文／葉宏謨
基於大語言模型（LLM）的人工智慧（AI）能理解企業使用者的問題，並直接從企業資料庫撈出資料，稱為 Text2SQL，最近正廣泛被業界討論中。結合語言模型和服務元件的 AI，筆者稱為 Text2Service，尚未被業界注意到，但絕對是未來企業 AI 應用的趨勢之一。新企業協作平台（NEO）[註 1] 包含上萬個SOA 服務元件和企業統一資料架構（EUDA）資料庫。NEO 的 SOA 服務元件能組裝出任何企業用資訊系統，不只是 ERP 系統。企業資料在 EUDA 資料庫中，使用者透過一個或多個SOA 服務元件就可以 CRUD（新增 Create、檢索 Retrieval、修改 Update、刪除 Delete）任何企業資料，整個企業資訊系統都可以用自然語言從手機操作。Test2Service 的效率遠比 Text2SQL 高，因為一個SOA 服務元件包含了數十個至數千個SQL 指令。
一、企業營運人工智慧
一般的 AI 已經被餵養了上自天文下至地理的各種資料，所以它可以回答各種問題，或寫出各種文章、畫出各種圖形。但是，我們不能餵給 AI 企業資料，我們只能教 AI 如何透過服務元件的呼叫取得企業資料。也就是不給 AI 魚，而是教 AI 如何釣魚。我們把魚養在一個沒有人知道的地方，我們只教自己專屬的 AI 如何釣魚。資料是魚，服務元件是有密碼保護的釣竿。
人可以天南地北的問 AI 各種問題，但不能問 AI 企業資料，因為企業資料是機密、敏感的。NEO 的 SOA 服務元件讓企業人士可以非常安全的詢問 AI 取得他有被授權的所有企業資料，包括日常的進銷存會計等作業數據、品質標準、品檢圖片、設計圖面、行銷 DM 和影片等，並能整合外部公開資料。
結合 NEO 和 AI 的企業營運 AI（NeoAI）是「特殊應用 AI」（Application Specific AI, ASAI），能和使用者對話、找到並叫用服務元件檢索（Retrieval, R）資料、加工增補（Augmented, A）服務元件的回傳資料、再生成（Generation, G）圖表輸出給使用者。或者，檢索（R）自動化設備的資料，增補（A）成新增單據的輸入資料，再叫用 SOA 服務元件生成（G）新單據。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
正如設計「特殊應用 IC」（Application Specific IC, ASIC）不是從零開始而是基於標準電路（如二極體、電晶體、正反器、邏輯閘等）再疊加客製化電路一樣，導入 NeoAI 除了標準服務元件外，還需利用 NEO 的萬用介面、支援介面、輔助介面等 SOA 服務元件，或開發全新的 SOA 服務元件，以整合個別企業的特殊需求資料和流程至 EUDA。這是一種資料治理（Data Governance）的過程 [註 2]，是企業重要的任務，也是導入 AI 時必須做的事。
「企業營運人工智慧」是一個嵌入 AI 模型的應用程式（APP）。人從 APP 輸入問題，APP 傳給 AI，AI 解析問題中的關鍵字回傳給 APP，APP 呼叫「以關鍵字查詢服務」的服務（QRYSERVICEBYKEYWORD）和「以服務查詢傳入參數和回傳參數」的服務（QRYSERVICEMETADATAKEY）。不論有沒有找到服務 APP 都會告訴 AI，APP 若告訴 AI 找不到服務，則 AI 會不斷用相似詞當關鍵字傳給 APP 繼續尋找服務，AI 也會透過 APP 反問人一些問題，直到 APP 找到一或多個服務。APP 找到服務後告訴 AI，AI 要 APP 呼叫那些服務，並將服務回傳的資料傳給 AI，AI 根據使用者問題中提到的 CRUD 需求或處理方法（例如合併、公式計算、增加欄位…）加工 AI 從 APP 收到的服務回傳資料，生成圖形、表格或評語，再傳給 APP 繼續作較複雜的加總、總計、小計指定欄位的數學運算，並顯示在 APP 的畫面上。AI 解析人的問題找到服務，稱為 Text2Service，如圖 1。
