夜雨聆风
摘要： AI技术快速迭代，已成为企业不可回避的议题。然而多数企业谈得多做得少，先行企业也常陷入"大问题解决不了、小问题不想做"的尴尬局面。
本文提出企业AI推进的三阶段框架——AI平权期、行业小模型期、嵌入式AI期，逐层拆解各阶段的核心任务、关键挑战与落地方法。文章进一步探讨AI推进中的组织与人的转型问题，指出AI的本质是赋能而非替代。最后结合制造业特征，提出"三不要、三要"的务实推进原则，为企业AI落地提供方法论指引。
⌜一、AI落地的现实困局⌟
"科学技术是第一生产力。"在当今时代，AI技术快速迭代、日新月异，走进任何一家企业，几乎都在谈论AI如何应用、如何落地。
然而现实是：谈得多，做得少。尤其在传统制造业，这一现象更为突出。
制造业的特性决定了其数字化转型的复杂性——每个工厂、每个行业都有各自的特征，标准化程度参差不齐、场景差异大。这也是决策者迟迟不能下定决心的重要原因之一：别人的成功经验，到自己这里能不能用？投入了能不能见到效果？
而在一些先行试水的企业里，同样遇到尴尬局面：大问题解决不了，小问题不想做。
雄心勃勃地上马AI项目，真正落地时却发现：真正核心的痛点问题，受限于数据质量、场景复杂度、技术成熟度等因素，一时半会儿啃不下来；而AI能解决的小问题，又觉得太简单、体现不了价值，不值得投入。
于是出现一个怪圈：AI项目推进时常半途而废、无疾而终。做来做去，始终停留在"试点"阶段，无法形成规模化效应。
对决策者而言，虽然在很多行业和公司看到过成功落地的案例，但放到自己的工厂里实际效果如何，大家心里都是打鼓的。真金白银的投入，总得先看到"蛋"，才能有投资"鸡"的决心。而当前的局面恰恰是：看不到实打实的"蛋"，就下不了决心投资这只"鸡"。
⌜二、AI推进的三阶段模型⌟
破局之道，在于循序渐进、步步为营。
一个企业从无到有推进AI，大致会经历三个阶段。每个阶段有不同的核心目标、关键任务和评价标准。找准当前所处的阶段，做好该阶段该做的事，才能走得稳、走得远。
|··· 第一阶段：AI平权——培养全员AI感知
核心目标： 用最低成本，让最多人感受到AI的价值，建立"AI有用"的共识
这一阶段的思路是：通过免费的通用大模型，迅速提升企业员工AI感
企业可以鼓励员工使用不同的AI大模型，尝试解决自己工作中的问题（当然是非机密性的文件和作业）。一旦找出最佳实践，就将其固化为"提示词+追问法"，形成企业自己的Prompts。通过制式的提示词工程，可以快速复制推广给其他类似岗位的员工。
场景选择原则： 挑最高频、最通用的场景，不找特例场景，只做"人人都能用、用了都说好"的事情。
典型场景包括：
会议纪要生成； 周报、月报撰写； 项目策划初稿； 文档整理与润色； 多语言翻译； 数据整理与分析；
这一阶段的本质，就是短平快地让大家看到"蛋"，从而促使管理层下定决心投入更多资源，进入下一阶段。
评价标准： 不是看AI有多强大，而是看有多少人在用、用了之后效率有没有提升、大家对AI的认知有没有改变。
|··· 第二阶段：行业小模型——从普惠到精准赋能
核心目标： 将AI的落地场景从普惠式的通用场景，下沉到精准的业务场景，创造实实在在的业务价值
第一阶段解决了"有没有"的问题，第二阶段就要解决"好不好、值不值"的问题
关键任务一：价值工程分析
对公司现有的流程进行价值工程分析，找出效益最大的流程节点。集中火力，在这些节点上建立AI的场景赋能。与其撒胡椒面式地遍地开花，不如聚焦一两个核心场景打透、打深，做出标杆。
关键任务二：构建行业知识库
这是第二阶段最难、也最有价值的工作。将AI和实际工作场景深度融合，需要大量的行业知识与数据支撑。
知识萃取是一个重大挑战。制造业虽然有各种SOP、SIP标准文件，但AI真正需要的，不仅是这些成文的文件，更需要将工程师——尤其是经验丰富的老工程师——脑子里的知识结构化。
