|
|
|
一个90后会计，如何用AI改造了一座67年的老工厂
|
|
|
这家工厂叫金鸿曲轴，前身是内江齿轮厂，拥有67年的历史。客户包括奇瑞、比亚迪、吉利，每年生产各型曲轴300万件，全厂有25条生产线、约800名一线工人。从外面看，它是那种你在高速公路旁经常路过的厂区：厂房方方正正，门卫室里坐着个跟工厂年龄差不多的老大爷。就是这样一家老厂，在过去两年完成了一场让李宁教授团队专门跑来调研的AI变革。
他们并不是一上来就买机器人、搞大型自动化系统。这场变革的主角不是老板，也不是IT部门，而是从一个人、一张表格开始。
主角是一个叫吕望的90后会计。工友叫他“望崽”。望崽的工作本来跟AI八竿子打不着。他是六分厂的车间会计，每天的任务是把工人的产量数据、物料领用、薪酬核算这些东西录进系统。听上去不复杂，但六分厂有170多号工人，每天要汇总的数据量大得吓人。更要命的是，所有数据全靠工人手写在纸上，再交给他逐条录入，每天光是录入这件事就要花他两三个小时。
错误也是家常便饭。比如有个物料，工人在单据上写的是“圆筒筒”，那是四川话里对滤芯的叫法。但系统里的物料代码叫什么，工人不知道，望崽要一条条查、一项项对，一来一回时间全耗进去了。还有设备漏油的记录，写在一张纸上，流转过程中丢了，等信息真正到达管理层，可能已经过了好几个星期。一位成本工程师后来回忆，有次为了查一批财务数据，他逐条对了上万条记录，查完手都抽筋了。
2024年初，公司引入了飞书，初衷很简单，就是方便沟通。但大多数人装上之后觉得，这不就是个聊天软件嘛，当微信用呗。但望崽在里面发现了一个东西：多维表格。他当时冒出一个念头：能不能让工人自己填报产量，这样他就不用每天手动录入？
他试了一下，没抱太大希望。结果没想到，数据自动汇总进来了，他那两三个小时的录入工作瞬间消失了，瞬间给他那种“我为什么没早点发现这东西”的感觉。
于是他继续做下去。考核表、物料收集表、劳动竞赛数据……他发现，只要把底层的产量表做好了，很多上层表格就可以直接引用数据自动生成。一个同事原本需要三天完成的劳动竞赛表格，现在一个小时就搞定了。一张表解决一个人的痛点，十张表解决一个部门的痛点。到后来，他做了三十多个智能工作流，覆盖成本、质量、薪酬、设备、物料……几乎把六分厂的核心业务全跑了一遍。
这就催生了“小六”。望崽用飞书的智能体功能，做了一个可以语音对话的AI助手，工人对着手机说句话，就能找到对应表格、查到需要的数据、提交物料申请。更关键的是，这个系统支持四川方言。老师傅不用说普通话，不用记物料代码，说“圆筒筒”系统就知道你要的是什么。工人用了一段时间后慢慢发现：对着手机说句话，比跑去找会计排队省事多了。
当然，说到这里你可能会觉得，这不就是一个能干的员工自己把活儿自动化了嘛，有什么了不起的。但麻烦恰恰在后面：怎么让别人用起来。
金鸿曲轴有约800名工人，大量工人超过40岁，很多人干了十几年，觉得自己的方式没问题。推广新系统的时候，阻力来自三个方向。
第一是习惯阻力，比如工人说“我干了10年就是这样，凭什么改？”
第二是认知阻力，部分中层管理者觉得AI是高科技公司的事，“跟我们这种工厂不搭边”。
第三是利益阻力，这个最有意思，数据透明了之后，有些人发现“摸鱼”变难了，于是干脆发邮件要求不使用新系统。
望崽的策略是软硬兼施。软的一面，是他手把手教，录制操作视频发到群里，反复演示。硬的一面，是他把系统填报跟薪酬核算挂钩：不在系统里填报产量，工资就没法算。这话听上去有点强硬，但背后的逻辑很简单：你要用数据算工资，数据从哪里来？总不能还靠那张可能丢失、可能填错的纸吧。
