食品加工廠用 AI：行銷可以放手做，標示不行——風險等級完全不同

食品加工廠提出的 AI 需求，最常見的組合是標示與行銷。這兩件事在企業內部常常被歸在同一個「文案產出」的類別底下，交給同一個人、用同一套工具處理。

但從風險的角度看，它們是兩件完全不同的事。

責任不會因為是 AI 產生的就轉移

依《食品安全衛生管理法》，包裝食品的標示責任在業者身上。品名、內容物、食品添加物、營養標示、過敏原、有效日期、業者資訊——這些標示如果不實或缺漏，裁罰的對象是製造或販售的業者。

沒有任何條文因為「內容是 AI 產生的」而減輕業者責任。工具用錯了，責任還是你的。

這帶出一個實務上的判準：凡是出錯會產生法律責任的內容，AI 只能做初稿，不能做定稿。而且複核的人必須是懂法規的人，不是懂文案的人。

相對地，行銷文案出錯的代價是改掉重發。這類內容可以大膽用 AI 加速，產出十個版本挑一個，錯了也就是刪掉重來。

（要注意的是行銷文案也有紅線：療效宣稱、不實廣告同樣受《食安法》與《健康食品管理法》規範。「可以放手」指的是產製流程，不是可以不管內容。）

標示自動化的前提，是資料先結構化

營養標示不是文案問題，是計算問題。要自動產出，得要有配方資料、原料的營養組成、以及每個品項的實際重量比例——而且要是結構化、可查詢、有版本控管的。

這就是順序問題出現的地方。如果 ERP 與追溯系統還沒整合，配方資料散在 Excel、紙本或某個人的電腦裡，那麼標示自動化沒有可信的資料來源。這種情況下導入 AI，產出的是看起來格式正確、數字卻無法追溯的標示——比手工作業更危險，因為它看起來很專業。

所以對追溯與 ERP 尚未整合的工廠，我的建議是明確的：

標示這一塊先不要碰 AI 自動化。先把配方與原料資料結構化，這件事本身的價值就已經很高（對稽核、對客訴追查、對新品開發都有用），做完之後標示自動化才有意義。

那現在可以先做什麼

在資料整合完成之前，這幾件事不必等：

• 行銷素材產製——產品介紹、社群貼文、通路提案簡報。錯了可以改，適合先累積使用經驗。
• 客訴與詢問的分類整理——把散落的客訴文字歸類，找出重複出現的問題。這件事本身也會反過來幫助你判斷哪些資料該優先整理。
• 法規文件的檢索問答——把相關法規、公告、稽核紀錄整理成可問答的知識庫。注意這是「幫你找到條文」，不是「幫你判斷合不合規」，最後判斷仍要由人負責。
• 教育訓練教材——作業標準、衛生規範的教材初稿。

這個順序的好處是：團隊在低風險的任務上先熟悉工具的能力與極限，等到資料整合完成、要處理標示這種高風險任務時，已經知道哪些地方不能相信它。

兩種文字，兩種風險等級

食品廠的文字產出可以粗分成兩類，而它們的風險等級差非常多：

• 標示類　成分、營養標示、有效期限、過敏原警語。這些受法規管制，寫錯要下架、要回收、可能罰款。
• 行銷類　包裝文案、社群貼文、產品介紹。寫得不好只是效果差。

結論很直接：AI 可以放心用在行銷類，標示類必須人工把關。

而且不是「AI 寫完人審一下」那種把關——標示的錯誤通常很細微（單位、小數點、過敏原漏列），審查者看到格式完整、用語專業的內容時，戒心會下降。這與我們在醫材文件那篇談到的風險是同一種。

AI 在標示環節唯一適合的角色

不是寫，是比對。

讓系統比對配方表、標示草稿、包裝設計稿三份文件的成分與數值是否一致——這是找錯，不是產生內容，而且是人最容易看漏的那種工作。

常見問題

食品廠可以用 AI 撰寫成分標示嗎？

不建議。標示類文字（成分、營養標示、有效期限、過敏原警語）受法規管制，寫錯的後果是下架、回收甚至罰款。而且標示錯誤通常很細微——單位、小數點、過敏原漏列——當審查者看到格式完整、用語專業的 AI 產出時，戒心容易下降。行銷類文案則可以放心使用，寫得不好只是效果差。

那 AI 在標示環節能做什麼？

比對，而不是撰寫。讓系統核對配方表、標示草稿、包裝設計稿三份文件的成分與數值是否一致。這是找錯而非產生內容，而且正好是人最容易看漏的工作型態——重複、細節多、跨文件。

導入前要先準備什麼？

把配方、標示、包裝稿三者的資料格式對齊，並確認每一份文件都有明確的版本控管與負責人。若三份文件散落在不同部門、版本各自更新，比對出來的差異會全部是雜訊，系統很快就沒人用。

出處與延伸依據

本文為賴家榮的顧問現場觀察，不構成法規或法律意見。食品標示的具體要求應以現行法規與主管機關解釋為準，並與貴公司品保及法規人員確認。

受管制文件與 AI 應用的邊界討論，可參考本站的醫材文件一文。

延伸來源

以下為與本文論點相關、且經實際查閱確認的外部來源。標示為預印本者尚未經同儕審查，引用時請留意。

• ISO 13485:2016《Medical devices — Quality management systems》：www.iso.org
• NIST, "AI Risk Management Framework"（NIST AI 100-1，2023-01-26）：www.nist.gov