企業只要將其應用系統（例如 ERP、CRM、MES、WMS、POS…等）資料同步到 NEO 的 EUDA 資料庫，企業員工就能利用「企業營運 AI」提升其工作效率。SOA 服務元件和 EUDA 資料庫安裝在企業內部伺服器，企業營運 AI 安裝在員工的手機中。這個特殊應用 AI 的任務只有利用自然語言找到 SOA 服務元件，不需要大型語言模型（LLM），只需要小型語言模型（Small Language Model, SLM），因此可以把企業營運 AI 做成「特殊應用 IC」（ASIC）晶片，植入手機或平板（可搭配 AR 智慧眼鏡），讓企業的經營管理像開自駕車那樣，又自動又安全。雖然難度有點高，因為汽車是一個人開，企業是很多人一起開，但透過 AI 的感知及協調，每個人都能適時從手機收到 AI 的通知，並採取行動。每個人都能掌握企業資源的動態，隨時隨地都知道自己和其他人該做什麼事，以及每件事情的執行進度和結果，可互相支援補位。生活和工作融合在一起，人們好像不需要工作就有收入，又好像隨時都在工作。在企業中，因為 AI 和 NEO 企業協作平台，好像人人都能「心電感應」一樣。
[ 閱讀更多 葉宏謨 的專欄文章 ]
未來所謂「找到工作」就是找到某企業的授權，企業人事部門提供一台植入企業營運人工智慧 ASIC 晶片的手機供被錄取員工保管使用。企業員工只要啟動企業營運 AI，就能登入 AI 應用程式，取得資訊開始工作。企業營運 AI 可隨時從 EUDA 取得每位員工的工作動態，員工不需要到公司上班就能領到薪水，但員工的績效主管一清二楚。雖然像「老大哥」（Big Brother, 1984）那樣，有點恐怖，但企業營運 AI 僅限於工作範圍，因為它只能呼叫被授權的 SOA 服務元件，只和工作有關，不會侵害到個人隱私。
企業營運 AI 是邊緣 AI，利用開源的語言模型，整個人工智慧的功能都在手機上執行，只有呼叫服務時才連線到公司的伺服器，而 NEO 的每一個服務元件都有安全控管，使用企業營運 AI 不會有安全上的疑慮。
二、人工智慧自動生成程式
筆者服務的公司2013年就已經開始使用的 NEOGen 是生成服務元件程式和應用程式的程式，SOA 服務元件就是用 NEOGen 開發出來的。NEOGen 的開發環境包括：
- 中間層服務框架（NEO Service Framework）
- 中間層服務公用程式（NEO Service Utilities）
- 服務元件程式模板（NEO Service Templates）
- 服務元件的 API 文件（NEO Service Doc）
- 前端應用程式模板（NEO APP Templates）
未來的 NEOGen2.0 是結合 AI 的服務元件開發環境，可以根據使用者以自然語言描述的需求，找到既有服務元件或生成新的服務元件，並生成程式碼。
研究顯示 AI 生成程式碼比工程師寫程式的效率差了 35% [註 3]，主要的原因是 AI 生成的程式還要人類花大量時間除錯。但 NEOGen2.0 不讓 AI 自由寫程式，AI 的任務只是找到服務元件在現成的「應用程式模板」上填空，或分析資料庫結構（DB Schema）在現成的「服務元件程式模板」上填空而已。
NEOGen2.0 延用 NEOGen 的編碼標準、服務元件程式模板、中間層服務框架、和中間層服務公用程式，只有服務元件的程式碼和 API 文件是由 AI 生成的。NEOGen2.0 的使用程序如下：
