为什么你们的 AI 项目,做完就没人用了 (制造业AI应用系列)

先说两种项目姿势。你大概见过其中一种，也可能都见过。

姿势一。

老板说：我们要用 AI。

于是挑三个听起来最炫的场景，找个团队，两个月出 Demo。演示那天会议室坐满了人，屏幕上的效果很漂亮，领导点了头，照片发到了公司公众号上。

三个月后，再打开那套系统：日活个位数。业务部门说"不太准，还是我自己来吧"。

姿势二。

同样是要用 AI。但第一步不是挑场景，是先花三周，把研发端的主数据梳一遍。

这三周里做出来的东西，一点都不好看：一堆字段定义、编码规则、版本对照表。汇报的时候，讲不出什么亮点。

但半年后你会发现——所有后面上线的 AI 场景，都跑在这套数据上面。它们能一直用下去。

这两种姿势的差别，最后会落在同一个地方。

大多数 AI 项目不是死于技术，是死于那堆没人管的主数据。

一、两种落地姿势，差在哪

这张表里，最值得一提的是第三行：风险。

点状做法的风险，不在技术，在于"演示环境"和"生产环境"根本不是一回事。演示时用的数据是洗过的；上线后吃到的是真实数据——同一个零件三个编码，同一份 BOM 五个版本。

链路式做法的风险反过来：它的风险全在前期。 前几周出不了亮点，内部会有人问"你们到底在干什么"。这也是为什么，很多这类项目不是做不下去，而是熬不过第三周。

二、制造业 FDE 的四步走

如果要在制造业真正落地，动作其实是固定的四步。顺序不能换，也不建议跳。

第一步：摸脉络

做什么：把研发 → 物料 → 库存 → 工艺 → 制造这条数据链路完整画出来，标出断点在哪。

和"调研"的区别：调研是去问需求，摸脉络是去看数据实际怎么流。两者经常对不上——部门说"我们是通的"，画出来才发现中间隔着一次手工导出。

这一步的产出：一张现状图。上面清清楚楚标着：哪一段断了、哪一段靠人在传、哪一段有两套口径。

第二步：梳主数据

做什么：把物料编码、BOM 版本、工艺路线的唯一性和一致性做出来。一个零件一个码，一个版本一份记录，一个工艺路线挂在它该挂的位置上。

为什么必须放在第二步：因为后面所有的事情都依赖它。主数据不清，AI 上来第一件事就是学错。

这一步的产出：一份可执行的规则文件，以及一份"历史数据怎么处理"的过渡方案。后者比前者难。

第三步：打一个高价值卡点

做什么：不贪多。先选一个点做透，把效果做出来。

"做透"的意思是：从数据源头一直通到业务结果，中间不留人工补位。这样跑出来的效果才是真的，才能复制。

这一步的产出：一个可以被复述的成绩——不是"我们上线了一个功能"，而是"这一段的返工少了、核对工时少了"。

第四步：驻场跑通，再沿链路复制

做什么：一个点跑稳之后，沿着数据链往上下游扩。往上扩到设计端，往下扩到工艺、工单、成本。

为什么一定要"驻场跑通"：因为纸面上的流程和现场的实际动作，永远有差距。差距只有在现场才看得见。

这四步听着不新鲜，甚至有点像常识。

难就难在，它跟常规的项目节奏是拧着的。 常规节奏要求你两周内出个能演示的东西；而这四步里，前两步做的全是不能演示的事。

能扛住这个拧劲儿的，是我们这帮人在研发制造流程里走了二十多年攒下来的东西——我们的实施方法论、我们的交付体系，都是这么一遍遍验证出来的。哪些步骤看着可以合并、其实合并了就出事；哪些看似不重要的一步，恰恰是后面所有环节的支点。这些判断，不在任何一本方法论手册里，在项目现场里。

