2007年，富士康工廠正因產品不良率突然暴漲至10%焦頭爛額，無論是內部團隊，還是外部請來的幾家專業諮詢公司，都沒能做出有效分析。彼時，張宗堯從台灣大學研究所畢業，來到了鴻海精密擔任工程師。

初入鴻海精密的張宗堯，本著初生牛犢不怕虎的精神，設計出一個機器學習模型，透過機器學習和線性分析發現包含溫濕度，及其它影響製造的關鍵因子，並模擬出最優的因子參數，從而消除了這次產品不良率的暴漲。

這是他第一次用數據的方式，實際解決製造業中的生產難題。病根確認，這一困擾工廠良久的「大難題」，最終順利解決。張宗堯設計的機器學習模型，幫富士康省去了2千萬美元的潛在損失。

數次脫穎而出的表現，讓一直有意提攜年輕後輩的郭台銘，精神為之一振，張宗堯於是有了「鴻海之子」的稱號。

用數據分析，破解「黑天鵝」問題

成為一名科學家，是張宗堯從小的願景。正是由於這段與鴻海的緣分，張宗堯成為亞洲最早一批將機器學習在工業中落地的人。在他眼中，許多實用的機器學習模型，並沒有太高的技術壁壘。大企業花大力氣都沒分析出原因的關鍵，是囿於傳統人工經驗的固有認知。面對罕見事件，既有的人工經驗失效了。「企業大多時候不是利用數位化決策，而是憑經驗。不常發生的事，他們就沒有感覺。」

透過在富士康的學習，張宗堯近距離觀察到了AI參與製造業轉型升級的必要性。同時，他也意識到，數據分析儘管優勢明顯，但門檻頗高，只有很小一部分人才具備這種能力。

後來，張宗堯申請到了前往麻省理工讀博士的機會，在電機工程和計算機科學系，他做了大量指向降低技術使用門檻的AI自動化研究。除了技術上的鑽研，頂尖學府的教學理念以及整體的創業氛圍，也為日後張宗堯的創業，帶來不少啟發。

一是做事前一定要明確其價值。麻省理工十分強調「研究要以應用為基礎」。課程結束，即意味著將研究成果落地，並且保證實用性。二是有大量現成的創業經驗可參考。從孵化創業想法，到選擇創業路徑，再到尋找合作夥伴獲得融資，後來者得以從整個創業鏈條中，獲得借鑒與鼓舞。

6年前回到中國，張宗堯四處走訪智能製造公司及製造業企業，驚異於中國企業竟還秉持著直覺與經驗式的傳統做法，「其他行業已經天翻地覆，為什麼中國的製造業還是沒有改變？」

以往企業做數據決策過程中，完成數據提取、清洗、分析、建模等一系列操作，需要藉助數據分析師／科學家，整套流程不僅貴，結果也滯後，不能支撐起「即時決策」或華為所說的「隨需響應」，而且數據模型難以復用。

系統數據困境的背後，是數據科學家的匱乏，以及技術與業務在知識、技能和經驗上天然的壁壘。高成本投入下，企業決策卻明顯滯後，低效率的運轉，很容易遭到市場淘汰。

面對行業痛點，張宗堯在2016年底創立了訊能集思，決定成為一家利用AI技術，輔助工業企業進行決策的公司，其解決方案是一款結合先進自然語音及AI數據分析技術的AI決策平台JarviX。這款平台最大的特點，就是沒有使用門檻，每個人都可以成為數據分析師。

傳統商業決策向下，智能化BI向上

傳統式BI（Business Intelligence，商業智慧）的最大弊端， 就在於效率低下。2014年開始，自助式BI工具（也叫二代敏捷BI）開始在中國迅速生長，它面向業務人員，打破傳統工業決策上的桎梏，但此時的BI產品，仍舊具有局限性，僅適用於具有一定IT能力的業務人員。

並且，針對數據分析的能力而言，現行BI在Gartner定義的4種深度中（描述型分析、診斷型分析、預測型分析、指示型分析），也只能達到描述型分析的深度。最理想的AI決策模式，無疑是讓業務人員，廣泛擁有數據分析的能力，且能做到不僅僅是陳述現狀的統計分析。

