AI 都用在哪了？HR、行政、OA
我们聊的每一家企业，几乎都在说自己在拥抱 AI。前几年做数字化，这几年做 AI 化。但你问到实际应用场景，大部分企业说的都是：人力资源系统、行政管理系统、OA 审批系统。
为什么会产生这个现象？我总结下来有两个原因。
第一个原因：行政管理系统最好讲降本增效的故事
有一家中部企业跟我讲，他们上线人力资源 AI 系统之后，从原来六七个人，降到只剩两个人。考勤、请假、绩效目标、考核，全在 AI 系统里做掉了。效果实实在在，领导非常满意。
你说这算不算 AI 落地？算。从管理层角度，降本做出了效益，无可厚非。但你要问 AI 有没有进到生产线里？大部分是没有的。
第二个原因更关键：产线应用层面，更多是工程问题，不是 AI 问题
产线上的 AI，卡在哪
有一家企业给我讲了一个故事。他们在某些质检环节上，用大模型——GPT、Claude Code——加上自己的特定语料库，已经能做到优于人工的水平。但你要再往前推一步，就卡住了。
卡在哪？背后其实有两块。
第一块是数据问题
某些特定的垂类小场景，本身样本数据就少。更关键的是，公司跟公司之间、行业跟行业之间的数据是保密的，不共享。这就导致很难收集到大量原生数据去给 AI 做学习、做推理。
结构性数据瓶颈
大模型在通用场景下聪明，是因为吃的是全互联网的数据。但到了某个细分制造场景，它能吃的就那么点，再聪明也使不上劲。这是结构性的数据瓶颈，不是算法能解决的。
第二块是工程问题
市面上大多数 AI 软件偏软件端，但在生产车间，实实在在需要解决的是工程问题。它要求你又懂工程、又懂软件、还懂 AI。这种高端复合型人才，在中部地区非常稀缺。
我跟不少团队聊下来发现：懂 AI 的不懂车间，懂车间的不懂 AI，两边对不上话。这种人才断层，比模型能力本身更卡脖子。
还有一块隐性坎，管理层不会明说
生产线上的 AI 应用，降本增效的成效没那么快上来。反而因为 AI 融合，良品率会先下降一段时间，然后才慢慢爬回去甚至超过原水平。
这个阵痛期，是很多老板不能接受的。哪怕他们数字化水平已经做到 L7、L8 级别，一听到"良品率会先掉"，立刻就犹豫了。
这事往深了想，跟蒸汽机到电气时代的交替一模一样
由此我想到了一件历史上的事。
蒸汽时代和电气时代相交替的那个年代，电刚刚进到工厂里。工厂主也非常乐意花大价钱去装电动机——觉得这是先进技术，必须上。
但结果发现，生产效率几乎没变。
为什么？因为他们的管理流程、工厂布局、工人的技能培训，全都还是围绕着蒸汽机时代设计和运行的。电机只是被当作了一个蒸汽机的替代品，从流程、工艺、人员技能上什么都没改。
后来真正释放电气化威力的，是第二代工厂主——他们重新设计工厂布局，把电机直接装到每台设备上，重新组织生产线，重新培训工人。这一波改造完成后，生产效率才出现指数级跃升。
这个跟今天很多企业的 AI 转型，本质上是一样的。
核心判断
AI 对今天的大部分工厂来说，只是一个昂贵的行政助理。它在 HR、OA、行政这些边角场景里替代了几个人力，但核心生产流程一点没动。这跟当年把电机当蒸汽机替代品，是一模一样的错位。
我的判断
总结一下这次调研的几个看法。
- AI 进厂不等于 AI 进车间。今天大部分企业的 AI 应用，还停在管理层视角的降本增效故事上，离真正重塑生产流程差得远。
- 产线 AI 卡住的不是模型，是工程、数据、人才三件事。这三件不破，再聪明的大模型也进不了车间。
- 最隐性的坎是良品率阵痛期。老板不接受这个阵痛，AI 就永远停留在边角场景。这件事得靠管理层认知突破，不是技术能解决的。
- 今天我们正处在 AI 时代的"电机替代蒸汽机"阶段。技术装上去了，流程没动。真正的效率跃升，要等下一代工厂主重新设计生产流程——这一天还没到来。
给制造业老板的几句实话
别被 HR/OA 的降本故事满足。那只是 AI 的边角料，真正的价值在产线。准备好接受良品率阵痛期——这是绕不过去的坎，提前做心理预期比临时慌乱强。找懂工程的复合型团队，别只找懂 AI 的。AI 团队能跑模型，工程团队能跑现场，两边都懂的才是稀缺资产。
给制造业老板
记住一句话：在车间里，工程能力比模型能力值钱十倍。模型谁都能调，工程不是谁都能做。你愿意扎进现场、解决脏活累活，你就比那些只会在 PPT 上画 agent 架构的团队值钱得多。
给 AI 从业者
写在最后
调研完这一圈，我对制造业 AI 的判断没变：机会巨大，但机会只给愿意扎进车间的人。AI 进厂容易，进车间难。这一步跨越，可能还需要三到五年。