最关键的转折点发生在大约半个月之后。工人发现，系统里填了之后，第二天去库房领物料，东西真的在那里。不用打电话确认，不用找人催，也不用担心单据丢了。这种“我填了就有用”的正反馈一旦建立起来，抵触情绪基本上就自然瓦解了。
一位原本坚决不愿意用的班长，用了一段时间之后，不仅自己接受了，还开始手把手教自己管辖的30名工人怎么操作。那位曾经在地板上看见一堆纸质单据的副厂长，后来也承认：老师傅们以前嗤之以鼻，现在是逢人就夸。
有一个细节我觉得特别能说明问题。公司里有一批技术经验丰富的老师傅，他们的很多知识是“只可意会”的那种：某种零件怎么判断、某类故障有什么前兆，这些经验在他们脑子里，但从来没有被系统地记录过。
望崽在做知识库的时候，专门把这些老师傅请来，把他们的经验提炼成可以查询的条目，存进系统里。现在，一个刚进厂的新工人遇到问题，对着手机问一句，得到的回答背后可能是某位干了二十年的老师傅的判断。老师傅的经验没有随着他退休而消失，它活在系统里。
说到这里，我想聊聊这件事更深层的变化。金鸿曲轴的信息化负责人用了一个说法，我第一次看到就觉得特别准确：以前是“人找事”，现在是“事找人”。
过去，工厂的信息是这样流动的：一线工人把数据写在纸上，交给班长，班长汇报给技术员，技术员再给会计，会计整理好给管理层。这个链条走下来，最快也要两到五天。等管理层看到数据发现问题，往往已经是月底，挽回余地很小。你要了解什么，得自己去问、去查、去催，这就是“人找事”。
现在不一样了。数据从产线直接进系统，副厂长每天早上九点自动收到质量日报，厂长助理随时用手机语音查询在制品数量，副总经理实时查看各产线的生产和交付状态。异常出现了，系统自动推送给对应的责任人。这就是“事找人”。
这个变化带来了一个有意思的副产品：绩效考核不再靠拍脑袋了。以前考核谁干得好、谁干得差，基本靠管理者的印象。现在每个工人的任务完成率、处理时效、异常数量都被系统自动记录。
一位副厂长坦白说，过去“全靠拍脑袋，员工觉得不公平又拿不出数据”，现在数据摆在那里，争议少了很多。六分厂的成本数据更直接：2025年上半年每个月都在超支，从8月AI系统全面跑起来之后，下半年再也没超支过。
但还有一个变化更难被量化，也是我觉得最值得说的：一线工人的声音，开始被管理层听见了。
过去，工人干了什么、发现了什么问题，要一级一级往上报，中间每经过一个环节都可能被过滤、被延迟。现在，一线填报的数据直接进系统，异常直接推送到管理层。一位现场技术员说，以前开会基本是领导说了算，现在他带着数据进会议室，“我们做的东西、产出的数据更直观、更有说服力”。
还有个意外收获是：部门间的关系没那么紧张了。过去因为手工统计经常出错，工人填了单据，第二天库房却说不在流程里。摩擦日积月累，部门之间关系很紧张。系统上线之后，准确率上去了，这类摩擦也几乎消失。
到这里，案例就分享完了。说实话，这个案例里让我印象最深的，不是那些效率数字，也不是什么高大上的系统，而是这件事到底谁最在意。一个每天要花两三个小时做重复录入的会计，被眼前的痛点逼着去找解法，然后一张表一张表地做出来。
还有一点值得关注，就是在一个非常传统的老组织里，望崽靠自己的努力推进AI落地，虽然其他人最开始不理解，但最后看到了AI的好处，也都认可和支持了。而这件事反而对很多勾心斗角、庙小妖风大的公司来说，比技术落地本身更难。
说到这里，我还想问你两个问题：如果你的公司里此刻就有一个望崽，现有的管理体制是在保护他，还是在压制他？那个“总是在折腾”的员工，你有没有问过他需要什么支持？
AI落地最难的地方不是技术，是找到那个痛点足够强、又足够有好奇心去解决问题的人，然后别挡着他的路，当然，更不要伸脚去绊他。
