智能制造 AI 落地清单：从产品资料与询盘支持开始

制造企业使用 AI，不一定先从改造产线开始。对于多数中小型制造企业，更容易验证的起点往往是产品资料整理、询盘辅助、售后知识查询和经营数据摘要。这些场景依赖现有文档与人工流程，改造边界相对清晰，也便于保留人工复核。

以下清单用于内部立项和小范围试点，不代表任何效果承诺。涉及工艺参数、报价、交期、安全规范与客户信息时，应继续由有权限的人员确认。

一、先确认是不是这些常见问题

• 产品规格、选型手册、FAQ 和售后经验散落在个人电脑、群聊或不同版本的文档中。
• 销售收到询盘后，需要反复找技术人员确认参数，首轮回复慢且口径不一致。
• 多语言产品介绍、展会资料和独立站内容更新依赖少数员工，容易形成排队。
• 生产、订单、质检和售后数据存在于不同表格，管理层需要人工汇总才能看趋势。
• 老师傅能够快速判断的问题没有形成可复用记录，新人学习周期较长。

二、适合优先试点的场景

1. 产品资料问答与选型辅助

先接入已批准公开或内部使用的产品手册，让 AI 返回答案时同时给出资料来源。它可以辅助销售定位型号和参数，但不能替代技术确认或直接对外承诺。

2. 询盘首轮整理

把客户原始需求整理为“应用环境、关键参数、数量、交期、缺失信息”五类字段，再由销售或技术人员确认回复。此处重点是减少信息遗漏，而不是自动报价。

3. 售后知识检索

从高频故障、维护步骤和历史工单中建立可检索的处理建议。涉及设备安全、停机和保修责任的结论，必须引用有效版本并由授权人员确认。

4. 经营数据摘要

在不改动原业务系统的前提下，先对经过脱敏的周报或月报做异常归纳和待核查事项提示，避免让模型直接修改生产数据。

三、开始前需要准备什么

• 明确负责人：业务负责人决定试点目标，产品、销售或售后专家负责答案验收。
• 建立资料清单：标记文件名称、版本、适用产品、有效期、负责人和公开范围。
• 划分数据等级：公开资料、内部资料、客户保密资料、工艺机密分别管理，默认不把敏感数据发送给未批准的外部服务。
• 保留基线数据：记录当前首轮响应时间、重复咨询量、资料查找耗时和返工原因，用于试点前后比较。
• 设计人工确认点：报价、交期、合同、质量判定和安全操作不得由 AI 自动决定。

四、主要风险与边界

• 版本过期：旧参数或旧工艺文件会让答案看似完整但实际错误，应只检索有效版本。
• 事实失真：所有关键参数应附来源；没有依据时明确返回“需要人工确认”。
• 商业泄密：图纸、客户报价、供应商价格和未公开工艺需要独立权限与审计。
• 自动化越权：首期只做建议和草稿，不自动发报价、不自动承诺交期、不写回核心系统。
• 指标误读：试点应观察响应速度、引用准确率和人工采纳率，不能只统计生成次数。

五、30 天行动建议

1. 第 1 周：选择一个产品线和一个负责人，收集 20—50 份有效资料，完成权限与版本标记。
2. 第 2 周：用历史匿名问题建立测试集，验证答案是否引用正确资料，并记录无法回答的问题。
3. 第 3 周：让 3—5 名内部用户在真实工作中试用，所有输出保持人工确认，按错误类型修订资料。
4. 第 4 周：比较试点前后的查找耗时、首轮信息完整度和采纳率，决定继续优化、扩大范围或停止。

六、阶段验收标准

• 关键回答能够追溯到明确的文件与版本。
• 无法确认的信息会主动提示人工介入，不自行补齐参数。
• 销售或售后人员愿意在日常流程中持续使用，而非只在演示时使用。
• 试点数据足以支持下一轮决策，但不把短期结果外推为整体收益承诺。