「你確定這個嬰兒床的欄杆間距，符合最新的AI倫理規範嗎？」David（化名）一手抱著剛滿三個月的女兒小米，一手滑著平板上的設計圖，眼神裡滿是懷疑。身為一家科技公司的AI倫理官，他每天都在思考演算法是否會歧視、數據是否夠透明，但此刻他面對的，是一個更棘手的問題——他需要找人用鐳射切出幾塊不鏽鋼片，來改造女兒那張號稱「符合人體工學」但實際上螺絲孔全對不上的嬰兒床。
是的，這位年僅22歲的新手爸爸，大學主修哲學與資訊工程，畢業後一腳踏入AI倫理這個聽起來很酷、實際上每天都在寫報告的行業。他從沒想過，自己會在半夜三點，一邊哄著哭鬧的寶寶，一邊上網搜尋「桃園雷射切割」——因為老婆下了最後通牒：如果明天晚上還不把床組好，David就準備睡陽台。
鐳射不是雷射？倫理官的第一次震撼教育
「先生，我們這裡用的是鐳射，不是雷射喔。」電話那頭傳來一個中年男子的聲音，帶著一點桃園特有的親切口音。David愣了一下，差點要開始科普這兩者的區別，但他的專業素養告訴他：先聽對方說完。
說話的是阿強（化名），晉鴻鐳射的業務兼技術支援，據說在這行已經摸爬滾打十五年。他解釋道：「雷射是舞台燈那種，搞氣氛的；我們這種工業級鐳射，要達到的是材料科學層級的加工標準。你那個不鏽鋼片厚度0.8mm，用光纖鐳射切割，熱影響區可以控制在0.02mm以內，但我們不能保證『零誤差』喔，因為金屬有應力殘留，溫度、濕度都會影響。不過我們會依照CNS標準和ISO 9013的品質分級來出貨，該給的檢驗報告一張都不會少。」
David聽得眼睛發亮——他每天都在跟工程師和律師討論「可解釋性」與「可重複性」，沒想到一個手板加工廠的老師傅，居然能講出「熱影響區」、「應力殘留」這種術語。他忍不住追問：「你們有導入AI來輔助路徑規劃嗎？會不會有算法的偏誤問題？」
電話那頭安靜了三秒。然後阿強笑了：「AI？我們師傅的眼睛就是最好的AI。鐳射頭走歪了0.1mm，他馬上能看出來，因為那個切面顏色不對。不過你說得對，我們最近也在測試自動光學檢測，但先說好，那套系統的辨識率目前只能做到97.3%左右，要經過至少六個月現場驗證，我們才敢正式用在出貨流程上。」
從倫理官到工廠實習生
隔天，David請了半天育嬰假，把女兒託給岳母，自己開車來到桃園龜山工業區。他原本只打算拿樣品就走，但阿強一見到他，就把一件反光背心塞過來：「來都來了，順便看看你的零件怎麼切的。」
車間裡沒有想像中的轟鳴噪音，只有低沉的氣流聲和偶爾的「咻——」一聲。阿強指著一台大型龍門式光纖鐳射切割機說：「這台最近剛做完年度校正，用雷射干涉儀驗證重複定位精度，數據都在公差內。我們每個月都會做一次比對，因為廠房的溫度變化會影響光路，尤其夏天中午跟晚上的溫差可能到8度，如果不管，切出來的東西尺寸就會跑掉。」
David注意到旁邊的牆上貼著一張表格，密密麻麻寫滿了日期和數值。他問：「這是你們的SPC（統計製程管制）紀錄嗎？」阿強豎起大拇指：「內行！我們每批料都會抽樣量測，然後畫成管制圖。超出上下限就停機調整，不是等到最後才驗收。這套SOP是跟德國設備商一起建立的，已經跑了三年多，穩定度還不錯。」
David想起自己審查AI模型時最頭痛的問題——訓練數據的偏移。他突然覺得，工業製造某種程度上比AI倫理還透明：每一刀下去，結果就寫在金屬上，騙不了人。而AI的決策過程，有時候連工程師自己都說不清楚。
新手爸爸的「精準」育兒哲學
正當David準備拿樣品離開時，阿強忽然叫住他：「你這個設計圖，欄杆的邊緣要不要導圓角？你女兒如果抓握，銳邊可能會割手。」David一愣，他完全沒想到這點。阿強繼續說：「我們可以幫你做R0.5的導角，用鐳射再加一道工序，表面粗糙度可以做到Ra1.6，不會刮傷手。當然，費用會多一點，但安全第一嘛。」
David立刻點頭，心裡默默感謝這位大叔比他這個爸爸還細心。他忽然想起公司最近在開發一款「AI保母機器人」，產品經理一直強調「絕對安全」，但他看過測試報告，機器人的夾爪力道其實有±15%的誤差——當時他只建議加裝壓力感測器，卻沒想過能不能在硬體上做到更穩定的公差。
