从两周到当天：ToB老兵眼中的制造业AI真相

一张询价单发到阀门厂，过去销售不敢直接接手，得找老师傅核对参数、查行业标准、匹配型号、定制方案、核算价格，一份复杂报价往往需要两周到一个月才能完成。现在同样的流程，当天就能出结果。这是制造业企业用上AI数智员工后的真实变化。

提供这套AI服务的团队来自杭州，专注为制造企业打造岗位级AI劳动力。本次交流的核心，正是这支团队分享的制造业AI落地真相——制造业是对AI最挑剔的客户，容错率低、业务规则复杂、老板算账精细，能在这里验证可行的AI落地逻辑，放到任何行业都成立。

技术背景做销售，核心是识别伪需求

有过交流提到，技术背景做ToB销售的优势不是“懂产品”，而是能快速识破伪需求。当客户提出“我需要一个交付预测AI”时，普通销售第一反应是“能不能做”，而有技术背景的从业者会先拆解问题：交付不准到底是需求预测偏差、物料清单不齐、采购延期、产能不足，还是数据没有及时同步到系统？客户真正需要的是预测模型，还是能提前发现问题、推动解决的机制？

“销售最怕的不是不懂技术，而是客户说什么就卖什么。”

从工具到生产力，AI正在重构分工

选择从成熟平台加入创业团队，核心是看到了底层技术的变革。团队把当下类比移动互联网早期：智能手机刚出现时，没人能确定后来会出现美团、抖音，但能明确看到底层条件已经改变。

“不要站在成熟浪潮的后面，而是参与下一个浪潮从0到1的过程。”

另一个重要原因是制造业。过往服务大量企业后发现，制造业真正的难题都落在订单、毛利、库存、交付、质量等核心环节，而AI第一次有机会真正进入这些环节“做事”，而不是停留在出分析报告的层面。

团队认为，这一轮AI和SaaS的本质区别在于：SaaS是帮助人更高效地工作，而AI开始能够直接承担工作本身。过去软件卖的是工具，今天AI第一次成为生产力。

做SaaS时，团队常问“怎么让客户把系统用起来”；现在做AI Agent，问的是“公司里哪部分工作可以真正交给AI”。前者是优化数字化流程，后者是重新定义人和软件的分工。最终交付的不是几个Agent，而是更稳定的经营结果和持续的业务价值。

岗位级数智员工，把个人能力变成组织能力

团队将自己的服务定义为“提供AI劳动力”：不是简单替代员工，而是进入销售、供应链、质保、研发等具体岗位，按照企业自身的流程和数据要求，承担明确工作并和员工协同。这类AI劳动力被称为岗位级数智员工。

通过岗位级AI，企业可以让关键工作持续有人负责，更早感知经营事实、发现风险，让管理动作及时落地。同时把优秀员工的经验沉淀为企业的组织能力，最终改善交付、库存、质量和成本等核心指标。简单来说，团队帮助制造企业把少数人的专业能力，转化为整个组织可以持续调用的生产力。

四个标准：AI不是越多越先进

不是所有岗位都适合上AI。团队判断场景的第一反应不是“AI能不能做”，而是“这件事值不值得AI做”。内部有四个核心标准：真实痛、数据近、风险轻、结果可见，最好能在2-3周用真实数据验证效果，而不是等半年才能看到结果。

除此之外，还会追问几个硬指标： 频率够不够高？一年只发生几次的业务，不用急着上AI； 是不是材料密集？需要在邮件、Excel、PDF、图纸、ERP之间反复切换的工作，最适合AI介入； 有没有稳定的判断逻辑？如果连最优秀的员工都说不清判断依据，就不适合； 结果能不能验收？时间缩短、错误减少、毛利守住，这些指标必须清晰可量化。

低频、无数据、责任边界模糊、结果无法验证、流程频繁变化的业务，团队会建议客户先不要尝试。“一个靠AI吃饭的公司劝客户少买，反而是最值钱的专业度。”