- 使用者在測試環境以自然語言說出他的需求，例如想查詢、分析、新增、或維護什麼資料。
- AI 以 Text2Service 找到並建議使用者叫用哪些服務或服務組合，使用者同意後 AI 填寫「應用程式模板」生成應用程式呼叫服務產生答案供使用者驗證。使用者驗證若有問題則提示 AI 出了什麼問題，AI 重新產生程式直到使用者驗證成功。必要時使用者可修改介面用語、顏色、形狀等，再安裝到正式環境中。應用程式模板可以用 Python、Android、Java 或其他語言製作。
- 若 AI 以 Text2Service 找不到任何服務或服務組合，表示使用者的需求包含標準版 SOA 服務元件或 EUDA 資料庫沒有的欄位，則 AI 探索所有標準版資料庫欄位，建立延伸資料表，並填寫「服務元件程式模板」生成叫用標準版資料表和延伸資料表的延伸服務元件程式、規格文件、及其 API 服務文件。延伸資料表和延伸服務元件程式有特殊命名，將來必要時可「一鍵」納入標準版。
- AI 以 Text2Service 叫用標準服務元件和延伸服務元件產生答案供使用者驗證，使用者驗證通過後，必要時 AI 可生成前端應用程式。
NEOGen2.0 可延伸「企業營運 AI」（NeoAI）的功能。使用者利用企業營運 AI 執行工作，在工作過程中企業營運 AI 變得越來越聰明，使用者需要的應用越來越完整。
三、人工智慧比人類更會寫程式
筆者在軟體實務界和學術界工作了數十年，看過無數軟體專案，最常見的問題是規格文件不全。筆者一向主張先寫文件再寫程式，但很多人（包括學生和工程師）都是寫完程式才寫文件。程式往往跟著人跑，人在程式在，人亡程式亡，相信很多軟體公司都吃過這種苦頭。知易行難，也不能怪這些開發者，畢竟寫程式就是改來改去，很難一開始就想透徹，寫完程式再補文件也是可以理解的。但好不容易寫完程式，還要再寫文件，往往應付一下，就算想認真寫也經常是掛一漏萬。
AI 就不一樣了，雖然在和人對談的過程中程式改來改去，使用者驗證通過後，AI 完全記得做過了什麼事，所以可以生成完整的程式規格，讓後來接手維護的人可以參考。
在產生延伸資料表和延伸服務元件程式時，必須遵守資料表的正規化（Normalization），否則會造成資料重複或不一致的現象，可以想像由 AI 做會比由人類做好。
若程式必須參考外部資料，例如上市公司的公開資料，AI 寫程式的能力也遠比人類強。在分析資料時，若有非數字資料，人類根本不能和 AI 比。就算是數字資料要作統計分析，AI 也比任何統計學教授還要強。
AI 雖然比人類更會寫程式，但不能太自由，必須在人類的控制下，包括框架和模板等。人類的創意就表現在框架和模板中。有時太自由會亂掉，與其亂掉無法收拾，不如一開始就控制好。
四、NEO 生態系
NEO 的特色是系統整合和快速客製。例如無人商店，「系統整合」的例子包括閘門的 RFID 感應（IoT）、產生發票（POS）、商品庫存（ERP）、調撥單（ERP）、請購單（ERP）、補貨（WMS）等，這些系統的資料全部整合在 EUDA 資料庫中。購物車應用程式則是「快速客製」的例子，物品經過閘門時，立即感應產生電子發票送到消費者手機，商店的庫存立刻更新，NeoAI 立即算出哪些物品需要補貨，開立調撥單或請購單送到物管人員的手機，物管人員從手機確認調撥單或請購單後可及時補貨。顧問和開發者了解店家的需求後，可立即利用 NeoAI 展示無碼應用程式讓店家測試，並迭代調整應用程式，直到店家接受，再低碼產生真正的應用程式。系統整合和快速客製如圖 2。
