夜雨聆风
一家年营收30亿的精密制造厂，两年前成立了一个"数字化转型部"。
部长是从IT总监提上来的。懂ERP、懂MES、懂数据库，技术底子扎实。直属汇报对象是总经理，位置给得够高。
第一年花了800万，建了数据中台。第二年花了1200万，买了AI平台。两年后，总经理把他调到行政部了。
为什么？因为两年过去，产线上的人说："AI？没用过。"
这不是一个人的问题。这是一个角色错误的问题。
我们把制造业AI转型需要的能力拆成三层：
第一层：技术
谁有？——IT部。大部分工厂的"数字化转型负责人"就来自这里。
他们能做到的事：选系统、搭平台、调接口。但你如果问他："质量异常追溯这件事，你们产线上的人到底痛在哪？"——他大概率会说："我回去跟质量部确认一下。"
问题：技术层是"桥墩"，不是"桥"——它搭在了河的一边，另一边还没碰到。
第二层：现场
谁有？——精益办、IE部、那些在车间泡了十年以上的老专家。
他们能做到的事：画标准作业、推5S、做价值流图。但你如果问他："你们的设备数据，能接进AI系统吗？"——他会说："那是IT的事，我不懂他们的系统。"
问题：现场层是"桥的另一边"，但两边之间没有连接。
第三层：翻译
谁有？——大多数人没有。
这种人能做的事：用产线上的人听得懂的话解释AI，用IT的人听得懂的话描述现场需求。
他不是技术最深的，也不是现场最久的。但他能站在"交界处"——左边听你讲标准节拍，右边告诉你这个字段在MES里怎么提取。
这才是AI转型中最缺的角色：不是最聪明的人，而是那个"两边都能说上话"的人。
Palantir的"翻译者"：Forward Deployed Engineer
Palantir内部有一个独有的岗位，叫Forward Deployed Engineer（前线部署工程师，简称FDE）。这不是普通的工程师。FDE的工作不是写代码——是坐进客户的工厂、车间、指挥室里，跟客户的人一起工作。
生产线上的操作工发现问题，FDE翻译成数据问题；IT团队说"这个系统接口不开放"，FDE翻译成"我们可以换一种方式接入，你们愿意配合吗"。
Lear Corporation能跑通175个场景，不是因为Palantir的技术比别家强十倍，是因为每一个场景都有一个FDE在现场把两边打通。
FDE制度给我们的启示：制造企业的AI转型，缺一个"自家的FDE"。不需要从硅谷请，不需要会写算法——但需要这个人具备三种能力：
懂现场：知道一条产线怎么运转，知道"标准节拍"和"实际节拍"不是一回事
懂数据：知道ERP里"工单"这个字段在哪张表，知道怎么导出、怎么清洗
懂组织：知道说服生产部长和说服财务总监，用的不是同一套话术
三种能力齐全的人，就是你的"翻译者"。
翻译者长什么样？三个特征，对照一下
从我们服务过的800多家制造企业中，我们总结出"翻译者"的三个典型特征：
特征一：他讲话，产线上的班长能听懂，IT部的人也能听懂。
最直观的测试：让他解释一遍"设备异常自动派单是怎么实现的"。如果产线班长听完说"明白了，就是我先不用管了，系统自己会叫人"，而IT听完说"对，我们的接口设计就是这样考虑的"——这个人就是翻译者。
特征二：他不是在"汇报问题"，他是在"搭建桥梁"。
普通IT人说："生产部不配合提供数据。"翻译者说："生产部忙不过来填数据，我们能不能换个方式采集——比如直接接PLC信号？我去跟生产部谈。"
翻译者永远不会说"XX部门不配合"。他会问："XX部门为什么不愿意配合？怎么让他们愿意？"
特征三：他敢说"这个问题，不应该是AI解决"。
翻译者不是"AI推土机"——什么都想让AI做。他能判断：某个场景，标准化已经够了，上AI能跑得更快；某个场景，流程太乱，先应该整理清楚再考虑AI。
他保护老板的钱，不是保护AI的面子。
怎么找、怎么养？三个办法
找：在"跨界"的人里找。
不一定是AI专家。以下三类人里，最容易出"翻译者"：
做过精益改善、又自学过数据工具的人（Excel、SQL、Python任一种）
从IT部门下过车间、跟产线上的人混得熟的人
做过质量管理、能看懂MES数据、又愿意学新技术的人
别找"简历上最漂亮"的人。找"两边都懂一点"的人。
养：给他一个"验证场景"，不是一套"管理流程"。
翻译者需要成长空间。但成长的最快方式，不是培训、不是考证——是让他手里有一个真实的AI验证场景。 5天冲刺做完（第3篇讲过的），他自然就知道自己缺什么、该补什么。
