政府计划建立一个“制造数据图书馆”，以便在不公开企业核心制造数据的情况下，利用这些数据进行人工智能（AI）学习。这一举措旨在解决企业因担心商业秘密泄露而不愿提供高价值数据（如缺陷和事故数据）的问题。明年将投入1158亿韩元收集非公开数据，并与各行业的AI基础模型开发相结合。 林京燮，工业通商部制造人工智能转型合作科科长，在9月3日于首尔中区德普拉扎酒店举行的第18届善良增长好工作全球论坛（2026 GGGF）第二天的会议上表示：“以往的制造数据业务是以公开为前提收集数据，因此企业不愿意提供优质数据。”他指出：“这次我们将基本上以非公开为前提来收集数据，虽然可以在清洁室进行学习，但数据不能带出，只能带出学习后的AI模型。” 在制造业AI转型中，数据是最大的障碍。林科长表示：“只要解决数据问题，80%到90%的问题就可以解决，这是最重要的问题。”根据工业部的数据，国内90%以上的制造企业尚未利用AI。由于各企业的设备名称和测量单位不同，标准化显得尤为必要。林科长指出：“如果没有标准，AI模型在数据越多时，反而会变得越来越无用。” 政策目标也从单个工序的改进扩展到通用AI的开发。林科长表示：“过去的目标是进入单个工厂改善一个工序，而今后我们的目标是收集更多数据，开发可以在整个工序中通用的基础模型。”他还提到，将把依赖于熟练工人经验的“隐性知识”数据化，以应用于AI和机器人。 工业部将以去年成立的“M.AX（制造AI转型）联盟”为中心扩大业务。目前，约1500家企业和机构参与了AI工厂、机器人、未来汽车、半导体和自主航行船等11个分支。AI工厂的数量从去年的102个增加到现在的约170个。林科长表示，在38个可测量成果的项目中，“不良率减少了约15.5%，生产力提高了约30%。” 物理AI的实证也在扩大。目前，仿人机器人在10个工业现场进行实证，未来将增加到30个。还在推进基于设备的AI半导体开发。林科长指出：“自动驾驶汽车不能因为失去通信而停下，必须需要低功耗、低延迟且耐用的半导体。” 法律和制度基础也在建立。工业部正在推动制定所谓的“M.AX法”，以促进制造数据的利用和AI专业人才的培养。同时，还将并行制定制造AI相关标准和GPU支持。林科长表示，工业部AI相关预算从今年的约1.2万亿韩元扩大到明年的1.7万亿韩元，并表示：“我们将积极推动以重点项目为中心的预算和资金支持。”※ 本报道经人工智能（AI）系统翻译与编辑。

“AI转型（AX）的本质并不在于引入工具或缩短工作时间。它始于提出‘为什么这项工作由人来完成’的根本性问题，并重新设计‘业务的本质’和‘工作流程’，使人和AI共同创造价值。” ㈜更好实验室的김홍태代表对企业AX转型失败的原因和方向进行了这样的诊断。尽管生成型AI工具如ChatGPT迅速普及，但许多企业却未能实现商业成果，因此更好实验室宣称成为AX组织智能专业企业。最近，他们出版了以实务为中心的工作手册《AX DISCOVERY》，并推出了科学技术信息通信部注册的民间资格课程“AX战略规划专家”，提出了以现场为中心的AX方法论，受到了业界的关注。 《亚洲经济》于28日采访了在HR及组织领域活跃了20多年的김홍태代表，了解了新书的写作背景和出版意义，以及企业AX转型的任务和教育顾问的未来竞争力等问题。 研究人的本质的21年HR专家，更好实验室的十年历程 김홍태代表在三星电子、三星工程、大宇电子等主要大企业的人事与人才开发部门积累了21年的经验。他在攻读材料金属工程学士学位后，完成了创业学硕士和技术管理博士课程，结合工程过程、初创企业框架和管理学的验证理论，形成了独特的视角。 今年是更好实验室（THEWHHYLAB）成立10周年，正如其名称中包含的‘WHY（本质）’和‘H（人）’的意义，成立的目的是研究人的本质并解决组织问题。更好实验室使用‘教育成员’和‘团队成员’等平等称谓，展现了从课程开发到执行全体成员平等合作的独特组织文化。与三星、LG、现代、SK等主要企业和机构合作，累计完成了1250多个培训项目，培养了超过5万名人才。 从现场缺失出发的实务书，《AX DISCOVERY》出版 最近，更好实验室出版的新书《AX DISCOVERY：从AI到AX，设计转型》与市面上充斥的简单提示写作法或工具使用书籍有所不同。尽管许多企业引入了AI工具，但最终转化为营业利润或商业成果的比例却极其有限，因此该书应运而生。 