因 SOA 服務元件和 EUDA 可整合異質系統和快速客製化，故可形成 NEO 生態系 [註 4]。NEO 生態系由眾多顧問公司、退休顧問、小型軟體公司、個人開發者、或企業資訊人員組成，如圖 3。有資訊人員的企業，可以自行根據自己同事的需求開發應用程式。沒有資訊人員的中小企業可委託軟體公司或個人開發者，根據企業使用者的需求開發應用程式。企業想要改善其作業流程時可委託顧問作診斷分析，再委託軟體公司或個人開發者實作可解決企業痛點的應用程式。因為都是組裝現成的積木，所以開發的速度極快。因為開發的速度很快，所以使用者沒想清楚或是需求改變時，可以不斷的重新開發應用程式，直到使用者滿意為止。
軟體公司或個人開發者以 SOA 服務元件做出資料同步應用程式，可即時或定期、自動或半自動的更新 EUDA 資料庫，整合企業各種不同的資訊系統。所有企業員工都能透過即問即答 AI 助理 [註 1]，想要什麼資訊就能從手機取得什麼資訊。
顧問訪談客戶了解痛點和需求後，提出改善建議，並從營運平台下載適合的應用程式供客戶測試。若找不到合適的應用程式則顧問開出需求規格，開發者根據需求規格透過 AI 設計程式，供客戶測試。經過修改後客戶接受應用程式，開始付費租用。開發出來的應用程式客戶可選擇專用，或佈署在營運平台供其他企業下載使用，租費不同。
營運平台上的應用程式也包括各種 AI 應用，NeoAI 只是其一。因為 AI 應用可能會有客戶的專業知識，客戶也許會選擇專用，不佈署在營運平台上。
NEO 是企業資訊系統的數位孿生（Digital Twin），將來 NEO 生態系還會再擴大，除了資訊系統的數位孿生還會有實質系統（Physical System）的數位孿生，例如生產線的製程、作業、資源，結合 XR（AR, VR, MR），使用者不只能從 NeoAI 看到圖表資料，也能「走進」數位孿生工廠看到生產線的動態模擬。企業導入實質系統數位孿生仍然面臨挑戰，首先，企業需要強健的資料基礎設施，以提供準確且即時的資料 [註 4]，而 NEO 正是實質系統數位孿生的強健資料基礎設施。
五、結論
程式設計師是否會消失？問這個問題和問律師、醫師、檢驗師、…會不會消失一樣，是不是所有「師」字輩的工作都會消失呢？這些職務的共同點是都有標準規範，用的是腦力而不是體力，只要能記住或查到相關資料就可以執行業務。
筆者認為這些工作不會消失，這些工作的重點會從原來的記資料、查資料和作判斷轉變成訓練 AI。舉例來說，企業資料庫的資料表是何等繁雜，讓 AI 從零開始建資料，不如把幾十年來累積出來的經驗做成通用的資料架構 EUDA 和 SOA 服務元件，讓 AI 從 SOA 服務元件開始，滿足 80%的使用者需求，再讓 AI 生成延伸服務元件程式補足剩下的 20%需求。程式設計師的工作不是寫程式，而是訓練 AI 如何寫出好的程式。
企業資料是每家公司都不一樣的，未來程式設計師比的是誰做的企業營運 AI 比較強，用 Text2Service 訓練 AI 會比 Text2SQL 強。同樣的，每個訴訟案件都不一樣，律師也要學會駕馭 AI，未來律師比的是誰的 AI 打官司勝率比較高。工程師、醫師、藥師、檢驗師、…等，都在比較誰訓練出來的 AI 比較強，或誰比較會駕馭領域專家訓練出來的 AI。
參考文獻：
[註1] 葉宏謨，即問即答AI企業助理，CIO Taiwan，2025年10月29日。
[註2] 施鑫澤，落實資料治理迎接生成式AI，CIO Taiwan，2025年4月5日。
[註3] FIND，財團法人資訊工業策進會，2025年。
[註4] 葉宏謨，以SOA-ERP作軟體基礎建設，CIO Taiwan，2025年3月5日。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
