问制造企业上了AI智能体最担心的不是AI答错问题是AI直接改了工单、调了参数、发了审批。怎么既用上AI又不出事答分两步走——第一步只让AI读数据跑稳了再让AI写数据。这是制造企业AI落地最稳妥的路径。直接让AI上手写操作风险太高。先把读的环节跑透再谈写。一、“先读后写”是制造AI的安全底线制造企业的业务系统和互联网公司有一个本质区别制造系统的每一个写操作改工单、调排程、发补货申请都对应着物理世界的真实变化——原材料消耗、设备占用、人员调度。写错了代价很大。而AI目前的可靠性还达不到“零失误”的水平。任何AI模型都有一定的幻觉率和推理错误率。在互联网场景里AI写错一段文案可以重写在制造场景里AI改错一个工单参数可能导致一批产品报废。“先读后写”原则的具体含义是第一阶段只读AI只做数据查询、统计分析、归因分析、预警推送。所有的业务系统访问权限都是“只读”的不能修改任何数据。第二阶段审批后写AI生成修改建议推送给负责人审核。审核通过后由系统执行写操作AI不直接调用写API。第三阶段条件写对于低风险、高频率、规则明确的写操作如自动补货、自动排程在规则范围内允许AI直接执行。但需要设置阈值监控——超出阈值自动暂停转人工介入。大部分制造企业目前处于第一阶段少部分进入了第二阶段。第三阶段业界仍在探索。二、只读模式下AI能做什么“只读”并不意味着AI能做的事很少。恰恰相反制造企业80%的AI需求集中在“读”的层面需求一异常归因良率突然从98%掉到91%AI自动关联MES工单数据、SCADA设备参数、ERP物料批次信息找出最可能的原因。这个过程中AI只读数据不改任何东西。需求二跨系统查询“订单A123现在生产到什么工序了”AI自动查ERP的计划数据、MES的执行数据、WMS的仓储数据汇总后回答。全程只读。需求三经营分析“上个月为什么华东区业绩下滑”AI自动关联销售、生产、采购、回款多个环节的数据做归因分析。只读。需求四预警推送“B供应商连续两周交货延迟可能影响C订单的交期。”AI自动检测到异常推送预警给相关人员。只读。这四个需求覆盖了制造企业AI应用的大部分场景而且都不需要写权限。三、从读到写的演进节奏建议的演进节奏是0-6个月纯只读模式AI接入ERP、MES、PLM、WMS的只读数据源做查询、分析、归因、预警。目标是让业务部门习惯用AI查数据、认可AI的分析能力。6-12个月审批后写模式选择1-2个低风险场景如“备料申请”“库存预警补货”让AI生成建议、走审批流程。积累写操作的运营数据——AI的建议通过率是多少、有没有出过错、用户反馈如何。12个月以后条件写模式基于过去半年的运营数据评估AI在特定场景下的可靠性。如果AI的建议通过率超过95%、且没有出现过严重错误可以考虑在规则范围内开放自动执行权限。阈值监控仍然是必须的。FAQQ只读模式需要给AI配置专门的只读账号吗A需要。每个业务系统都要给AI配独立的只读账号权限仅限于查询相关表和视图。不要用人类账号给AI用也不要用管理员账号。独立的只读账号便于审计——“这个查询是AI发的还是人发的”可以清晰区分。Q审批后写模式里的“审批”是谁来批A可以由业务主管批也可以由系统管理员批。关键是审批入口要集成到企业现有的OA或钉钉/企微工作流里让审批人不用登录AI系统就能完成审核。审批记录要留存便于后续审计。Q如果AI一直停在只读阶段是不是亏了A不亏。只读阶段的AI已经能解决制造企业大部分的数据查询和分析需求。很多制造企业光是“让AI帮查数据”这一步就解决了很大的问题——以前查一个工单进度要登录三个系统现在问一句话就行。写操作是锦上添花不是必需品。一句话总结制造企业AI落地遵循“先读后写”的节奏——先让AI只读数据跑半年让团队熟悉AI的能力和边界再逐步开放低风险的审批后写操作最后在数据积累充分的前提下谨慎开放规则内的自动执行。
