投入AI却不见增效？制造业成功秘诀在AI上线前

制造商们竞相采用人工智能，但随着投资的持续增长，重点正在慢慢从实施转向更难定义的东西：价值。

新的应用在规划、维护、质量控制和前期生产的各个环节不断涌现。然而，在车间，这些问题往往更实际。AI 能缩短停机时间吗？在问题升级之前发现问题？帮助操作员做出更好的决策？

准备情况可能最终决定成功与否。

从人工智能中获得最大收益的制造商通常不是采用速度最快的制造商，而是那些拥有数据、流程、技能和组织基础，能够有效利用人工智能的制造商。那么，该行业是否已经准备好充分利用人工智能？又该如何衡量这种准备情况？

不是每个人都在衡量同样的东西

技术提供商和投资者倾向于将人工智能的采用视为市场增长的快车道，而企业领导者则可能更关注生产力提升、成本降低或决策加快。然而，制造商的运营现实略有不同。成功往往精确到毫米，安全更是重中之重。价值链中更少的中断不仅意味着成本降低，也意味着减少伤害事故，以及节省出可投入更重要任务的人力。

这种区别至关重要，因为人工智能固然是个好帮手，但其成功实施的标准仍不明确；在某一项运营中创造价值的做法，放到另一项运营中可能就意义不大。某一工厂中能产生可衡量成果的预测性维护解决方案，到了面临完全不同约束条件的工厂，可能就收效甚微。

随着人工智能在各行各业愈发深入地嵌入，制造商可能会发现，建立自身的采用原则愈发有价值。AI 在哪里创造价值？成功应如何衡量？它又应在更广泛的运营中扮演什么角色？

最响亮的声音并不总是最接近问题的声音

每一项新技术都必须融入现有运营，与既有系统集成，支持生产目标，并交付可衡量的结果。可靠性、可追溯性和一致性通常比新颖性更重要。

这也是人工智能在制造业中的采用与其他行业不同——也许也没那么光鲜——的原因之一。制造商正在评估这项技术未来能够引领哪些创新，但归根结底，他们需要知道的是：它能否解决他们已经面临的问题？

价值不仅仅取决于技术本身

根据我们为制造业健康报告所做的研究，许多制造商仍在为新技术创造价值奠定基础。虽然人工智能持续受到关注，但准备情况仍不均衡。

只有 30% 的制造商表示，其组织内部制造和工艺数据流是无缝衔接的，而 22% 的制造商表示他们根本无法访问任何制造相关数据。另有 29% 的制造商难以解读手头可用的数据。与此同时，26% 的制造商没有对技术使用情况进行正式审查，这使得评估新投资是否实现了预期结果更加困难。

在自动化方面，情况也类似。虽然许多制造商在车间已经取得进展，但规划、设计和物流往往仍然远没有实现同等程度的互联和自动化。与此同时，与许多其他数字技术相比，人工智能驱动的决策仍处于较早的采用阶段。

基础仍然重要

同样的模式在制造业之外也很明显。Kyndryl 的《2025 People Readiness Report》发现，尽管 AI 已在各组织中广泛普及，但许多企业仍在努力将投资转化为可衡量的价值。受访 CEO 中，三分之二将技能短缺视为主要障碍，而将近一半表示员工仍对这项技术感到不安。

取得最强劲进展的组织，其突出之处不在于采用速度，而在于其在领导力、培训和信任方面的投入方式。

这些发现与制造环境中的情况相呼应：当周边系统和人员已准备好支持它时，技术才能发挥最佳效果。当数据可靠时，互联设备就能创造更大价值。当信息可以跨部门流动时，数字工具就会变得更加有用。当员工了解如何使用它、质疑它并改进它时，自动化也更容易扩展。

不同的制造商从不同的起点出发

制造业健康理念背后的原则之一是，持久改善很少来自孤立地聚焦单一挑战。制造商可能会根据自身情况优先关注不同领域，无论是培养人才、提升可持续性、释放数据潜力，还是拥抱新技术。

就人工智能而言，技术与准备情况之间的关系不容忽视。当周边条件提供支持时，新工具往往能够创造更大价值，从可靠的数据和互联系统，到清晰的流程和员工信心，都是如此。

取得最大进展的制造商会构建能够评估新机会、有效整合新机会，并在最初热潮退去很久之后仍持续创造价值的系统。

这一挑战远不止人工智能。迄今为止，已有近 1,000 家制造商完成了 manufacturing wellness 评估，平均得分为 49 分（满分 100 分）。这一结果表明，该行业仍有巨大的机遇等待挖掘，且这种机遇并非集中在某一个领域，而是存在于支撑长期韧性与绩效的更广泛习惯之中。

我们的 manufacturing wellness 报告探讨了全球制造商如何应对技术、自动化、可持续发展、技能发展、数据以及其他塑造行业未来的习惯。