老板做 AI 不知道从哪下手?看看美的怎么干的

很多公司做AI，卡在「不知道从哪下手」。但美的反过来：它先让全员撒开手做，攒下1.3万个智能体，再回头挑出158个真正值钱的。

这158个智能体，贡献了集团AI降本价值的95%以上。2025年，美的靠AI省下各项成本7亿元，运营提效超过1500万小时。

美的集团2025年年报里有一组容易被跳过去的数字：员工自主搭出1.35万个智能体，全年提效超1500万小时，降本7亿元。同一年，美的营收4585亿元，净利439.45亿元——AI的账，是写进财报的。

团队规模也是这件事的另一面：200多人的AI研究院负责平台、模型与算法，500多人的AI应用中心做应用开发，700多人做数字化与AI的结合，11000多名业务端人员负责落地。

美的没有从「做个AI助手」开始，而是直接往生产线上放。三个具体场景能看出接法。

产线损失分析：过去停机、质量问题造成的损失要靠人工每隔几小时盘点一次，很难快速定位原因。上了TPM、DMS、LOSS等智能体之后，每天的损失能拆到具体工序和岗位，并直接给出改善建议。

供应链应急：供应商和物料种类繁多，遇到台风这类突发情况，智能体可以快速评估影响范围，给出替代供应方案。

人力与法务：简历筛选、校园招聘面试、合同审核等流程都已引入智能体参与。

在洗衣机荆州工厂，14个智能体覆盖38个核心生产场景，由「工厂大脑」统一调度，面向装配、质检、巡检、排产、供应链等环节，智能体以秒级响应完成传统人工小时级任务，平均提效80%以上，其中排产响应速度提升90%。

先撒开，再挑：分三步走，2023年是「全员试试看」，鼓励员工自主探索，激发上万个场景创意；然后「认真找场景」，从大量尝试里筛出能解决真问题、能量化价值的；再进入「全面AI化」与智能体协同。

Sponsor负责制：158个高价值场景由业务和技术协同推进，逐步把场景落地，不是交给一个AI部门单打。

由点到线到面：先建14个试点智能体，成效不错后推广到荆州洗衣机工厂，用MCP把智能体串联起来，再进一步做「工厂大脑」做整个工厂的调度运营。

这里有个容易被忽略的前提。美的过去十年的数字化建设——流程、数据、系统的拉通——是AI能出效果的基础。以OTD订单交付流程为例，用T+3的方式把流程拆解成节点，通过数据埋点实时采集每个节点的绩效。集团级的流程、数据、系统打通了，AI才有东西可学。

能抄的：先让全员试，同时把每个场景的账算出来——哪个真省了时间、哪个真降了成本。美的的1.3万里有98%是无用功，这个比例在别家公司也差不多，早筛比晚砍便宜。

能抄的：找高价值场景时，业务和技术一起上。纯技术团队找不到「每天在哪卡住」，一线的人知道。

能抄的：AI提效是指数级的，但前提是数字化能力。先把流程、数据、系统理顺，再上AI。

别照搬的：11000多名业务端落地人员、400多人的AI研发团队，小公司养不起，一个兼职负责人加外部服务就够。

别照搬的：「工厂大脑」「MCP串联多智能体」是万店千厂摊薄出来的成本，单厂投入的账要自己重算。

别照搬的：7亿元是美的全集团三年的降本绝对值，摊到10—100人公司没有可比性，别拿来做承诺。

1　公司里每天重复最多的判断类动作是哪几件？它们每周占掉多少工时？

2　这些动作有没有固定的人在做？如果这个人明天离职，流程会不会断？

3　流程、数据、系统现在梳理到什么程度了？还缺哪一段？

很多老板看美的这种案例，第一反应是"这是大企业的游戏，跟我没关系"。但我们觉得，美的最值得学的不是它有1.3万个智能体，而是它敢让98%的智能体变成"学费"。

小公司做AI最大的误区，不是"投入太少"，而是"不敢试，怕浪费钱"——结果一直卡在"不知道从哪下手"。你观望半年，同行已经用AI把三个最耗人的活接走了，你还在原地纠结"到底该不该开始"。

美的的7亿降本是结果，不是起点。你的起点，就是那张写满重复动作的纸。