所以这四步，我们一直是带着自己的本地化实施与技术服务团队，用驻场的方式做的。项目周期多长，取决于现场数据有多乱，很难给一个标准答案；但有一点是确定的：每个阶段的交付物都要能落到现场用，而不是停留在汇报材料里。 至于改善了多少，我们更愿意在项目现场和客户一起测算，不拿一个漂亮的数字来替代真实的结果。

三、怎么挑"第一个卡点"

这一步最实用。四个标准，缺一个都建议先放一放。

标准一：痛感强。

判断方法很朴素——业务部门自己会不会追着问进度。 如果这件事只有 IT 部门关心，业务部门觉得"还行吧，能凑合"，那它就不是第一个该做的。真正的卡点，是有人天天在群里抱怨的那件事。

标准二：数据基础好。

源头数据已经有人管、有基本的规则，哪怕不完美。从零开始建一套数据，不是第一个项目该干的事。 第一个项目要的是跑通，不是白手起家。

标准三：见效可量化。

能提前说清"改善什么、怎么量"，而不是"做完就知道了"。

举个可以照抄的写法：这一段现在有多少人、多少工时在做核对；改完之后，这部分工时能省多少。 数字可以不用很精确，但口径必须事先定死——事后找口径，就成了自说自话。

标准四：可复制。

这个点跑通之后，方法论能迁移到相邻环节。如果一个卡点做完之后只能自己用，那它的价值就少了一半。

把这四条做成一张打分表，开会的时候直接用：

四个都过 3 分，再开工。宁可晚一个月开始，也不要选错第一个点——第一个点的成败，直接决定后面还有没有人支持你继续做。

四、现场配合的三个要素

选对了点，还得有人做对。这一段讲的是"人"。

第一，驻场。

不在现场，永远看不见真实的数据长什么样。

你在会议室里听到的版本是："我们的 BOM 是很规范的。" 你在研发部坐三天后看到的版本是："规范的那份是给检查用的，实际干活用的是另一份。"

这两句话之间，隔着一张办公桌的距离。坐过去，才能听见真话。

第二，双语者。

既听得懂研发和工艺的抱怨，也讲得清技术能做什么。

制造业项目最容易卡住的地方，不是技术难题，是对话不通：业务说的是"工艺要跟 BOM 挂上"，技术听到的是"要建一个外键关联"——两个人都以为说清楚了，做出来才发现不是一回事。

双语者的价值，就是在这两个世界之间，把一句话翻译成另一句话。这个角色，比任何一个功能都重要。

第三，对结果负责。

考核的是"半年后客户还在不在用"，而不是"合同签没签"。

这条是 FDE 这个角色最本质的定义。它意味着：项目验收的那一天，不是结束，是开始。 也意味着，当客户提出一个"会让你验收变简单、但半年后他肯定不用"的需求时，你要敢说——这个不该做。

顺便说一个观察。2026 年 8 月，业内发布了《FDE 驻场服务全流程作业指南》等在制造业首次体系化的白皮书（来源：2026 年 8 月公开报道），这些梳理很有价值。但对制造业来说，驻场还多两条硬要求：

一是驻场的人必须懂制造现场；二是驻场的第一阶段交付物，是"数据现状"，不是"功能 Demo"。

五、复制与沉淀：从一家企业，到一套规则

四步走完一个点，真正的价值才开始显出来。

一个点跑通，能复制的不是那个功能，而是你在这一个点上做的所有判断：什么规则必须严、什么可以先松、哪种历史数据必须回追、哪一段暂时不用碰。

这些判断积累下来，就变成一套可复用的规则。到那时，第二个点的周期会明显缩短，第三个点几乎可以按图施工。

这就是"帮一家企业跑通"和"形成一套行业可复用规则"之间的距离。

也是我们认为，制造业 FDE 这件事最终会沉淀成什么——不是一个软件，而是一套把研发数据理顺的手艺，加上一群愿意在现场把它做完的人。

那这样一群人，到底能给制造业客户带来什么？客户真正在意的，又是什么？

下一篇，也是这个系列的最后一篇——《制造业要的不是最先进的 AI，是最稳的交付》。