这个过程可以概括为三步：
- 隐性知识显性化
把老员工脑子里的经验、直觉、判断，通过访谈、复盘、案例整理等方式提取出来 - 显性知识结构化
把零散的经验、规则、案例，整理成结构化的知识体系 - 结构化知识逻辑化
把结构化的知识，转化为AI可以理解和推理的逻辑关系与决策规则
典型的业务场景包括：
- 品质领域：异常分析、变异因子识别、缺陷根因判断
- 工艺领域：工艺方案生成、方案推荐、参数优化、仿真辅助
- 销售与客服：高频问题智能解答、客户需求初步分析
- 培训领域： 虚拟考官、虚拟客户、模拟演练
当知识萃取完成、行业小模型建立起来后，AI才真正从"通用工具"变成了"业务专家"，其价值才能真正显现。
|··· 第三阶段：嵌入式AI——从工具到引擎
核心目标： 将AI的能力从独立的工具、独立的系统，转化为业务流程的内置引擎，实现无感化赋能。这是从系统到超系统的进化
如果说第二阶段的AI是"召之即来"的工具，第三阶段的AI就是"无处不在"的基础设施。
关键任务一：系统打通
将训练好的行业模型，通过API或SDK的方式，嵌入到现有的OA、ERP、MES、CRM等核心系统中。用户不需要切换到专门的AI平台，在日常工作的系统里就能获得AI的辅助。
系统打通的价值，不仅在于方便，更在于数据闭环——AI在业务系统中产生的结果，又可以反过来优化模型，形成正向循环。
关键任务二：流程改造
这是第三阶段最核心、也最容易被忽视的一点
大部分AI项目发挥作用有限，不是因为AI技术不行，而是因为在固有的流程上做AI改造，让AI去适配流程，结果AI变成了纸老虎。
正确的做法是：流程要去适配AI，而不是AI去适配流程。
举个真实的例子：某公司的IT总监开发了一套档案处理的AI Agent，在技术人员看来，这套Agent可以让完全没有档案处理知识的人完成80%的工作，效率提升显著。但当这套系统落地到实际岗位时，业务人员却反馈：我需要的不是你解决的那80%，而是你没解决的那20%。最终这个项目流产了。
回过头看，这个项目失败的根本原因，就是在原有的流程基础上做AI改造。原有的流程是为人设计的，人的能力边界和AI的能力边界完全不同，用老流程套新能力，自然水土不服。
关键任务三：建立人机协同SOP
流程改造之后，需要建立人机协同的作业标准——人做什么、AI做什么、决策的边界在哪里
哪些事情AI可以自主完成，不需要人干预？ 哪些事情AI可以给出建议，最终由人拍板？ 哪些事情AI做不了，必须由人来做？
把这些边界理清楚、固化下来，AI才能真正融入业务流程，而不是悬浮在业务之上。
⌜三、绕不开：组织与人的转型⌟
以上三个阶段，更多是从技术和项目的角度来看AI推进。但在现实中，有一个问题不得不重视，甚至在某种程度上决定了AI项目的成败——职场伦理的问题。
AI提升了生产力、改造了流程，省下来的人要怎么处理？
这个问题不解决，推进AI项目时，即便规划得再好，也会遇到层层阻力。因为每个岗位的人都会想：AI把我的活干了，我怎么办？
这是推进AI最大的隐性障碍，也是最需要决策者正视的问题。
答案是：AI不是来淘汰员工的，而是来改变员工原有工作内容的。
我们让AI做的，是那些重复、枯燥、高强度的"脏苦累"的活；而员工要去做的，是更轻松、更有创造性、更有价值的事情。
历史早已证明了这一点：
马车到汽车的时代，马车夫担心被取代。但结果是，马车夫不用再辛苦赶马车了，他们可以变成汽车驾驶员，或者汽车维修工程师——工作更轻松了，创造的价值更大了。
信息化时代，打字员担心自己会失业。但结果是，打字员自然而然成了第一批公司白领和IT从业者——从单纯的打字，变成了处理信息、管理系统的知识工作者。
技术进步从来不是要让人失业，而是要把人从低价值的劳动中解放出来，去做更高价值的事。AI时代也不例外。