这本书不仅是理论书籍，而是以工作手册的形式制作，现场实务者可以在10个画布上直接填写自己的组织情况，得出执行方案。通过应用层次任务分析（HTA）、强度、频率、重要性矩阵（IFV）、人机协作（HITL）原则等，帮助找到工作的瓶颈，并明确分配AI和人的角色。 김代表表示：“从第一章AX定义到第十章后期管理和反馈，每章后续的‘实习指南’都旨在帮助产生职能价值链图、HTA任务分解、数据准备诊断、代理人规范书等具体成果。”他进一步解释道：“重复性和规则性强的工作应由AI处理，而问题定义、上下文理解和决策等高层次判断则应由人来负责。”该书在Yes24注册的纸质书评论中获得了9.8分的高评价，被称为“让团队成员聚在会议室直接得出执行方案的实务指南”。 成功AX转型的分阶段核心方法论 김代表强调，为推动成功的AX转型，现场验证的执行方法论至关重要。这也是更好实验室提出的AX方法论的核心流程。 AX发现教育实习的第一步是建立‘AX定义及目标对齐’。从最高管理者到现场实务者，组织内不同的AX目标和定义需要统一。接下来，需要检查‘五大核心风险’并发现‘痛点（Pain Point）’。关键在于让人们意识到AI并不是取代人，而是增强潜力的‘增强AI’，以减少内部抵抗。김代表指出，尤其是发现痛点（Pain Point）是困难的，现场实务者需要找到最困难的工作瓶颈，并快速积累小的成功经验。然后，需经过‘数据准备诊断→AX转型任务发现及优先级选择→AI协作工作流程→成果量化（ROI）’的过程。 在这个过程中，김代表表示：“将人脑中的隐性知识细分为任务单位，重新配置AI处理的领域和人判断的领域至关重要。”他强调：“要实现可持续的ROI设计，不能仅仅停留在黑客马拉松或事件性活动，而是要将节省的时间（Reduce）重新分配（Reallocate）到高附加值的工作中，从而创造出十倍的价值（Reinvent）。”当达到这一阶段时，就可以进行‘原型代理人构建及应用’。 特别是这本书和课程与科学技术信息通信部注册的民间资格‘AX战略规划专家1·2级’相结合，非开发职务的实务者也可以通过两天的课程完成自己的问题定义书和AI代理手册等实物成果。 企业及组织的AX转型任务，克服领导力与文化抵抗 企业在AX转型过程中最常遇到的障碍是缺乏领导力和组织内部的抵抗。如果仅仅集中于自上而下的指令或工具引入，成员们将面临“我的工作受到威胁”的不安。 对此，김代表表示：“最高管理者（CEO）必须理解并主导AX的目的，结合自上而下的领导力与解决实务者痛点的自下而上努力，才能同时发挥作用。”最近，主要企业在高管评估中越来越多地反映AX成果的趋势，也表明管理层和领导者必须进行实质性的商业结构重组。 AX的全面推进，教育顾问的核心竞争力是什么？ 随着企业AI转型的全面推进，现有HRD及教育咨询市场的范式也在发生彻底变化。更好实验室宣布超越传统知识传递型教育领域，成为‘AX组织智能专业企业’。김代表指出，AI时代教育顾问和组织专家的核心能力是‘隐性知识的显性化’和‘智能工程’。 김代表表示：“过去的教育顾问负责向人传递知识和经验，而未来的教育顾问应成为能够提取组织内优秀人才所拥有的长期经验，即决策方式和判断标准（隐性知识），并将其学习到AI代理中的‘智能工程师’。”他还表示：“设计人与AI共同工作的混合组织结构的能力将成为未来咨询的胜负手。” 更好实验室描绘的未来……实现‘以人为本的AX组织智能’ 김홍태代表描绘的更好实验室的未来非常明确。它不仅仅是引入最新AI工具的层面，而是要在内部组织中完全实现AX转型，并将这一经验和知识移植给合作伙伴，成为‘AX标准模型’。 实际上，更好实验室在内部的市场营销、教育项目开发、报告撰写等多个领域，积极利用现场人员直接构建的定制AI代理，提高工作效率。 김代表表示：“AX不是宏大的创新宣言，而是从每个人的桌子上重新设计小的工作开始。”他表示：“更好实验室将尊重人的价值，同时与AI合作，推动实现最佳成果的‘AX组织智能’，帮助无数企业和个人在技术变革中找到新的成长答案。” ※ 本报道经人工智能（AI）系统翻译与编辑。