给他机会犯错。第一个场景没跑通，别骂。让他复盘，再来第二个。翻译者是被场景喂出来的，不是被课程灌出来的。
保：给他一个能跨部门说话的岗位。
翻译者最大的敌人不是技术，是"没有发言权"。
如果他被放在IT部下面（要向IT总监汇报），生产部不会听他的。如果他被放在精益办下面，IT不会配合他。最好是直属总经理，或者至少向运营VP汇报。
如果没有这个汇报线——先别急着找翻译者。先跟老板谈好组织保障。
留：怎么防止被挖走？
翻译者一旦被培养出来，他会成为这个市场上最抢手的人。
左边互联网大厂的AI团队，年薪能开到80-120万。右边你的工厂里，一个"跨界人"拿的可能还是精益工程师的工资——25-35万。差距不是一点半点。
你不解决激励机制，这个人迟早会走。
三条建议，现在就可以用：
① 设"场景落地奖金"。
不是年底评个"优秀员工"那种。是：这个场景跑通、验证通过、投入使用——当天兑现一笔奖金。金额不需要互联网级别，但要够"仪式感"——让他知道，落地一个场景，价值是可以量化的。
我们建议：第一个场景验证通过 → 2-3个月工资的落地奖金。以后每扩一个场景 → 关联场景节余金额的5%-10%。他省了100万，他拿5-10万。这个逻辑他会接受，老板也会接受。
② 把他的KPI绑在业务部门的效益上，而不是IT部门的考核表上。
不要让翻译者被IT部门的"系统上线率"或是精益办的"改善提案数量"考核。这些指标跟他做的事完全无关。
正确的考核方法：
"设备异常派单"场景上线后，设备部的非计划停机降了多少？→ 翻译者的KPI之一
"质量追溯"场景上线后，质量部每月的追溯工时降了多少？→ 翻译者的KPI之二
三个月后，业务部门是否在主动提出"下一个场景"？→ 翻译者的KPI之三
翻译者的价值，在被他服务的人身上体现——不是在管他的人身上。
③ 给他一条看得见的上升通道。
如果他一直在"跨界"的岗位上一动不动，互联网公司来挖的时候，一句"来了给你带一个15人的AI团队"就能把他带走。
你的做法：第一个场景跑通 → 升一级。三个场景跑通 → 成立"AI应用推进组"，让他当组长。飞轮转起来 → 他成为"数字化运营总监"或"智能制造负责人"——一个在组织架构图上找得到名字的岗位。
他要的不只是工资单上的数字。他要的是一个能持续成长的位置。你不给，外面大把人在给。
花 1 分钟，测测你们工厂有没有"翻译者"
□ 有个人，能独立讲清楚一个AI场景"怎么在产线上实现"吗？——不是说技术架构，是说"第一步打开什么系统、第二步调什么数据、第三步产线上的人看到什么"。
有 → 你们已经在正确的路上了。没有 → 先把技术立项暂停，先把人找出来。
□ 这个人，跟产线班长和IT开发都能在同一间会议室里讨论同一个场景吗？
能 → 他已经是"翻译者"了。不能 → 这是技术人员，不是翻译者。
□ 这个人，有权力要求两个不同部门为同一个数据标准让步吗？
有 → 组织保障到位。没有 → 他的能力再强，也推不动部门墙。
前两项都满足，你们工厂的AI转型已经上路了。第三项不满足——不是人的问题，是老板的问题。
这个系列会给你什么
6 篇读完，你会获得一个可落地的制造业 AI 转型路线图。不是硅谷空中楼阁，是给你的工厂用的。
下一篇是最后一篇：完整路线图。把前五篇串成一条从"不知道怎么开始"到"飞轮转起来"的六步路径。
如果你觉得团队里可能有"翻译者"的苗子，但不知道怎么培养和留住他们——关注本号，回复"翻译者"，我们帮你设计成长路径和激励机制。
AI转型中最缺的，不是最强的AI工程师。是一个既懂产线、又懂数据、还能打破部门墙的'翻译者'。
翻译者永远不会说'XX部门不配合'，他会问'XX部门为什么不配合，怎么让他们愿意'。这不是性格问题，是能力问题。
给他一个真实的验证场景，比给他任何培训课程都管用。翻译者是被场景喂出来的。
*长按选中，转发给你的HR总监。顺便点个「在看」——这也是最缺这种人的信号。*
交流与合作
如果您的企业正在探索AI转型之道
欢迎与我们交流
我们可以提供——【制造业AI落地的经验分享】【智能体设计的思路探讨】【复合型人才培养的路径参考】
关注公众号【智胜范式】，获取更多实践分享
—— 关于智胜现场科技 ——
20年精益制造咨询经验 | 服务800+家企业 | 影响30万+制造业现场管理者精益 × AI × 人才｜制造业转型飞轮 | 面向年营收5亿+中大型制造业企业
