今天和大家一起探讨下AI在工厂如何落地，也是把这几年积累的经验，一些想法和大家聊一聊。
我叫张群，柴犬AI创始人，工信部数字赋能的讲师，2023年之前研究区块链，在圈里小有名气。过去十几年一直在数字化赋能这个圈子里，做的都是工厂里真正能用起来的东西。2024年前后开始系统研究AI在制造业的落地，走访了超过60家工厂，涵盖五金、纺织、印刷、包装、食品代工等多个细分行业。见过很多工厂老板，也见过很多被供应商忽悠着买了设备然后吃灰的案例。所以这篇文章我不讲概念，只讲我亲眼见过的东西。
一、工厂的"隐形成本"比想象的大得多
很多人以为工厂最大的成本是机器、是原材料、是流水线工人。实际聊下来才发现，老板们最头疼的往往是办公室里那些说不清道不明的消耗。
我见过一家做泵业的工厂，100多人，年产值差不多1个亿。他们有一个报价岗，3个工程师，专门处理客户发来的询价单------全是英文，上百项技术参数，要一个个摘录、手工匹配成本数据库、套用定价规则。出一份正式报价单，7天算快的。客户等不及，转头找了别家。
3个工程师，年成本加上社保差不多30万。每天干的事，就是把参数从一张表抄到另一张表。工程师自己也很郁闷------我是来做技术的，怎么天天在做文员的事。
这不是个例。制造业工厂里，报价、跟单、合同审核、仓库对账、工资核算这些工作，消耗了大量人力，但这些岗位在老板脑子里是"必须有的"，从来没想过能不能省掉一部分。
数据说话：制造业人工成本占总成本约10%~13%，其中职能岗位（报价、跟单、行政、HR、法务等）的人力成本约占总人力成本的20%~30%。以一家年营业额5,000万元的中型工厂为例，职能岗每年消耗的显性成本加上效率损失，保守估计在75万~125万元之间。
这笔钱，是可以省下来的。
二、AI能做什么：最有效的是那些"说不清楚"的事
工厂引进AI，第一个要搞清楚的问题不是"AI能做什么"，而是"工厂哪些事最值得交给AI"。
我的经验是：凡是需要把一堆零散信息整理成结构化结果、以文字和数字为主的工作，都是AI最容易上手的领域。 具体来说，有这几个场景最成熟、ROI最清晰。
报价：从7天到1.5天
这是我见过的最典型的案例。某泵业龙头企业上了AI报价系统之后，报价周期从平均7天压缩到1.5天，工程师只需要确认AI出的初稿、调整几个关键参数就行。文书工作量减少35%，报价错误率从8%降到了0.5%。
报价错误的代价是真实的------报错价，要么亏损接单，要么丢失客户信任。0.5%的错误率意味着什么？以前每月可能出两三起报价事故，现在可能两三个月才有一例。
这个场景ROI极好算：3个工程师的年成本约30万，AI系统年费约10~15万，净省15~20万，还不算报价错误减少的潜在损失。
跟单：每天追进度的人，可以腾出来了
工厂跟单员的核心工作，是把订单状态在客户、采购、生产、仓库之间来回传递。客户问"货走到哪了"，跟单员要打电话问车间；生产计划变了，跟单员要逐个通知客户。一个跟单员同时跟进20~50个订单是常态，每天有大量时间花在"追问进度"上。
AI能做的事：自动从ERP/MES系统抓取订单状态，生成客户可读的进度报告；订单变更自动触发相关方通知；装箱单、发票等制式单据自动生成。某家具制造企业上了AI跟单助手之后，跟单员从每天处理30个订单查询变成只处理5个异常情况，其余全部自动化。
合同审核：没有专职法务的工厂，最需要这个
国内90%以上的中小工厂没有专职法务，合同审核由老板本人或行政兼顾。最常见的问题是：供应商悄悄改了某个付款节点，审核者没看出来，款打出去才发现损失了。
AI可以快速扫描合同文本，标记出付款节点、验收标准、违约条款中的异常点，把审一份合同的时间从平均2小时压缩到20分钟以内。某汽配工厂接入AI合同审核工具后，法务相关纠纷数量下降了40%。
行政和HR：那些每天都在重复的事
入离职办理、考勤统计、工资核算、通知文书、工作总结------这些工作占据了行政和HR大量时间，但本质上都是在处理可以结构化的信息。
AI接管之后，某电子厂的行政专员工作量下降了60%，腾出来的时间去处理真正需要人情往来的事务。HR这边，招聘JD自动生成、面试记录结构化整理、离职风险预警，这些都可以交给AI处理。
设计：不是替代设计师，是减少返工
工厂的设计需求集中在包装盒、标签、展会物料、产品图册这块。不是说让AI替代设计师，而是把"根据客户需求出初稿"这个环节交给AI，把时间从3天压缩到几小时，让设计师把精力放在创意和客户沟通上。
三、老板们真正在顾虑什么
聊了这么多AI能做什么，有必要说说工厂老板真实的顾虑。不搞清楚这些，再好的工具也推不下去。
第一，数据安全。
这是老板们问得最多的问题，占比超过57%。工厂的报价单、客户资料、工艺参数，都是商业机密，上传到第三方AI平台，很多老板过不了心里那道坎。
这个顾虑是真实的，不是矫情。解决方案是明确的：私有化部署或严格的数据隔离，合同里写清楚数据归属和保密条款。对于规模稍大的工厂，这是必须迈过的门槛。
