夜雨聆风先喝口铁观音，够劲的那种。今天聊的事，需要清醒。
一
你一定听过这句话：AI要抢工人的饭碗了。
扯淡。
工人搬料、组装、调机、检验——这些活AI干不了，至少未来五年内干不了。手感的活、现场的活、突发状况要拍板的活，离了人就是不行。
AI真正要抢的，是那些"不碰机器但觉得自己很重要"的人的饭碗。
谁？排产靠经验的车间主任，巡线靠走路的班组长，写报告靠复制粘贴的调度员，审批靠拍脑袋的部门经理。
这些人的工作有一个共同特点：本质是信息搬运和经验判断。把现场数据搬到报表里，把个人经验变成排产计划，把异常情况写成整改报告——信息从A搬到B，经验从脑子里搬到纸面上。
这正是AI最擅长的事。
二
说个真事。
一家注塑厂，车间主任老张干了15年，排产全凭经验——哪个单子先做、哪台机调什么参数、换模顺序怎么排，全在他脑子里。厂里谁都替代不了他，他也以此为傲。
去年上了MES系统，数据开始沉淀。今年接了AI排产模块，系统根据订单交期、设备状态、模具共用关系自动排产，排完老张审核一遍微调就行。
结果？排产效率从半天变10分钟，设备利用率从72%提到86%，紧急插单不再全厂鸡飞狗跳。老张从"谁也离不开他"变成"谁都能干"，他最值钱的本事被系统学走了。
老张没有失业。但他从"不可替代"变成了"可替代"。这个转变，才是AI真正在做的事。
三
别误会，我不是说管理者都要被干掉。恰恰相反——管理者的价值会更高，但门槛也会更高。
AI来了之后，管理者会分成两类：
第一类：信息搬运型管理者——AI的替代品。
他们的日常是：早会念数据、周会写报告、异常打电话问、决策拍脑袋定。他们存在的价值是"信息比下属多、经验比下属深"。
当AI能实时调出数据、自动生成分析、秒级给出三种方案附带风险预判时，这类管理者的信息优势和经验优势就没了。他们从"不可缺"变成"可省略"。
中国信通院2025年的报告说得很直白：76%的规模以上工厂已启动AI项目，但只有不到15%进入稳定运行且产生可量化收益的阶段。据《制造业AI应用成熟度报告》 大部分钱花在哪了？花在替代信息搬运型工作上了——但这些工作本来就不该花那么多钱。
第二类：决策型管理者——AI的放大器。
他们的日常是：判断AI给的三种方案哪个适合当前局势、协调AI看不到的部门利益冲突、处理AI没见过的异常情况、推动AI算不出的组织变革。
这类人不会被AI替代，因为他们的核心能力不是"知道得多"，而是"判断得准"。AI提供弹药，他们决定往哪打。
南钢的数字高炉就是例子——AI模型实时算出炉内煤气流、炉温趋势，但最终拍板加减焦炭、调风量还是人。AI把"看数据"的时间省了，人把精力集中到"做判断"上。据新华网
四
说回你自己。你是工厂老板，AI来了你该做什么？
不是急着买AI，是先搞清楚自己缺什么。
三个问题，诚实地回答：
第一，你的管理团队里有几个"信息搬运型"的？
排产靠经验、巡检靠走路、异常靠打电话、报告靠复制粘贴——如果你的管理者日常是这样，AI不是威胁他们，AI是在提醒你：这些人本来就干着不该由人干的事。该培训的培训，该调整的调整，别等问题来了才慌。
第二，你的数据能跑起来吗？
很多厂一上来就想做AI，结果发现设备数据采集不到、协议不通、传感器没装。据行业一线反馈，"数据打通"是智能化改造的第一道坎，过不去后面全是空谈。
没有数据，AI就是一辆没加油的车。先花半年把核心工序的数据跑通，比花同样的钱买一个用不上的AI系统值一百倍。
第三，你的流程够标准吗？
AI学的是规则。你的流程今天这样明天那样，特事特办比按规矩来的多，AI学不到稳定规则，上线也白上。
先做标准化，再做智能化。这个顺序不能反。AI不是来帮你弥补管理漏洞的，它是来放大你已有的管理能力的——好的放大好的，乱的放大乱的。
五
铁观音回甘，是因为苦在前头。
AI进车间也一样。先苦后甜——先把管理团队升级，先把数据跑通，先把流程做标准。这些苦活干完了，AI才真是放大器；苦活没干就上AI，那就是花钱买焦虑。
最后说一句大实话：AI不会淘汰工人，也不会淘汰管理者。AI淘汰的是"只会搬运信息"的工作方式。
谁先从搬运工变成决策者，谁就先拿到下一张入场券。
先喝口茶，该干的活，跑不掉。
先喝口铁观音，够劲的那种。今天聊的事，需要清醒。