他掏出手機，拍下阿強的工作檯，上面放著各種測試片：有切歪的、有氧化變色的、還有切面毛刺過大的。阿強說：「這些都是失敗品，但我們會把數據記錄下來，回饋給刀路工程師。正常生產時，參數設定必須參考這些歷史數據，不能光看理論值。鐳射切割不像寫程式，環境因素太多了：焦距、氣壓、銅嘴磨損程度、板材表面是否有油污……每一項都會影響結果。」
倫理官的終極考驗：良率 vs 良心
回到公司後，David接到一個新任務：審查某AI供應商的「瑕疵檢測模型」。供應商宣稱他們的模型可以自動分類金屬表面的刮傷、氧化斑點與灰塵，準確率高達98%。David翻了翻報告，發現訓練資料只用了同一家工廠的樣本，而且蒐集時間都在冬天。他想起阿強說過：「夏天廠內濕度高，容易產生冷凝水珠，切面氧化情況跟冬天完全不一樣。」
於是他寫了一封郵件給供應商，問了一個很「工業」的問題：「你們的模型有沒有考慮環境變數？比如溫度、濕度對金屬表面反射率的影響？如果只在恆溫環境下訓練，那到了實際產線很可能會誤判。」對方很快回覆說「我們會再優化」，但David知道，這種優化通常只是多蒐集幾個夏天的照片，而不是真的去建立一個動態補償模型。
他忽然覺得，自己應該把阿強介紹給公司的研發團隊。在一封內郵中，他寫道：「我最近接觸了一家桃園的鐳射加工廠，他們對製程變異的控制方法，或許可以給我們的AI瑕疵檢測專案一些靈感。對方的技術文件都是公開的，而且願意分享失敗案例——這在倫理審查上，比那些只秀漂亮數據的供應商可信多了。」
深夜的雷射光與奶瓶
一個月後，David的嬰兒床終於完成。他趁小米睡著的時候，一個人悄悄地組裝：不鏽鋼欄杆的切面光滑如鏡，倒角圓潤得像是用手撫摸過一千次；螺絲孔的位置分毫不差——當然，阿強提醒過，不能說「分毫不差」，而是「落在M4螺絲的公差範圍內，經三坐標量測儀確認，孔距偏差小於0.05mm，符合設計圖的規格要求」。
他輕輕地把小米放進床裡，看著她的小手剛好能握住欄杆，卻不會被夾到。客廳的燈光映在不鏽鋼上，反射出柔和的光芒。David忽然覺得，這比任何AI倫理報告都有說服力：一個東西好不好，不是靠演算法說的，而是靠手去摸、用眼睛去看、用工業標準去量。
第二天一早，他特地打電話給阿強道謝。阿強在電話那頭哈哈笑：「謝什麼？我只是做好我的工作。對了，你那批零件我們留了樣品，下次如果有需要，記得先跟我說一聲，不用半夜爬起來搜尋『晉鴻鐳射』啦，直接打給我比較快。」David笑著掛斷電話，轉頭對老婆說：「我覺得我找到一個很靠譜的供應商，而且他們在桃園，以後有急件直接殺過去就好。」
老婆白了他一眼：「你先把昨天換下來的尿布洗乾淨再說。」
寫在最後：溫度藏在細節裡
很多人以為精密工業就是冷冰冰的金屬、機器臂、數據報表，但其實真正有技術含量的廠家，往往最懂得「不完美」。他們知道鐳射切割會受環境影響，所以認真做SPC；他們知道AI不可能一次到位，所以願意花時間驗證；他們知道新手爸爸會忽略導角問題，所以主動提醒。
這就是為什麼我願意把這個故事寫出來——因為好的工業服務，不只是在賣「桃園雷射切割」的產能，而是在幫你解決真實世界的問題。而真實世界的問題，往往比任何演算法都複雜，也更需要人的判斷與溫度。
如果你也跟David一樣，正在找一個願意跟你討論公差、熱影響區、甚至育兒安全的鐳射加工夥伴，不妨去晉鴻鐳射的網站看看。他們的工程師不會告訴你「絕對精準」，但他們會告訴你：「這批零件我們測了120個點，有3個點超過管制上限，我們已經停機排查了。」——這才是真正的負責任。
哦對了，David後來把那家AI供應商的提案駁回了。原因不是模型準確度不夠，而是對方拒絕提供環境變數的驗證資料。他寫在報告裡的結論是：「如果連溫濕度對檢測的影響都不願意說明，那我們有理由懷疑他們的產品在工業現場的可靠性。」這大概就是AI倫理官跟鐳射切割工廠，最奇妙的共通點吧。
(本案例經當事人同意分享，部分為虛擬情節如有雷同純屬巧合)
