文｜时鉴福特前两年干了件大事，在工厂里装了900台AI摄像头，想用机器把关质量，省掉人工质检。想法挺好，结果这套系统根本揪不出车辆瑕疵，福特继续蝉联美国召回次数最多的汽车制造商，损失了几十亿美元。
最后怎么办？福特陆陆续续把超过300名资深工程师请回来了。这些老前辈回来干两件事，一是把经验传给年轻人，二是帮AI系统补漏洞。

福特的车辆硬件工程副总裁查尔斯·潘自己说了句话，我觉得特别值得琢磨。他说，我们错误地认为，只要导入AI，使其吸收我们的车辆设计要求，就能产出高品质的产品。
说白了，他们以为把最好的机器买回来，手艺就自动有了。可手艺这东西，从来不在机器里，在人身上。更扎心的是，福特发现AI不好使的时候，那些能干活的老师傅，早就不在厂里了。等你想找人，人已经走了。
麻省理工学院去年发了份报告，专门调研了300个企业AI部署案例。结论是这样的：企业在生成式AI上砸了300到400亿美元，但95%的组织回报为零，只有5%的项目真正产生了可衡量的商业价值。不是AI不行，是绝大多数企业把AI当成了“交钥匙工程”。花大钱买系统、请人部署，觉得钱一花就能自动运转。可AI这东西不像买台机床，通电就能车零件。
麦肯锡的数据更直观。全球近九成企业已经启动了AI转型，但75%长期停留在零散试点阶段，真正实现规模化应用的只有10%。麦肯锡给这个现象起了个名字，叫“试点陷阱”。
什么意思呢？就是今天在客服部门试一下，明天在财务部门试一下，每个部门都搞了AI，但谁也没搞明白到底解决了什么核心问题。麦肯锡的合伙人钟惠馨说得很直白：组织所有人都试的结果，就是每个人都省了10分钟，但从公司角度确实没什么价值。
问题到底出在哪儿。我琢磨了很久，根子上是两件事。
第一件，老板们把AI当“交钥匙工程”了。花大钱买系统，觉得AI就能自动运转起来。可麻省理工那份报告里有句话特别直白：规模化的核心障碍不是基础设施，不是监管，是学习。翻译成大白话，你得让AI真的“学会”你厂里的活儿，这需要时间、需要人带着它、需要在真实业务里一点点磨。
第二件，市面上忽悠人的太多了。这两年你有没有发现，朋友圈里突然冒出一堆“AI转型专家”。有些人是真懂，但更多的人，可能上个月还在卖保险，这个月就能给你讲企业AI战略了。我认识一个老板，论坛上听了几场演讲，饭局上见了几位“专家”，回来就花了两百万上了套系统。结果那些专家讲的东西，落到他那个具体做五金件的车间里，根本用不上。
不是AI不行，是那些人根本不懂他这行。
那真正把AI用出效果的企业，做对了什么？三一重工的做法就挺实在。他们没搞什么惊天动地的大工程，就是把设备、仪表、摄像头全部联网，踏踏实实收集生产数据，让算法去优化能耗和成本。到2025年底，三一重工实现了1.8万台设备、3.3万台仪表及6.1万个摄像头的实时在线接入，全年累计节约能源费用超过0.72亿元。
不是花大价钱买一套“智能系统”，而是让数据先跑起来，让算法真的去解决车间里的具体问题。
中集集团的做法更接地气。他们搞了个“集星杯”AI应用创新大赛，让一线员工自己动手做AI工具。焊工、质检员、仓库管理员都能报名。结果20个项目脱颖而出，预计能创造数千万元直接业务价值。
有个“AI班组秘书”，就是一线班组长自己捣鼓出来的，解决了排班和物料调度的老问题。青岛冷箱那边用AI加声纹检测技术，把冷藏箱顶板的不良品率从15%降到了2%以内。
你注意这些企业的共同点。不是先买系统再找场景，是先找到车间里最疼的问题，再拿AI去治。福特的顺序反了，先买了900台摄像头，先部署了系统，然后发现系统学不会。这就像你先买了最好的锅，再去找菜谱，结果发现菜谱上的食材你压根没准备。
有人可能要说，那AI到底能不能用？我的看法很直接：AI这东西，你用对了它是个好帮手，用错了就是花钱买罪受。
福特花了数十亿美元才明白这个道理。你不用花那么多。先找准车间里最要命的问题，再想怎么用AI去解决它。这个顺序，比砸多少钱都重要。
那些劝你赶紧掏钱的“专家”，多半自己也没搞明白。真正踏实做事的老板，都在车间里蹲着呢。