能搭Agent，和让它稳定上班是两回事

很多人觉得现在用Coze、Dify这类工具就能快速搭出Agent，为什么客户还要找专业团队？答案很直接：能搭出来和让它在工厂里稳定运行，完全是两回事。

当下大模型和搭建工具越来越普及，真正的难点在于：一张询价单进来后，AI知道去哪里找历史报价、怎么看技术协议、什么时候查ERP、什么情况下不能自动报价、哪些异常需要找老师傅确认、结果要写回哪里。这不是Prompt的问题，而是业务、数据、流程、系统、权限、异常处理和责任划分的综合问题。

“模型会越来越便宜，搭Agent会越来越简单，真正贵的是把行业Know-how正确转化为生产力。”

行业经验往往散落在员工脑子里、文件里或者写进了SOP，但未必能在日常工作中准确执行。团队做的就是把这些经验放回具体岗位和工作中，通过岗位级数智员工，把企业的SOP、业务规则、历史案例和员工经验，转化为实际工作中的判断和行动：什么时候需要关注、发现问题后按什么规则处理、下一步动作是什么。

这不是简单“记住经验”，而是在真实业务中持续使用经验，完成任务、发现问题、推动行动，并根据工作结果不断优化。只有当经验能被持续调用、验证、优化，不会因为员工离职而消失，才能真正变成组织能力。

企业AI最危险的不是幻觉

团队的技术架构原则很朴素：“能确定的事情，不要让模型猜；必须判断的事情，不要硬写死规则。”

金额计算、权限校验、审批流、系统写入、付款、正式对外承诺等关键操作，必须保证确定性执行，必要时需要人工确认；而邮件理解、图纸识别、异常归因、历史案例匹配这类需要灵活判断的场景，才是AI发挥价值的地方。

当被问到企业Agent最危险的是什么时，团队的回答很深刻：“最危险的是，一个会犯错的模型拿到了很大的执行权限，而企业里的人开始默认它永远正确。幻觉不可怕，因为人也会犯错。真正危险的是错误不可见、过程不可审计、责任没人承担。”

因此团队一直强调人机边界和人工确认，不会把Agent包装成“无人值守黑盒”。全行业都在研究如何防AI出错，但真正会出大事的，是人类不再愿意确认的那一次。

需求不用创造，但钱不好挣

当下的客户确实开始主动采购AI，但这里有一个很大的误区：客户主动要买AI，不代表他们知道该买什么。现在很多企业老板都会说“今年必须做AI”，这是时代带来的需求，不需要销售再去教育。

但知道要做AI还不够，真正的卡点在于：到底先从报价、采购、质量、供应链还是经营分析入手？解决什么具体问题？做到什么程度才算有效？

“客户不是缺AI焦虑，缺的是有人能把这种焦虑翻译成真实的经营结果。”

判断一个客户是不是优质客户，不能只看预算。“预算大不等于好客户。”有些客户一上来就说有几百万预算要做大平台，但问具体解决什么问题时没人能说清，业务负责人不参与，不给数据也不让碰系统，这类项目短期容易签单，但长期不是理想的合作对象。还有一类客户是为了汇报做AI，只要求Demo好看、领导参观时能展示，同样不是团队想要的长期客户。

从Demo到生产，隔着第十一份材料

AI ToB最常见的失败路径是：Demo惊艳、POC顺利，但真正上线生产就出问题。因为Demo验证的都是“已知问题”：用十份整理好的材料，模型回答得很好，所有人都很兴奋。但真正上线后，会遇到第十一份格式不一样的材料、第十二份缺字段的数据、第十三份异常审批流程，或者第十四份从未见过的业务规则。