决策者的核心任务之一，就是把这个道理讲清楚，并且在实际推进中落到实处——让员工感受到，AI是来帮忙的，不是来抢饭碗的。
只有这样，AI推进才能获得真正的内生动力，而不是处处受阻、两层皮。
⌜四、制造业AI推进的务实原则⌟
制造业是最务实的行业。推进AI，来不得半点虚的。
结合制造业的特点，有"三不要、三要"的务实原则，值得每一位决策者深思
|···三不要
第一，不要在落后的工艺上搞自动化
工艺本身就落后、不合理，再怎么自动化也只是"用更快的速度做错误的事"。先把工艺理顺、优化好，再谈自动化，事半功倍。
第二，不要在没有信息化的基础上搞数字化
信息化是数字化的前提。没有系统、没有数据、没有流程线上化，数字化就是空中楼阁。地基不牢，地动山摇。
......找到了主要矛盾，还需进一步把握矛盾的主要方面。矛盾的主要方面，是决定事物性质的那一方。抓住了主要方面，就抓住了解决问题的牛鼻子。...... 公众号：职场冒险王-卫斯李
论矛盾：事物发展的底层逻辑
第三，不要在不具备知识技能和组织流程的基础上搞智能化
智能化需要相应的人才储备、知识积累和组织能力。人的能力跟不上、组织流程不配套，再先进的AI也发挥不了作用，最终只能沦为摆设。
辩证三：真正的阻力不在技术，在组织......
卫斯李，公众号：职场冒险王-卫斯李一文说清楚：信息化、数字化、智能化
这"三不要"，本质上是强调循序渐进、尊重规律。饭要一口一口吃，路要一步一步走，跳不过去。
|··· 三要
第一，要管结果，更要管过程
很多企业推进AI，只看最终结果——准确率多少、效率提升多少。但AI的价值，往往不仅在结果，更在过程中沉淀的知识、积累的数据、培养的人才。这些过程性的资产，比单次项目的结果更有价值。
第二，要解决现在的问题，更要预防未来的问题
AI不仅能解决已有的问题，更能通过预测、预警，预防未来可能发生的问题。从"事后救火"到"事前预防"，这才是AI真正的价值所在。
第三，要协助人、赋能人、成就人、解放人
这是AI的终极意义。技术是手段，人才是目的。AI的价值，最终要体现在人的成长和解放上——让人从重复劳动中解放出来，去做更有创造性、更有价值的事。
⌜结语⌟
在推进AI这件事上，急不得！可以让子弹再飞一会儿。
技术在快速演进，今天做不了的事，明天可能就有了突破性的解决方案。但这并不意味着可以消极等待——恰恰相反，正因为技术变化快，才更需要行动起来，在实践中学习、在试错中成长。
如果你的公司准备推进AI，切记不要让这个项目变成"大事做不来、小事不屑做"的尴尬局面，也不要变成"原有流程照样跑、AI流程另一套"的两层皮——费工又费事，骗己又骗人。
AI不是万能灵药，也不是洪水猛兽。 它是工具，是方法，是生产力提升的路径。用正确的方法、按正确的节奏、抱着正确的心态去推进，才能真正从中获益。
从AI平权到行业小模型，再到嵌入式AI——三步走完，AI才能真正从"听起来很美"，变成"用起来真香"。
循序渐进，方能行稳致远以人为本，方能久久为功
附：AI推进阶段自检清单
□ 当前公司处于AI推进的哪个阶段？是否有清晰的阶段规划？ □ 员工对AI的认知如何？有多少人在日常工作中使用AI工具？ □ 是否有明确的AI应用最佳实践，并在组织内推广复制？ □ 公司的核心业务流程中，哪些环节最适合AI切入？价值有多大？ □ 行业知识萃取是否有体系化的方法？隐性知识能否有效转化？ □ AI系统与现有业务系统是否打通？数据能否形成闭环？ □ 业务流程是否针对AI进行了重新设计？人机协作边界是否清晰？ □ 员工是否理解AI的价值？是否担心被AI替代？ □ AI推进是否有对应的人才培养和组织变革配套？ □ 是否存在"两层皮"现象——AI归AI，业务归业务？
（7个以上"是"→AI推进体系成熟；4-6个→方向正确，仍需完善；3个以下→需重新审视推进策略）
