当AI成为公司的数字化部门:一家制造企业,能否从MES开始重生?
中国制造业不缺系统,缺的是让系统真正协同工作的能力。下一代企业数字化,也许不再从采购软件开始,而是从聘请一位永不下班的“AI数字化部门”开始。
最近,我们和AI讨论了一件过去听起来近乎疯狂的事情:一家已经运行多年MES的制造企业,能不能不再按传统方式采购、定制、实施下一套系统,而是让AI主导业务梳理、软件开发、测试和持续迭代?
我们把问题问得更直接:“你能不能成为公司的数字化部门?我们要打造一家AI原生企业。”
AI的回答是肯定的,但有一个重要限定:它可以承担大量分析、设计、开发与验证工作,生产现场的确认、设备接入、授权审批和最终验收,仍然必须由人负责。
01|为什么中国制造业有系统,却仍然效率不高?
在很多工厂,ERP管理订单和财务,MES管理生产,WMS管理仓储,设备系统记录状态,Excel承担排产和临时协调。每个系统都能完成自己的任务,但系统之间的数据口径、业务流程和责任边界经常不一致。
一张订单在ERP里是交付承诺,在MES里是工单,在仓库里是物料需求,在产线主管那里则是明天要解决的人员、设备和换线问题。数据不是没有,而是散落在不同系统、不同表格和不同人的经验里。
对预算有限的中小制造企业而言,传统数字化更难:软件采购、需求调研、接口开发、实施顾问、二次开发和后续维护,每一步都要投入。最令人沮丧的是,系统上线之后,业务一变,又需要新一轮项目。
02|一个真实MES数据库,暴露了旧系统的边界
在这次讨论涉及的制造业项目中,团队已在当前账号可见权限范围内检查了1,023张表、501个视图、13,420条字段定义。这不是一家企业全部业务能力的证明,而是现有MES数据结构的观察范围。
围绕真实工单,分析已经追踪了SMT到DIP的产品UID、过站、质量及部分物料关系,也发现了一些值得进一步核实的冲突:计划产线和实际产线可能不同;工单完成时间与真实生产进度可能不一致;领料数据在不同来源中存在口径差异。
这些问题并不能简单归咎于旧MES设计失败。它们可能来自历史规则、业务例外、接口同步或现场执行。但它们揭示了一个关键事实:企业缺的不是更多数据表,而是对业务事实的统一理解。
03|AI原生企业,与“企业用了AI”有什么不同?
第一代信息化把纸面流程搬进电脑;第二代数字化把流程连接起来;而AI原生企业要更进一步:让AI理解目标、组织信息、提出行动,并在受控权限内执行和检查结果。
想象一个场景。总经理说:“明天优先保证这三张工单。”传统方式下,计划员需要逐个查询物料、设备、人员、在制品和质量状态,再电话协调。AI原生系统则可以主动收集这些约束,形成多个排程方案,说明每个方案对交期、换线和产能的影响;经过授权后下发计划,再持续监控偏差。
区别就在这里:AI不只提供答案,还要参与“发现—决策—执行—验证”的闭环。
04|新的MES,不应该只是旧MES的重写
我们提出三个层次的架构。
01
可信的生产底座。 管理工单、BOM、工艺版本、条码、过站、质量、设备和追溯。关键业务必须有确定性的规则、审计记录和可回退机制。
02
可配置的流程引擎。 插单、拆单、换线、返工、替代料和审批,不应每次都靠程序员改代码。企业要能在权限和验证机制内调整流程。
03
能行动的AI代理。 AI理解自然语言目标,调用有边界的业务工具,检查齐套、分析瓶颈、生成排程、追踪异常,并报告执行结果。AI不能直接绕过质量放行、设备安全和生产审批。
05|为什么这可能改变中小企业的数字化经济账?
过去企业买的是标准软件,再付费适配自身流程。未来一部分企业可能先建立自己的业务数据与规则,再由AI协助持续生成、维护和优化软件能力。
这有机会减少重复的需求文档、界面开发、报表制作和简单接口工作。但AI也会带来新的成本:模型调用、数据治理、测试、网络安全、运行监控、模型变化带来的回归验证,以及人类专家对关键决策的复核。
因此,“AI能写代码”不等于“企业不需要IT预算”。更准确的判断是:数字化投入的结构可能发生变化,从一次性的大型实施项目,转向小步快跑、持续验证的产品化运营。
06|真正可行的路径:从一条DIP产线开始
我们并不主张今天关停旧MES,明天直接上线AI写的新系统。生产系统不是演示网站,一次错误过站、错误放行或错误库存扣减,都可能造成真实损失。
第一步,建立从订单到出货的业务地图,确定每项数据的权威来源;第二步,以DIP排产为切口,做工单、排程、派工、过站、不良返修和追溯的小闭环;第三步,新旧系统并行运行,对照实际产出、质量和库存数据;第四步,在通过安全、准确性和回退测试后逐段接管;第五步,再向ERP、仓储、设备和成本延伸。
衡量成功的指标也必须务实:排产耗时是否下降?异常关闭是否加快?工单追溯是否完整?业务规则变更是否更快?上线后是否真正减少现场重复劳动?在测量基线之前,不应该随意承诺节省多少成本。
07|谁来承担责任?AI可以主导工作,但不能替代治理
“让AI担任数字化部门”,不是让AI成为没有监督的企业管理者。企业负责人仍然负责经营目标与资源配置,现场负责人负责业务事实与生产验收,IT和安全负责人负责权限、数据保护、系统可靠性与应急处置。
AI可以作为持续工作的数字化执行团队,主动分析、提出需求、编写程序、测试、发现异常和形成报告;但涉及资金、生产安全、质量放行和重大系统切换的操作,必须有明确的人类授权。
结语|未来的制造企业,也许先有AI,再有软件
过去,企业先采购软件,再让员工学习软件的流程。未来,企业可能先定义经营目标和业务规则,让AI持续构建适合自己的数字系统。
这个方向仍有大量工程难题:数据质量、实时性、现场设备集成、权限边界、模型稳定性与长期维护。但在传统数字化成本高、流程变化快的制造业中,它值得通过真实产线验证。
一家AI原生制造企业的起点,或许不是一套崭新的MES,而是一个新的组织决定:让AI成为数字化工作的主力,让人牢牢掌握目标、规则与最终责任。
说明:本文案例中的数据库规模和排查结果来自所提供的项目对话,尚非独立审计结论;文章对未来企业形态的判断属于技术与商业展望。