真实的生产环境，不是把十道已知题做对，而是能持续处理那些没有提前准备好的“第十一道题”。

现在团队判断项目能否落地，会更早问三个问题：谁每天会用？在哪一个业务节点用？用了以后下一步会发生什么？如果答不上这三个问题，再漂亮的POC也很难真正进入业务。

而且上线不代表项目结束。AI和传统软件最大的区别在于：模型会变、知识会变、流程会变，客户的业务本身也会变。这意味着AI上线后需要持续运营、验证和优化。

这也直接决定了AI ToB公司的生意是否健康：一份几十万元的合同，如果背后需要长期靠产品、研发、实施、销售和客户成功手工维护，账面收入并不能说明生意成立。真正要看的是：生产使用量是否持续增长，把交付、模型和服务成本算进去后毛利是否改善，客户是否愿意续费、扩容或增加新场景。

把客户教会了，生意反而会变大

团队最近在客户内部推“AI炼化师”角色，让企业内部员工发现AI场景、训练和优化Agent。有人问：把客户教会了，服务商会不会把自己的生意教没？

团队的回答很直接：如果生意只是“替客户点几下按钮搭出Agent”，那一定会被淘汰，而且应该被淘汰。但如果客户越来越会搭Agent，反而是好事——客户可能从一年做两个Agent，变成一年做五十、一百个，这时候他们需要的是更好的底层平台、更稳定的治理、更成熟的行业能力、更丰富的连接器，市场反而会变大。

为了培养企业内部的AI炼化师，团队举办了AI炼化师大赛，参与者不是专业AI工程师，而是最熟悉业务的一线员工。他们从自身工作出发，寻找适合AI的场景，把日常工作中的SOP、判断规则和经验教给AI，并在实际业务中验证优化。大赛的目的不只是做出几个Agent，而是帮助企业找到既懂业务又能把业务经验转化为AI能力的人才，让企业从“外部帮我做AI”转向“自己能持续建设和运营AI”。

团队最终希望的是，企业不仅拥有几个AI应用，而是逐渐拥有持续创造、管理和优化AI劳动力的能力。

内容行业的AI，还只是电动工具

话题延伸到文娱行业时，团队认为制造业和内容行业看似遥远，底层逻辑却很相似：都是生产系统，都有大量专业经验在员工脑子里，环节之间靠人传递，一个环节出错会导致大量返工，优秀人才永远稀缺。

现在影视、短剧、游戏公司大量使用AI生图、配音、生成视频，这些确实有价值，但更像电动工具。真正的内容工业化，是重构整个岗位甚至生产链：比如一个内容Agent能自己接Brief、理解需求、调用历史爆款和素材、生成初版、检查品牌规范、把异常交给人审核、根据投放数据迭代，这时候它才不是工具，而是生产体系的一部分。

团队分享的核心观点是：工业时代复制人的体力，信息时代复制信息，生成式AI开始复制专业生产能力，Agent第一次让企业有机会规模化复制优秀员工的工作能力。

三年后，主管管的不只是人

当被问到三年后企业AI的终局，是“每个人有很多AI工具”还是“一家公司里真的多出几百个AI数智员工”，团队更相信后者。但“几百个数字员工”不一定意味着组织架构图上多了几百个头像，而是每个关键流程里都会出现AI岗位能力——采购、销售、供应链、质量、财务、研发都会有。

同时组织也会发生变化：团队更小、能力更强；管理层级减少、管理半径变大；管理对象从“人”逐渐变成“人+AI”。一个过去只能管十个人的主管，未来可能管十个人加几十个AI岗位。

团队把这种变化称为智能企业时代：未来的企业不再只是“人+软件”，而是由人类员工、数智员工、企业数据共同组成的新型组织。企业之间的比拼，不再是用了多少AI，而是谁能更快把个人经验、流程和行业Know-how转化为可以持续运行、进化的组织能力。

软件公司的商业模式也会随之改变：过去卖Seat，本质是软件服务于人；未来软件本身承担工作，卖的就是数智生产力。未来三年，大家需要回答的不再是“AI能不能进入企业”，而是“一家企业能多快把优秀能力转化为可规模化复制的组织能力”。

“工具人人都能买到，模型月月都在降价。留在牌桌上的，是那些把老师傅、金牌销售、王牌采购的本事，真正变成组织资产的公司。”