停掉的五个，停法都一样：它们要动的动作在系统外面

复盘里写得最透的是这一条：停掉的五个场景有个共同点——它们要动的那个动作，本来就在系统外面。换模靠对讲机喊，调机靠师傅手感，首件靠纸卡记录，点检靠一张挂在机台边的表。AI 能读系统里的数据，却动不了系统外的动作：它能提醒「该换模了」，但提醒发在手机上，人正在机台后面。反过来，活下来的两个都长在系统里面——排产在 ERP 的工单上，周会汇报喂的是系统里现成的产量与良率。

拿这个标准照我们厂，答案有点扎心：调激光参数、装夹找正、首件自检——全在师傅手里、在纸卡上、在微信里。真按这条规律，现在任何冲着这些动作来的 AI 方案，买回来大概率也是停用的那五个。我们厂真正长在「系统」里的，反而是报价单和图纸——有 Excel、有历史单。所以哪天我们要试 AI，第一件事不是问它多智能，是先问一句：它要动的那个动作，本来在不在系统里？不在，就先别买——先把这个动作搬进表，再谈 AI。

第二个断点最值钱：师傅那句「看情况」，能不能写成条件句

调机参数那个场景，是被老板亲手停的——AI 第一版建议里有一条让模温提高八度，老师傅看了说不对：这批料掺的是破碎料，本来就容易分解。系统不知道，它只学了「壁厚薄就加模温」。停掉之后他们做了一件事，我认为比买任何设备都值：跟老师傅蹲了三个下午，把「看情况」那几句话一条条往下问，问到能写成条件句——回料掺比超过三成，模温上调五度；夏天湿度大，周期放慢半秒；换新模的前两百模，保压往下压一点。

一共记下十九条。干了十八年的老师傅自己都愣了——他从来没这么写过。这张表成了第二版的输入，第二版推开后没再被停：因为每条建议都能在表里找到出处，师傅能指着某一条说「这条不对，改」。人和 AI 之间第一次有了可以吵架的凭据。

我们厂打算照做：激光、折弯、焊接三组，各蹲半天，把「看情况」写成「如果…那么…」。不是把参数抄成一张数表，而是把判断写成规则——如果切 3mm 不锈钢出现挂渣，那么先查气压再动功率；如果来料实测厚度偏薄超过半条，那么折弯补偿往回收半度。目标五十到七十条。这张表就算永远不接 AI，它也是厂里第一个离开谁都能用的脑子。

第三个断点最扎心：错了没人签

首件判定那个场景技术上跑通了，识别准确率也过得去，停摆的原因很朴素：没人敢签。首件判错的后果是整批报废或返工，原来是人签字、责任在人；现在机器给了结论，人签还是不签？责任归属没定，场景就推不动。后来补了一条规矩就活了：机器只给「疑似异常」，判定仍由品质主管签，签完系统留痕。

这条我们厂其实早有底子——我们的纪律一直是 AI 只出草稿、对外发送必须人确认。有意思的是，同周联想在供应商质量论坛上讲的也是同一套：审核清单由智能体生成，工程师每一步把关，把关的反馈再拿去改进智能体——大厂用几百亿营收验证过的，和我们小厂的土规矩，是同一个答案。这一条可以写得更死一点：AI 不给终局结论，只给疑似清单；终局判定必须署名；判定留痕，用来事后复核 AI 到底准不准。

最有效的那一个，长得最不像 AI

复盘里还有一笔特别有意思：第七个场景「料耗核算」其实一直在跑，但没人认为它是 AI——因为它只做了一件事，把手工表的公式搬进了系统。作者说这是全篇最扎心的一笔，我深有同感。

最有效的 AI，往往长得不像 AI。对我们厂来说，把每天的排产写在一块白板上、把断面留样卡塑封贴在切割机旁、把「看情况」写成五十条条件句——这些看起来土得掉渣的东西，恰恰是任何智能系统将来能站上去的地基。反过来，跳过这些直接买「智能体」的，多半就是那停掉的五个。