宗，其次為軟體(42%)，服務(12%)占比最低，其中硬體為台灣自動化業者的強項，將有機會帶來商機。
在技術投資上，資策會MIC指出，鑑別式AI為製造業採用主流，綜覽企業部門，2025年鑑別式AI(73%)為AI預算投入的主流技術，生成式AI僅占27%，預估2026年生成式AI投入占比將達到29%；聚焦製造業製造單位AI應用現況，可發現採用鑑別式AI的企業家數為生成式AI的1.6倍。產業分析師張家輔分析，2025-2026年業者預算規劃仍以鑑別式AI為主，然而生成式AI成長潛力值得期待，現行導入較多的應用僅「產品開發報告生成」，建議方案商持續發展應用，搶占新興技術商機。雖然業者在生成式AI應用的滿意度低於鑑別式AI，應用也較侷限於研發環節，然而預期隨著AI Agent與人機協作發展，未來生成式AI將能導入在更多的製造單位與生產環節。
關注製造業在AI發展的挑戰，資策會MIC點出資料仍最為關鍵。已實踐AI業者，有高達八成面臨資料挑戰，尤其大型企業因組織架構大、生產作業複雜度更高，資料問題比中小型企業棘手，特別是在缺乏資料、難理解資料之間的關聯等方面；而尚在規劃導入AI的業者，雖最大痛點為成本高與效益難以評估，資料面挑戰、數位化程度不足也是關鍵因素。產業分析師張家輔表示，資料準備度需實際執行才知道可用性，資料太少造成模型效能不佳，或資料太多未能有效治理，都會導致無法充分發揮AI的能力。對企業而言，較符合成本效益的做法是「以終為始」去準備資料，須先確認AI要導入的應用情境，再去了解要蒐集的資料類型，進而補齊現行準備狀況與實際要求的缺口，並留意在資料品質、資料量與資料治理的完備度。
