数字化不买系统也行,Excel+AI一样解决大问题

先上系统，还是先跑流程？

在制造业的企业管理实践中，有一种路径较为常见：管理层做出决策之后，IT 部门着手评估供应商，MES、ERP 等系统随即被引入车间。系统上线的当日，车间管理状态并未随之发生改变——此种路径在流程尚未梳理清晰之前，便将改善管理的期望寄托于系统所提供的"自动化"——结果是常见的：资金已经投入，流程仍然没有变化，工人对系统缺乏熟悉，系统最终成为摆设。

但是还有一种路径在企业中较为少见：管理层先要求精益推进人员将三张关键表单梳理到位——订单跟踪表、排产表、质量记录表。Excel 运行半年之后，流程趋于稳定，再行决定哪些环节需要引入系统。系统投入的规模较小，仅以 AI 助手实现表格的自动汇总——一线人员的经验得以保留，流程却变得可观察、可调整。

这两条路径之间的差距，并不在于系统的投入金额，而在于流程梳理的先后顺序。

"数字化"这件事，多数管理者理解有偏差

多数管理者对"数字化"的理解，与数字化的本质之间存在偏差。

偏差之一，将数字化等同于引入系统。系统购置完成之后，流程并未发生相应改变，资金已经投入，工人却在反映"系统难以使用"。系统上线并非终点，而是起点——系统上线之日，才是流程调整工作的起点。

偏差之二，将数字化等同于引入 AI 技术。将大模型引入企业，却将车间管理置于一旁。AI 作为工具，无法替代流程。流程若不顺畅，AI 越是先进，越是在为混乱的流程提速。

偏差之三，将数字化等同于人员削减。将员工视为成本，将系统视为替代。此种思路所引发的问题最为突出——人员削减的同时，隐性知识随之断裂。资深人员的判断、长期积累的经验、客户关系的维系——这些隐性资产的损失成本，远超系统本身的购置投入。

偏差之四，将数字化等同于招聘 AI 工程师。认为引入若干算法专家，车间管理便会自动实现数字化。算法专家是工具的开发者，工具的使用者另有其人。开发工具者不解决车间问题，使用工具者方能解决车间问题。

数字化的本质较为清晰：使流程可量化、可视化、可调整。流程不变，工具的任何更替皆为徒劳。

买系统与先跑通业务流程的 5 个真实差异

差异并非体现在工具层面，而体现在以下五个维度。

第一个维度为成本。购置系统的投入规模从数十万元至数百万元不等，自合同签订之日起，资金便开始持续投入。Excel 配合 AI 助手的投入规模则小得多——一台计算机、一份表格模板、一个通用 AI 助手账号，月度成本可控制在较低水平。

第二个维度为灵活程度。系统一旦购置，系统的逻辑便相对固定。流程需要调整时，必须调整系统——调整系统需要厂商排期、需要测试、需要重新上线，周期通常以季度为单位。Excel 表格修改后，流程即发生变化，当日即可投入使用。流程优先还是系统优先，决定了调整工作由谁承担。

第三个维度为上线周期。一套 MES 系统从立项到上线，根据行业经验，通常需要六个月至一年时间。在此期间，流程未发生根本性变化，资金持续投入。Excel 配合 AI 助手，一至两周即可投入使用，先将可改善的环节纳入管理范围。

第四个维度为培训成本。新系统意味着新界面、新术语、新流程。操作人员学习一周仍未掌握时，生产线已经受到影响。Excel 表格为一线人员所熟悉，配合 AI 助手也只是减少了部分公式的编写工作量。

第五个维度为退出成本。系统购置后难以退出——数据存储于厂商服务器，业务流程与系统紧密绑定，更换厂商需先行完成数据迁移。Excel 表格存储于管理者计算机中，存储于一线员工的认知中，可随时修改、修改后即可投入使用。

上述五个维度并列之后，结论较为清晰：先以 Excel 与 AI 助手将流程梳理到位，再以系统投入补充 Excel 确实无法胜任的环节。此并非否定系统的价值，而是为系统选择适宜的实施时机。

丰田的"自働化"，讲的就是这个道理

丰田生产方式中存在一个关键概念，称为「自働化」（jidōka）。该概念与"自动化"（automation）仅一字之差，含义却截然相反——自动化指机器替代人完成工作，自働化指机器辅助人完成工作。

自働化的原始含义为：机器在检测到异常时自动停止，等待人员判断。此机制将判断权保留在人员手中，将执行权交由机器承担。机器无法判断"零件是否合格"，但机器可以停止——停止后由人员进行判断。

将此思路迁移至数字化领域，原理同样成立：工具辅助人，而非替代人。Excel 配合 AI 助手，使人员从重复性的统计、汇总工作中解放出来，将时间投入于判断工作——订单是否应当承接、排产方案是否合理、异常是否为真实异常。判断工作，工具无法承担；执行工作，工具效率高于人员。

