制造业企业 AI 落地实录：从场景梳理到智能体部署，我们踩过的 7 个坑

过去两年，我们团队在福建地区做了几十家制造、医药、能源化工企业的 AI 工具落地交付。一个反复出现的现象是：采购环节通常很顺利，卡住的地方总在采购之后。

账号开好了，培训做完了，两周后回到车间和办公室，员工依然在用微信、Excel 和原来的流程。IT 部门总结的原因是「员工习惯难改」，但我们跟踪了多个项目后发现，问题大多不在员工，而在场景选错了。

这篇文章把我们内部用的场景梳理方法和部署流程拆开讲一遍，包括踩过的坑。

一、先别谈模型，先做场景盘点

企业引入 AI 失败的常见起点，是「先看看 AI 能干什么」。这个方向是反的——从能力出发找场景，得到的往往是一堆演示效果很好、但没人真正需要的 demo。

我们的做法是反过来：从岗位的日常动作出发。

具体操作时，我们会让客户各部门填一张表，只问三个问题：

1. 你每周花时间最多的重复性动作是什么？
2. 这些动作的输入是什么（表单？邮件？系统导出？口头？），输出是什么？
3. 如果这一步做错了，谁来发现、多久发现？

第三步尤其容易被忽略，但它往往决定了 AI 介入的价值高低——一个错误会被下游放大、且发现成本高的环节，才是值得优先做 AI 改造的环节。

二、制造业高频场景清单（可直接复用）

下表是我们从实际项目中沉淀出来的场景库节选，按「投入产出比」排了序。每个场景都标注了数据来源，因为能不能落地，八成取决于数据拿不拿得到。

经验判断：第一批场景建议全部选「低难度 + 短周期」的。不是为了省事，而是为了让组织在 4 周内看到一次正反馈。AI 项目在企业内部的生死线，往往就是第一次复盘会。

三、四个阶段（我们内部叫 4D）

D1 诊断 Diagnose

产出物不是方案，而是场景清单 + 优先级 + ROI 测算。

ROI 测算要不要做？要做，但要说实话。我们一般只算「可量化的时间节省」：某岗位每周处理 N 次 × 每次耗时 M 分钟 × 人力成本单价。这个数字通常不会很惊人，但它的作用是给后续复盘一个基准线，而不是拿来论证项目值得做。

D2 设计 Design

这里最容易出的问题是把智能体设计成一个「问答机器人」。

企业场景下，纯问答形态的智能体留存率很低。员工问一次两次新鲜，之后就忘了它存在。真正能留下来的是嵌进业务流程的形态——比如报销单提交后自动生成汇总、设备工单关闭后自动归档并触发月度统计。

设计阶段要明确一件事：这个智能体的触发条件是什么？ 答不上来，说明它还是个玩具。

D3 部署 Deploy

三个技术要点：

1. 权限边界先定，再谈能力。企业环境下，智能体能看到哪些数据，必须在部署前用文档写清楚，并且让业务部门签字。事后补权限模型的成本远高于事前。
2. 连接器优先用官方能力。跨系统取数尽量走平台提供的标准连接器，自写脚本短期快、长期是负债——系统一升级就断。
3. 保留人工确认节点。尤其是涉及对外输出（给客户、给监管）的场景，宁可多一步人工确认。

D4 固化 Drive

这是我们花时间最多的阶段，也是多数交付方不做的一块。

三件事：

• 分层培训：管理层看决策场景，一线员工只学自己岗位那 2–3 个动作。给一线员工讲平台架构，等于劝退。
• 场景 Owner 孵化：每个上线场景在业务部门指定一个负责人，能自己改提示词、加知识。没有 Owner 的场景，三个月内必死。
• 月度复盘：不看活跃率这种虚指标，看场景覆盖率（目标岗位中实际在用的人数占比）和单场景月均调用次数。

四、踩过的 7 个坑

1. 第一批场景选了难度最高的。某项目首个场景是供应链跨系统取数，做了 8 周，期间业务部门已经失去耐心，后续推广全部受阻。
2. 把培训当成一次性动作。培训完两周是遗忘曲线的谷底，必须在这个时间点做第二轮。
3. 知识库一次性灌入全部文档。制度文档里有大量过期版本，直接全量导入会让智能体给出矛盾答案。先做文档治理，再谈知识库。
4. 没有定义触发条件，智能体做成了一个需要员工主动想起来的网页。
5. 权限模型后置。上线后被安全审计打回，返工一个月。
6. 忽视了「中层」。管理层支持、一线在用，但中层管理者觉得被架空，会在流程上设置阻力。
7. 用调用量当验收指标。调用量高可能只是少数人在反复试，覆盖率才是真实情况。

五、关于验收的一点看法

企业 AI 项目的验收，我们现在的做法是只承诺可量化的部分：

• 目标岗位的场景覆盖率 ≥ X%
• 单场景月均调用次数 ≥ N
• 特定环节的处理时长下降 X%

不承诺「效率提升 X 倍」「替代 N 个人」——这类承诺短期好签单，长期一定翻车，而且会毁掉客户对整个品类的信任。

总结

企业 AI 落地不是一个技术难题，而是一个组织工程问题。技术侧真正花时间的部分（智能体搭建、系统打通）通常只占项目工期的三分之一，剩下的都在场景选择、权限治理和人的习惯养成上。

如果只能记住一句话：先选一个 4 周内能见效、且有明确触发条件的场景，把它做透，再谈规模化。

关于作者：作者团队来自福建云推助手，主要从事腾讯 WorkBuddy / CodeBuddy 企业版的落地交付，自 2018 年起从事企业微信服务商相关工作。文中方法为项目实践总结，欢迎同行交流补充。