第二，ROI算不清楚。
有调研数据显示，67%的企业算不出AI投资的财务回报，老板一听这个数字就更不敢动了。
我的经验是：从小场景切入，先让老板看到真金白银的数字，再逐步扩大范围。报价场景是最容易算账的------减少几个工程师、减少多少报价错误、节省多少时间，一算就知道。跟单场景次之。合同审核ROI最难量化，但风险降低是真实的，只是不好折算成钱。
第三，供应商"卡脖子"。
很多老板吃过亏------买了一套系统，数据在上面跑，人被供应商绑住了，以后每年交服务费，不交就用不了。这种顾虑使得他们对新工具天然排斥。
应对方式是选择有技术开放性的服务商，合同里明确数据导出权和系统迁移条款。这不是技术问题，是信任问题。
第四，AI输出不稳定。
工厂老板最怕的是AI一本正经胡说八道------报价报错了、法务条款漏了，后果是真实的。这个问题目前有解：所有AI输出必须有明确的人工作业线，AI做初稿和审核，人做最终确认。不是让AI直接出结果，而是让AI帮人省时间。
四、AI落地的四个阶段，我见过的坑都在这里
过去几年，我见过工厂AI落地成功的案例，也见过更多失败的案例。总结下来，有四个阶段，每个阶段都有典型的坑。
第一阶段：选场景，不要贪多
见过太多老板一上来就说"我要搞AI工厂"，结果买了套大系统，花了几十万，只用上了5%的功能。
正确做法是：用"文字占比法"选场景------哪些岗位日常工作中"写和说"占比超过40%？从这些岗位里挑1~2个最高频、最耗时的场景先做试点。报价和跟单是最适合起步的两个场景，ROI清晰，数据容易获取，推进阻力小。
第二阶段：改流程，而不是直接上AI
很多工厂买完AI工具就等着出效果，结果上线三个月没什么变化。原因是流程没变，AI只是在旧的流程里插了一脚，发挥不了价值。
报价流程重构的例子：原来"业务员接收需求→工程师手动做报价单→财务审核→老板审批→发出"，5个节点。重构后"AI自动提取参数生成初稿→工程师确认参数→发出"，2个节点，时间从48小时压缩到4小时。不改流程，AI无用武之地。
第三阶段：带人转型，而不是替换人
给员工足够的过渡时间。AI接管了重复性工作之后，人的角色变成"审核者"和"异常情况处理者"。某包装厂的设计师转岗为"AI创意指导"，产出效率提升了3倍，薪资不降反升------因为他从做图的人变成了管AI出图的人。
这里有个重要原则：AI落地必须配套利益重新分配的方案，否则执行层一定会反噬。 报价员发现自己的核心价值被AI取代了，如果他还有权限在系统里手动改数据，那AI系统迟早会变形。
第四阶段：持续优化，不能一劳永逸
AI工具需要持续的反馈和调优。每周花1小时review AI输出质量，调整提示词和工作模板，是必要的运维成本。三个月后，很多工厂的AI采纳率能从60%提升到85%以上。
五、真实落地的数据
说几个我知道的真实案例：
美的在供应链和设备运维环节引入AI，设备综合效率（OEE）提升30%，点检效率翻倍，供应链端到端交货周期缩短39%，库存周转天数减少30%。
某泵业龙头引入AI报价系统，报价周期从7天压到1.5天，错误率从8%降到0.5%。
某家具制造企业上了AI设备运维助手，设备维修效率提升13.4%，故障图纸查询时长缩短40%以上。
这些数据是真实的，但我必须补充一句：这些都是已经具备一定数字化基础的中大型企业。中小工厂的情况要复杂得多------没有数据积累、员工数字化能力弱、老板对ROI要求更高。中小工厂AI落地的成功率，远低于这些光鲜的数字。
所以我说，用AI给工厂砍30%成本，是一个可以做到的目标，但不是买一套工具就能自动实现的。它需要场景选对、流程改透、人员带起来。
六、AI+制造业，接下来会怎么走
站在今天看未来三到五年，我认为AI在制造业的渗透会沿着三条主线展开。
第一条，从文字工作延伸到生产判断。
目前最成熟的是语言和文本处理，但多模态大模型正在快速成熟。"读懂一张工艺图纸"、"根据订单描述自动生成生产排期"、"自动生成验货报告"------这些场景在未来两三年会逐步成熟，AI在工厂的渗透深度会显著增加。
第二条，中小企业是最大增量市场。
大企业有资源自己搞，中小工厂才是最需要AI普惠的群体。谁能让20人、50人的小工厂用得起、用得好AI工具，谁就抓住了制造业AI化最大的增量市场。
第三条，AI不是替代人，是重构岗位。
未来工厂里会出现大量"人机协作岗"------人负责关系维护和异常情况处理，AI负责标准化执行。这不是消灭就业，而是岗位升级。
说了这么多，最后总结一句话：
工厂引进AI，最难的不是技术，是老板愿不愿意重新审视那些他习以为常的流程。报价7天才出一份单，这不是理所当然的；跟单员每天追进度，这不是天经地义的。AI进来之后，这些事情可以快10倍、省70%的人力。
用AI给工厂砍成本，这不是一个宣传口号，是今天就可以开始算的一笔账。