数字化的目标，并非以系统替代人员，而是使人员与系统协同——具备判断能力的人员配合高效执行的工具。系统投入方能体现其应有价值。

Excel 配合 AI，能够完成这四项工作

"Excel 配合 AI"这一表述较为笼统。落实到车间管理的具体场景，Excel 配合 AI 能够完成哪些工作？以下四项工作，多数企业当前即可着手推进。

第一项工作为订单跟踪。传统模式下，销售人员使用 Excel 手工填写订单表，每日刷新进度后向管理层汇报。难点在于数据分散于多份表格之中，管理层需通过电话询问方可掌握订单延误的具体环节。引入 AI 助手之后，订单数据形成结构化记录，AI 按客户、交期、金额维度自动汇总异常——管理层每日查阅汇总表，重点客户状态一目了然。一线人员的主导工作为何？判断哪些订单属于真实异常，哪些属于表面异常。

第二项工作为排产计划。传统排产依赖车间主任经验，于 Excel 中手工绘制甘特图。难点在于排产方案调整时需重新绘制，耗时较长。引入 AI 助手之后，AI 基于订单、设备、人员数据生成排产建议，车间主任在建议基础上进行微调——并非 AI 替代主任完成排产，而是 AI 提供多个备选方案供主任选择。一线人员的主导工作为何？判断哪一排产方案最契合当日的实际情况。

第三项工作为质量记录。传统模式下，质检员填写纸质记录表，班次结束前汇总至 Excel。难点在于数据时效性不足——异常发生与发现之间可能间隔数小时。引入 AI 助手之后，质检数据实时录入 Excel，AI 自动比对历史数据，识别异常波动——异常发生当日即推送至车间主任。一线人员的主导工作为何？判断异常的真实原因，决定处理方案。

第四项工作为考勤绩效。传统模式下，人事部门月末统计考勤数据，手工汇总绩效结果。难点在于数据来源繁杂、统计口径不统一，员工时常投诉"计算结果有误"。引入 AI 助手之后，考勤打卡数据自动同步，AI 按既定规则生成绩效初稿——人事部门在初稿基础上进行调整，将工作重点置于异常员工的沟通工作。一线人员的主导工作为何？判断绩效口径是否合理，处理边缘案例。

上述四项工作具有共同特征：流程由 Excel 实现运转，AI 助手承担汇总与建议职能，最终判断仍由一线人员完成。流程、数据、判断三层分工明确——系统购置后若未建立此分工，系统投入的价值仅能实现一半。

三步使车间管理趋于规范，无需购置系统

在不购置系统、不投入大量资金的前提下，如何使车间管理趋于规范？以下三步可着手推进。

第一步，建立标准化模板。由精益推进人员牵头，将车间内最为繁乱的三张表单梳理清晰——订单跟踪表、排产表、质量记录表。模板无需过于复杂，能够使操作人员按表填写即可。模板设计合理，流程稳定性即可获得半数保障。此步骤需要一线人员的深度参与，而非在办公环境中独立完成。

第二步，应用 AI 助手实现自动汇总。通用 AI 助手（ChatGPT、通义、文心、豆包等）可接入 Excel 数据，执行自动汇总、报表生成、异常识别等任务。首先以通用 AI 助手进行小范围验证，观察 AI 输出汇总的准确性——准确则采用，不准确则调整模板。一线人员的主导工作为何？判断 AI 汇总口径是否准确，决定是否需要调整。

第三步，建立关键看板。每日晨会五分钟，管理层审阅五项核心数据——昨日产量、订单达成率、质量异常数量、设备开机率、安全事件数量。此五项数据自 AI 汇总表中提取，无需系统支持即可实现。看板的核心价值并非数据本身，而是基于数据的判断——每一数据所反映的实际状况，下一步应采取何种措施。

三步实施周期约为半年。半年后，车间内适合引入系统的环节清晰可辨——此时再行购置系统，每一笔投入均能产生相应价值。路径并非先系统后流程，而是先流程后系统。

人员能力如何培养

方法合理之时，Excel 能够支撑高水平的管理工作。然而数字化进程的深入推进，核心要素在于人员——具备 AI 工具应用能力的一线人员，而非具备算法编写能力的工程师。

数字化领域的竞争焦点，并非系统、并非工程师，而是具备 AI 应用能力的一线人员。

关于人员能力的培养路径，业内已有较为完整的方法论，即《人人都是 FDE》。该方法论从一线业务人员的视角出发，阐述如何从零起步、应用 AI 工具解决实际问题。此路径并非针对工程师设计，而是面向车间内每日与具体问题接触的人员——车间主任、质检员、生产调度员、设备工程师。有兴趣的读者可查阅该系列连载，自首篇文章开始阅读。此方法论在车间的落地实践，并非始于代码编写，而是始于一线人员的判断工作。

自明日开始，首先将车间内最为繁乱的一张表单梳理清晰。观察哪一位员工最先完成此项工作，该员工即为数字化进程中应当重点使用的核心人员。

关键词：数字化 · Excel+AI · 精益 · 自働化 · 人才 · 中小企业 · 车间管理

参考出处：Womack, J.P., Jones, D.T., Roos, D.《改变世界的机器》（1990）；大野耐一《丰田生产方式》東方出版社（2010）；麦肯锡《Why digital strategies fail》（2018）；WEF《Future of Jobs Report》（2023）；工信部《中小企业数字化转型指南》

备案：本文为"大白话讲精益数字化"专栏原创，写作过程中未引用具体企业案例，所有对比均为路径类型描述，引用原典与公开报告均可查证。