產線跳出異常警報時，工程師可能得分別查看機台控制畫面、製造執行系統（Manufacturing Execution System，MES）和維修紀錄，才能判斷是否需要停機。這時要導入工業 AI，主管通常會先問：AI 讀得到現場資料之後，會不會直接動到設備？正式操作前，工程師還能不能踩煞車？
讀取資料與操作設備不必綁在一起。企業可以讓 AI Agent 讀取分析所需的資料，但不開放它改寫資料庫或直接控制產線；等 AI Agent 整理完資料，列出可能原因與操作建議後，流程就先停下來，由指定的工程師確認。建議企業先將資料設為唯讀，規定操作前須由人員核准，並完整保留過程紀錄，再根據試點結果評估是否擴大自動化範圍。
資料都串起來了，為什麼 AI 還是看不懂？
數位時代報導指出，許多工廠已經運作數十年，現場同時使用不同年代、不同品牌的感測器、控制器、能源管理系統與製程系統。每套設備各自搭配一套管理工具，久而久之，資料也就分散在不同的軟體與資料庫。工業平台位在這些系統中間，往下取得營運技術（operational technology，OT）資料，往上連接資訊技術（information technology，IT）系統，再把資料提供給 AI 與分析工具使用。
不過，系統連得上，不代表 AI 就看得懂。部分設備已經使用超過 10 年，當初未必有留下 AI 分析需要的完整資料；即使拿得到資料，不同系統使用的設備名稱、時間格式與製程定義也可能不一致。例如，同一台機器在維修紀錄與 MES 裡使用不同代號時，團隊就要先訂出明確的對照規則，否則 AI Agent 整理資料時，可能無法把前後相關的異常狀況連在一起。
因此，團隊不要急著處理全廠資料，而要先選定一段異常處理流程，列出工程師目前會查看哪些畫面、紀錄與欄位，再逐項確認資料是否存在、時間能不能對得上、名稱是否一致。主管可以要求團隊交付資料來源清單與欄位對照表；如果關鍵紀錄根本沒有留下來，團隊就應先提升設備的數位化程度並改善紀錄方式，不要急著進入模型測試。
AI 能讀哪些資料，權限要先劃清楚
製造現場需要串接資料，不代表所有內容都要送到公有雲。報導提到，企業可以先把生產資料留在工廠內運算與分析；對重視製程機密的企業來說，應先分清楚哪些資料放在內網資料庫、哪些是現場檔案、哪些需要使用外部服務，再決定各類資料可以從哪裡讀取，以及是否可以離開公司。
試點初期，建議讓 AI Agent 透過公司內網讀取必要資料，並將資料庫連線預設為唯讀，不能新增、修改或刪除內容。如果 AI Agent 需要查詢外部文件或呼叫外部服務，IT 團隊也不要一次開放所有網路連線，而要把業務確實需要使用的網域逐一加入出網白名單（egress allowlist）。這樣做可以把「取得分析所需的資料」與「改動營運系統」分成兩套權限，避免團隊為了方便查資料，連執行權限也一起開放。
EgentWrX 提供連接公司內部網路的方式，讓 AI Agent 讀取企業自己的資料庫；這項整合只開放讀取，不允許寫入。系統預設拒絕所有對外連線，再由管理者逐一將允許連線的網域加入出網白名單。評估試點時，IT 團隊應逐項確認這項連線會使用哪個身分、可以讀取哪些資料表、能查詢多久以前的紀錄，以及哪些外部網域確實有業務需要，並在開放前請資料負責人確認範圍。
AI 提出操作建議後，流程要停在哪裡？
報導以電路板產線的拋料率上升為例，工業 AI 可以同時整理吸嘴狀態、生產速度與異常頻率，列出可能原因，並建議先降低速度。不過，如果 AI 判斷錯誤，可能影響價值數千萬元的產線，甚至危及人員安全。因此，AI 完成分析之後，不能直接取得設備操作權。
企業可以把異常處理流程分成「讀取資料、分析原因、提出建議、執行操作」四個階段，並在正式執行前設置人工核可關卡（human approval gate）。AI Agent 完成前三個階段後，工作流程就先停下來，等待工程師核准；核准畫面也要列出 AI Agent 引用了哪些資料、判斷出哪些可能原因，以及提出什麼建議，讓工程師有足夠資料可以查核，不能只提供同意或退回兩個按鈕。
此外，企業還要為人工核可訂清楚三件事：誰有權核准、核准時要查看哪些資料，以及遇到哪些情況必須退回。例如，資料時間對不上、關鍵感測值缺漏或建議涉及安全相關設備時，就可以直接退回，改由工程師處理。試點團隊應先挑一段異常處理流程，把核准人員、判斷依據與退回條件寫進任務規則，再用既有的歷史紀錄演練。
要留下哪些紀錄，出問題後才查得到原因？
工程師保有最後決定權之後，企業還要能回答四個問題：AI Agent 查過哪些資料、提出什麼分析、由哪位工程師核准，以及流程是否曾經被退回。如果系統只保留最後結果，一旦發生誤判，資安、品管與現場主管就無法還原 AI Agent 當時使用的資料，以及工程師做出決定的過程。
因此，企業在試點開始前就要列出必須保存的紀錄，包括資料查詢、分析結果、人工核准、退回理由與後續執行狀態，並約定保存範圍和抽查方式。EgentWrX 的稽核日誌（audit log）可以匯出，也能透過雜湊鏈（hash chain）驗證紀錄是否完整；管理者下載稽核紀錄時，系統也會留下紀錄。這些機制可以保留日後查核需要的資料，但不代表 AI 的分析一定正確，因此資安或稽核單位仍要定期抽查，現場團隊也要持續檢查退回條件是否需要調整。
工業 AI 的第一個試點，可以先集中必要的設備資料、歷史紀錄與處理經驗，讓 AI Agent 協助工程師整理異常資訊，但設備操作仍留在原有的控制流程裡。等團隊確認資料品質、核可規則與紀錄方式都符合要求，再討論是否開放下一段流程；如果連誰有權核准、出錯後要查哪筆紀錄都說不清楚，就不應擴大 AI Agent 的執行權限。