2019年，现代汽车集团取消了定期招聘，转而采用随时招聘的方式。这标志着企业从大规模招聘通用人才，随后再进行岗位分配的时代，转向了直接招聘能够立即投入所需岗位的人才。如今，企业招聘的核心标准不再是“招聘多少人”，而是“分配什么工作”。 “未来的IT部门将像管理AI代理的HR部门一样。”正如英伟达首席执行官黄仁浩所言，AI正逐渐成为企业新的“数字成员”。然而，实际引入AI的方式仍停留在过去模糊的“定期招聘”上。许多企业在未明确AI的具体角色和预期成果的情况下，便急于引入通用AI。 这种现象背后是对在AI竞争中落后的恐惧心理（FOMO）。在竞争对手引入AI的消息刺激下，企业感到不安，往往在未确定AI的具体任务前就急于引入系统。这与期待新员工在没有职位描述和入职手册的情况下，能够独立完成销售、财务、客户服务及高层决策等工作并无二致。 不过，近期这种氛围开始出现变化。随着对AI使用量的盲目追求（Tokenmaxxing）逐渐消退，经历了巨额AI成本的企业开始感到庆幸，形成了对错过盲目引入的“快乐”（JOMO）心态。企业们逐渐意识到，单纯的Token使用量并不是绩效的体现。Token最终是成本和AI的工作时间。与其花费数十万Token制作无人阅读的报告，不如用较少的Token准确解决客户咨询或自动化重复性工作，这样的价值更高。关键不在于使用多少，而在于如何高效利用，创造实际的商业成果。 最终，使AI随时招聘成为可能的关键在于明确的“职位描述”和现场老员工的“隐性知识”。单纯建立一个无目的的文档存储库，并不能使AI立即成为优秀员工。超越书面规定，现场熟练工人凭借多年的经验所掌握的微妙判断、客户应对的顺序和判断标准、以及在特殊情况下的应对理由等隐性知识，才是AI真正的竞争力。AI随时招聘的成败，关键在于如何将工作背景中的隐性知识精细化为数据，而不仅仅是收集多少数据。 这一点同样适用于在屏幕上工作的AI代理和在现场运作的物理AI。机械手臂重复固定轨迹的“操作”，与能够自我检查产品状态、分类缺陷并决定下一步行动的“行为”是完全不同的层面。人类也不能仅通过阅读手册成为老手，AI同样需要学习现场经验和判断标准，才能完成实际工作。只有具备老员工的隐性知识的AI，才能超越提供合理回答的水平，真正替代人类完成工作。 在这一过程中，过于追求完美的治理结构也需谨慎。AI治理并非在桌面上完成的规章制度，而是通过将AI投入具体工作，应用隐性知识，反复验证和提升绩效与风险的运营体系。从小任务开始，积累成功案例并逐步扩大应用范围，才是现实的AI引入策略。 现在，AI引入的问题应从“如何创造出优秀的AI”转变为“将其投入哪些任务能产生最高的投资回报率（ROI）”。如果工程性能无法转化为商业成果，就难以视为良好的投资。盲目追随FOMO引入通用AI的时代已经过去，AI也需要像人一样进行随时招聘。※ 本报道经人工智能（AI）系统翻译与编辑。

政府开始将熟练制造人员的经验和知识转化为人工智能（AI）数据，以应用于制造现场。由于老龄化导致核心技术传承中断的担忧增加，政府加快了制造业AI转型（M.AX）的步伐。产业通商部28日宣布，将推进“制造隐性知识基础AI模型开发项目”。今年将投入480亿韩元的追加预算，用于将制造现场的核心知识数据化，并支持基于此的AI模型开发。 隐性知识是指熟练工通过长期现场经验获得的工作技巧和判断标准，虽然难以文档化，但被认为是决定生产力和质量的关键竞争力。随着国内制造业现场老龄化加速，熟练工人退休增加，产业部认为如果制造大师的隐性知识中断，不仅会削弱国内制造竞争力，还可能动摇未来制造AI转型的基础。产业界也要求系统化地将隐性知识数据化，并支持AI应用。特别是在高风险或高难度工序中，人员短缺问题尤为严重。此次项目将选择紧迫性和影响力高的行业和工序，支持总共30个课题。每个课题投入16亿韩元，总计480亿韩元，项目周期为今年6月至明年2月，约9个月。支持对象为制造企业和AI企业共同参与的联合体。政府计划不仅提供简单的研发资金支持，还将综合支持数据集构建、AI模型开发、咨询和设备建设。具体来说，将获取和精炼包含制造大师隐性知识的非结构化数据，开发AI模型并验证数据集。产业部计划对取得优秀成果的企业和机构在未来的大规模后续项目中给予优待。为扩大企业参与，还将举办区域说明会。产业部和韩国产业技术企划评价院已于23日在首尔举行了首场说明会，并计划从28日至29日在庆南（昌原）、湖南（光州）、中部（大田）地区巡回举办说明会。产业部相关人士表示：“这是为了保护制造业竞争力而必须进行的项目”，并表示将与产业、研究和劳动界紧密沟通，迅速推进项目。※ 本报道经人工智能（AI）系统翻译与编辑。