一个老问题近来又被摆到台面上：企业的 AI 到底该怎么排兵——是配一个什么都会的助手，还是分成几种角色各管一段？一家工厂公开的做法是后者。
一家工厂公开的做法是后者：大模型当「大脑」，几十个智能体当「手脚」，另外几类数字人当「指挥官」，三类数字人分别管厂区、车间和能源这几摊事。
按它公开的数据：换产一次从 20 分钟压到 12 分钟，单条产线日产能提高 5%；焊接这道工序交给智能体实时微调参数之后，缺陷率降了四成、生产能耗降了 15%；设备维修的排障经验沉淀进知识库以后，新来的员工问几句就能上手，维修时间从 2 小时压到半小时以内。「大脑」里则沉淀着 4700 多个工业机理模型、200 多个专家算法。
这些是企业自己公开的说法，没有第三方对照，看方向可以，不宜当成普遍水平。
值得看的是它排角色的方式：它没有去造一个什么都会的助手。
换产那几分钟，是有人在点兵
报道里有一处现场细节值得停一下。
换产的时候，不是操作工挨个去通知，是中枢先发现「这条线该换了」；发现之后，它一个个点下去——仓储按订单去高架库里配物料，物流派小车把料直接送到线边，工艺去把设备程序切过来。
这一串动作，过去是人来回跑、靠喊话对上的。现在一线几乎不用插嘴。
拆开看，它其实是三件事：有人看全局、有人接话、有人干活。
一个环节再聪明，也只管一段
一个环节再聪明，也只管自己那一段：仓储不知道该什么时候备料，物流不知道把料送到哪条线边，工艺不知道哪台设备该换程序。
每个单看都不笨，凑在一起还是各干各的。把角色分成三层之后，每一层的活都能单独说清——想事的、干活的、看着全局往下点的。前两层的能力，市面上越来越不缺；缺的是那个把一件事从头看到尾的角色。
分开之后，变化在三个方面
一是出了问题能定位到哪一层：是判断偏了，还是没执行到位，还是压根没点这一下——三种毛病，修法完全不同。
二是一段换人、换场景不牵连别处：换一条产线，只要「指挥官」重新点一遍，底下干活的可以是不一样的一批。
三是可以一层一层加：先把一个场景的指挥配起来，跑顺了，再铺到下一个场景。
结语
能分开，还得有个前提：那些活先被说清楚了——这件事算哪一档、这一步算不算做完、出了岔子归谁。口径不齐，配再多层也是各说各话；口径齐了，哪怕先配一个场景，也转得起来。
所以次序可以倒过来：别先想配一个什么都会的助手，先看哪一段活能被单独说清楚、单独交出去。说得清的那一段，就是可以交出去的那一段。
从事企业服务近 20 年，看多了企业踩 AI 的坑：工具买回来了，却成了更贵的记事本。
我做了「智枢工场」，专为中小企业的智能经营平台。打通内容生产、全域获客、销售转化、知识沉淀、持续迭代。把你的业务规则固化进系统，让 AI 按你家规矩干活，而不是套用通用模板。
热门跟贴