<aside> ⛏️

**案例核心：**Freeport-McMoRan 沒有用 AI「取代礦山工程師」，而是用 AI 把數十年操作資料轉成更頻繁、更精準的製程建議，再由現場 Metallurgists／Operators 判斷是否採用。Bagdad 礦山在一季內 throughput 提高約 10%、copper recovery 增加 1 個百分點，並形成可擴張到多個礦區的 AI 轉型飛輪。這是典型的 Decision＋Learning＋Capital Leverage。

</aside>

一、原書案例：AI 的價值不是「預測」，而是改變營運決策

案例｜Freeport-McMoRan：TROI 與礦山 AI 轉型飛輪

Freeport 面對的核心問題很具體：

大型銅礦要增加產能，傳統方法通常需要：

• 新設備；
• 新 Concentrator；
• 大量 CAPEX；
• 許可；
• 多年建設。

Freeport 問的是：

能不能先用現有資產＋資料＋AI，把既有礦山產能往上推？

這不是單純 Efficiency Problem，而是 Capital Allocation Problem。

二、Bagdad Pilot：先把 AI 放進一個可測量的決策迴路

團隊在 Arizona 的 Bagdad mine 建立 TROI：

• Throughput；
• Recovery；
• Optimization；
• Intelligence。

AI 讀取：