ARTICLE · 1337074
系统越来越多,Excel 却越来越忙:制造业 AI 转型到底卡在哪?
系统越来越多,Excel 却越来越忙:制造业 AI 转型到底卡在哪?制造业数字化有一个挺有意思的现象：系统越上越多，Excel 却没有减少；流程越来越规范，一线反而越来越忙。 ERP 有了，MES 有了，质量管理系统也有了。可回到现场，质量异常还在微信群里沟通，问题跟踪还靠 Excel，生产进度还要打电话确认，管理人员大把时间花在收集信息、整理报表、追踪进度上。 系统建起来了，现场为什么还是老样子？ 传统系统擅长处理标准化、结构化的业务，但现场每天都在发生计划之外的事：供应商突然缺料、生产线发现质量异常、设备临时停机、客户紧急调整交付计划。 这些问题往往不是从系统里开始的，而是一张照片、一段语音、一条微信消息。问题发生在现场，信息流转在群里，最后还得有人重新整理、录入系统。 于是现场忙着解决问题，管理人员忙着整理信息，系统却未必能及时反映真实进展。不是员工不愿意用系统，而是标准流程和现场真实的工作方式之间，存在一道信息断层。 一提 AI 转型，不少企业首先想到的是：建 AI 平台？部署大模型？再开发一套智能管理系统？ 这些方向并非没有价值。但对已经拥有 ERP、MES 的企业来说，更应该先问一句：能不能让现有系统更容易接住现场的信息，而不是让现场不断迁就系统？ 比如一线发现质量异常。过去要拍照、发群、填表、录系统，再由管理人员跟踪处理。如果在现场与系统之间增加一层 AI 能力呢？ 员工还是拍照、发语音、描述问题；AI 辅助识别异常信息、提取关键字段、形成结构化记录；经过人工确认和业务规则校验，再与现有系统衔接，推动问题分派、责任跟踪、超期提醒和数据汇总。 员工不用为了提交一条异常信息反复切换多个系统、填写多张表格。工作方式尽量不变，信息处理方式发生改变。这可能比单纯增加一套系统，更接近一线真正需要的数字化。 
制造业真的缺表格吗？不缺。缺流程吗？很多时候也不缺。真正值得解决的，是大量重复、低效的信息处理： 同一条质量异常，要在不同表格和系统里反复录入；同一个问题，要不断问责任人处理到哪一步；同一批数据，要人工整理才能形成报表；同一项整改，要靠人记住什么时候复查。 这些事都在消耗时间，却未必直接创造质量价值。如果引入 AI 只是让员工多打开一个页面、多填一次信息，那不过是把负担换了一种形式。 真正有价值的 AI，应该减少操作，而不是增加操作；减少重复劳动，而不是制造新的流程。让人负责专业判断，让 AI 辅助信息处理，让系统承接业务流程。这才是值得探索的人机协同。 AI 转型不一定要从一个宏大的平台项目开始，可以先从一个具体场景入手，比如质量异常管理。 先看清楚一条质量问题从发现到关闭，究竟经历了哪些环节：哪些信息需要重复录入？哪些进度需要人工催办？哪些问题容易遗漏？哪些数据明明已经存在，却还要重新统计？ 把这些环节梳理清楚，再判断哪些适合 AI 辅助，哪些需要系统集成，哪些必须保留人工审核。先解决一个真实问题，再验证能否复制到更多场景。 不是为了使用 AI 而寻找场景，而是从业务问题出发，寻找 AI 真正能够创造价值的地方。 制造业 AI 转型，不是简单地把传统系统换成 AI 系统，也不是系统越多、模型越大就越智能。真正值得关注的是：现场信息能不能及时进入管理流程？一线人员的重复性工作能不能真正减少？发现的问题能不能持续跟踪，直到闭环？ 技术只是手段，业务改善才是目的。好的 AI 转型，不是让员工更努力地适应系统，而是让技术更好地服务现场。 最后想问问制造业的同行：你们工厂是不是也存在这样的情况——系统已经不少，很多问题却依然靠微信群和 Excel 推动？你认为问题出在系统、流程，还是现场的信息传递方式？欢迎留言交流。
01｜系统管流程，现场却充满不确定性
02｜AI 转型，一定要再上一套系统吗？