隨著AI 、大數據和雲計算的普及，疊加自然語言、機器學習等技術的發展，到2019年，完全由業務人員主導，幾乎沒有任何使用門檻的智能化BI，開始在中國引領新的發展趨勢。

訊能集思致力於探索的智能化BI，就是相對於傳統式BI和自助式BI而言的。當時，智能分析領域的主要玩家，大多來自海外市場，中國企業使用的決策系統，往往是簡單的中譯版本。語言的隔閡，導致實際應用效果欠佳，也讓眾多中國有心轉型智能製造的企業望而卻步。

2019年，訊能集思正式在中國落地，立志成為一個能夠以中文進行交互的AI決策系統。隨著大規模大機器工業時代的不斷推進，市場需求不斷變化，提升作業價值、降低庫存風險、縮短產品上市週期、少量多樣的個性化產品、高彈性低附加價值等，正在逐漸成為未來製造產業的發展趨勢。

訊能集思主要客戶以人民幣1～10億元的中型企業或者工廠為主，典型落地場景主要分為3類：以富士康為代表的EMS工廠、以福耀玻璃為代表的汽車零組件工廠、以鈺齊為代表的鞋廠。其中，前2類代表的電子製造業和汽車零組件是訊能集思佈局重點領域。
在這一系列的需求變革中，將數據分析的能力賦能傳統業務人員，是至關重要的一步，張宗堯認為，「數據分析如果永遠只停留在少數技術專家的手上，AI根本就沒有辦法取得長足的進步。」

如何才能讓數據分析，不僅僅是少數專家的特權？

基於這一核心問題，訊能集思研發了一款增強分析技術開發的通用SaaS ——無代碼AI智能決策平台JarviX。JarviX這個名字來源於電影《鋼鐵俠》，劇中Jarvis是鋼鐵俠Tony的AI管家，擁有超強大的數據分析能力，擁有了Jarvis的Tony，得以快速處理各種信息，拯救世界。

不過，張宗堯把Jarvis的最後一個字母「s」，替換成了《X戰警》中Professor X的「X」。在張宗堯的認知裡，Jarvis+ProfessorX，是終極技術理想的象徵「最聰明的人腦結合最聰明的AI，幫助企業變成最聰明的企業。」張宗堯認為，AI的作用，並非取代決策，而是輔助決策。他們想實現的，就是藉助JarviX，人人都能獨立且快速地擁有數據分析的能力。

對於不懂算法的業務人員來說，JarviX的操作步驟，可以簡化為3步：鍵入關鍵詞或問句、點擊分析結果、點擊建模指導決策。

與之相對應，JarviX背後的技術邏輯：

第一步：將各類數據（結構、半結構）導入到JarviX。
第二步：JarviX透過差異分析、根因分析、趨勢預測、關聯挖掘等AI算法發現因子，並結合機器學習找到關鍵因子。
第三步：透過行業優質實踐模板與仿真器，實時AI建模，模擬出最優參數，找到解決方案。

JarviX目的是無代碼解決企業內部數據源需求，從經管與供應鏈的智能排產排程、自動庫存優化、共用料優化、報價分析預測、猜測供應商底價，以及採購的分析預測；從生產端的良品率優化、不良根因查找、預測性維護，到生廠參數優化等不同場景。
「以前的AI應用往往是一個算法對應一個應用，然後再搭建一個系統，JarviX可以自行組合各種算法，即時生成應用程式應對不同的客戶應用需求。」張宗堯表示。

大部分中小企業，連一個完整IT團隊都沒有，遑論建構數據團隊提升數位化決策能力。張宗堯想要幫助那些沒有足夠資源完成數位化轉型的中小企業，讓他們藉助JarviX實現數據的快速導入和規模化應用，在不同的業務場景快速得到有效的決策輔助。

某消費電子製造商供應鏈部門，在應用JarviX後，專案準備流程從4人5天縮短至5分鐘，分析銷量提升95%；決策時間由1天壓縮至30分鐘，時間成本降低93%。

＊本文獲「雷鋒網」授權轉載，原文：「鴻海之子」張宗堯想讓人人都成為擁有智能管家的「工業鋼鐵俠」

責任編輯：李頤欣
核稿編輯：易佳蓉