談到實際應用案例，余孝先指出，工研院從事AI研發至少40年以上，而且未曾停歇，隨著AI技術與成熟程度的變化，每一年投入的狀況不一樣，真正大有斬獲的是最近10年在機器學習領域的進步，例如2013年成立一個新的單位，專門做Big Data，那時候也在AI方面多有著墨，主要應用於製造業及醫療影像方面，透過製程參數的優化，可以改善生產良率及效能。
余孝先進一步說明，一座工廠裡面有很多條生產線，即便是同一廠牌、年份出產的設備，每一台的表現還是會有些差異，所以當有客戶上門時，工廠必須先確定能不能接下這張訂單，如何調配才能達到最佳化的總體產出，以前都是靠人力規劃，但現在已經可以讓AI解決。
他再舉個淺顯易懂的例子，大家開車通常5000公里或是定期就會做一次保養，這是約定俗成的標準，但每台車子的屬性、狀況都不一樣，甚至和駕駛習慣也有關係，尤其工廠設備動輒千萬元起跳，太早保養、停機、換零件是浪費錢，但如果等到出問題了才處理，面臨的損失可能更大。
因此，最好的方式就是及時保養，這時候AI可以根據過往的歷史資料分析這台設備的特色，什麼情況下會出現什麼訊號，例如震動到某個程度，或是相關數據產生變化，大致上可以預測下週要出事情了，這時候就能預測性的保養。
另外還有一個例子是醫學影像醫療，余孝先說，人的眼睛到了某個年齡都會有點病變，尤其糖尿病患者更是高風險族群，平常定期要做檢查，比較好的是照眼底鏡，但台灣許多偏鄉缺乏專業的眼科醫生和醫療設備，當地居民往往等到病況嚴重的時候才會前往都市醫院就診，通常已經來不及了。
有鑑於此，工研院先前研發相關設備，可以放在偏鄉的衛生所或一般家醫科的小診所，雖然機器本身沒辦法協助治療，但是只要及早發現問題，病患就能趕快就醫，這項技術已經技術轉移到業界，並且通過FDA驗證，成為工研院投入AI研發的成功案例之一。
台灣需要什麼AI人才？
雖然AI能力越來越強，終究無法跳脫「以人為本」的原則，偏偏這是台灣現階段的弱項。
余孝先強調，這裡談到的人才缺口，並不是台廠供應鏈這些軍火商，因為就算沒有AI，他們也有來自不同領域的訂單，本來就習於設法充足自身需要的人力，根本不必大家為他們操心。
至於終端使用者，只需要具備使用AI的能力與素養，就像很會開車的人，其實並不一定懂車；反而是有辦法開發AI應用的人才，這些是全球炙手可熱的稀缺人才，必須長期培養，而且沒有速成方式。
余孝先表示，有些東西可能10年後就陣亡，但在可見的未來，AI發展目標只會越來越高，對於相關人才的需求也會越來越大，這是關乎整個國家產業競爭力的關鍵問題，先不要想著勝過，但至少不能落後全球水準，「台灣不要放棄做AI的創新應用，不能老是等到國際上都成熟了，我們才開始導入，這樣太慢！」 （相關報導： 《AI醫療專題》李友專：關鍵是健保資料開放 將引領台灣走向不一樣的醫療未來 ｜ 更多文章 ）
他說，國外許多都是政府帶頭傾力推動，台灣在這方面也應該持續加強挹注資源，對於眾多中小企業而言更要動起來，能學的趕快學，「投入不一定成功，但不投入一定失敗。」
