标签:
AI建设
制造型企业 AI 建设第一步:先搞清楚“数字员工”和“自动化工具”不是一回事
为什么 40% 的智能体项目会被取消:制造企业 AI 建设必须正视的翻车逻辑
本文档发布于 八骏知识星球
-
+
首页
为什么 40% 的智能体项目会被取消:制造企业 AI 建设必须正视的翻车逻辑
Gartner 预测,到 2027 年底超过 40% 的智能体项目会被取消,原因集中在成本攀升、商业价值不明确与风险控制不足。这个数字对制造企业尤其值得警惕,因为制造场景天然跨系统、跨部门,一个**智能体项目**从演示跑通到真正上线,中间要过的坎比办公室场景多得多。本篇不去渲染焦虑,而是把这三条翻车逻辑拆开,讲清制造企业该怎么在立项阶段就把雷排掉。 ## 一、40% 从哪来:三个取消理由,条条指向立项阶段 先看出处。Gartner 在 2025 年的预测里明确说,到 2027 年底超过 40% 的代理型 AI 项目会因成本不断攀升、商业价值不明确或风险控制不足而被取消。同期调研还显示,数千家自称做智能体的供应商里,真正具备能力的只有约 130 家,大量产品是把聊天机器人、RPA 重新包装一下就挂上智能体的名字。 这三条取消理由有个共同点:都不发生在技术验收阶段,而发生在立项时就已经埋下的坑。价值不明确,是因为没定义清楚要改善哪个业务结果;成本失控,是因为把自主性当卖点一路堆上去;风险控制不足,是因为没人说清出了问题谁负责。**智能体项目** 的失败,多数不是模型不够强,而是业务问题没想明白就先买了工具。 对制造企业来说,这三条在智能体项目上会被进一步放大。设备数据、工艺参数、渠道政策散在不同系统里,口径不一;一个环节自动了,上下游反而在等待和补录上花更多时间。立项时如果不把这些账算清,演示越顺,上线后的落差越大。 ## 二、翻车逻辑一:智能体项目价值不清,把演示当落地 智能体项目最常见的翻车方式是拿演示当立项依据。供应商搭个漂亮界面,问一句答一句,看起来什么都懂,于是就签了单。可真到业务现场,问的是"这条产线本周能耗为什么升高""这批货能不能提前发",需要跨好几个系统拉数据、对口径、找依据,演示环境里的顺畅一下子消失。 智能体项目价值不清的典型信号有三个:说不出改善哪个指标、算不清省了多少人力、讲不明谁会因此改变动作。Gartner 建议只在有明确价值或投资回报的领域部署,并聚焦整体生产力提升,而不是单个任务增强。翻译成制造企业的话就是:先回答这个**智能体项目**到底替谁省了什么、让哪个数字变好,再谈用什么模型。 有没有价值,可以用一条真实业务记录验。带三个月数据,要求从分散明细跑出分项结果、触发一次预警、给出建议、人工确认后写回业务系统。跑得通并留下记录,才算有价值雏形;跑不通,演示再漂亮也只是玩具。 ## 三、翻车逻辑二:成本失控,自主性跑在可靠性前面 第二条翻车逻辑是智能体项目成本失控。很多方案一上来就追求全自主,恨不得让机器自己判断、自己执行、自己收尾。但 Gartner 的判断很直接:当前多数智能体还不够可靠,不适合在复杂或关键业务里自主运行,更适合那些结果可接受范围较宽、出错影响可控的场景。 自主性越高,对可靠性、可追溯和治理的要求越高。把自主性堆到可靠性撑不住的位置,成本就失控了。这里的成本不只是算力账单,更包括例外处理的返工、误判后的纠正、以及一线因为不信任而退回手工操作的隐性损耗。制造场景里一次误判可能意味着停线或错发,代价比办公室场景高得多。 稳妥的做法是给自主性分级。资料检索、草稿生成、数据比对这类活可以放开;价格审批、质量放行、客户承诺这类必须留人确认。用 **低代码** 配置规则与阈值,政策工艺一变业务自己改,不必每次等厂商排期,这本身也是在压低长期成本。 ## 四、翻车逻辑三:风险控制不足,没人说得清谁负责 第三条翻车逻辑是智能体项目责任不清。智能体可以执行动作、给出建议、触发流程,但它不是法律主体,无法为后果负责。能追责的只能是人。没有清晰的人工责任链,一个错误判断、一次敏感信息泄露、一个意外触发的动作,都会迅速放大成事故。 Gartner 还有一个相关预测:到 2028 年,超过一半的 AI 计划会因代理身份问题悬而未决而中止。这话听着技术,落到制造企业很实在:这个智能体是谁、代表哪个部门、能访问哪些数据、操作留没留痕、出错能不能退回,这些不写清,上线就是埋雷。 所以立项文档里必须有三个硬问题:数据放在哪、谁维护规则、异常怎么回退。涉及工艺参数、客户报价与质量数据的场景敏感度不低,可评估 **私有化部署** 加 **买断制**,把 **信创** 与 **等保** 适配写进条款。先把边界写清,再谈功能演示,顺序不能反。 ## 五、代理洗白:制造企业要警惕的伪智能体 智能体项目选型还要警惕代理洗白,Gartner 提到的这一点值得单独拎出来说。所谓洗白,就是把现有的聊天机器人、AI 助手、RPA 脚本重新包装成智能体,宣称能自主规划与行动,实际不具备实质性的代理能力。数千家供应商里真正合格的只有约一百多家,这个比例意味着选型时踩坑概率不低。 辨别方法不复杂。问一句"帮我把这张单的异常标注出来并通知主管",看它是回一段建议让用户自己去做,还是真的调系统、写回结果、留下操作记录。再看它遇到规则之外的例外会怎样:是明确升级给人并说明依据,还是硬着头皮编一个答案。**AI智能体** 的价值在闭环,不在对话。 制造企业还可以多看一条:不同岗位是不是共用同一套主数据。**多层级版本** 让事业部按自身政策配置口径又共享主数据,**DMS+CRM一体化** 让渠道与直销说的是同一家主体。这些底座决定了智能体能不能跨系统办成一件事,而不是在每个系统里各说各话。 ## 六、智能体项目对照:会翻车与能活下来的差别 | 维度 | 容易取消的项目 | 能活下来的项目 | | --- | --- | --- | | 立项依据 | 演示跑通就签单 | 真实数据先验证价值 | | 目标定义 | 追求全自主、大而全 | 明确岗位片段与结果指标 | | 成本口径 | 只算采购价 | 含例外返工与运维总成本 | | 可靠性 | 先上线再调优 | 可靠性够了才放自主性 | | 责任链 | 出错找不到人 | 确认点清晰、操作可追溯 | | 例外处理 | 编答案或中断 | 升级给人、可回退重做 | | 数据底座 | 各系统口径不一 | 主数据统一、权限明确 | | 厂商识别 | 看宣传话术 | 用真实业务跑闭环 | *注:三条取消理由对应表中前三行,多数翻车在立项阶段就已注定,不是上线后才出现的技术问题。* 这张表可当智能体项目立项自查清单用:逐行问"我们这个项目在哪一格"。如果连续几行都落在左列,最好的选择不是加大投入,而是退回重做立项。 ## 七、制造企业怎么避开:四步建设顺序 智能体项目第一步是选一个价值可量化的岗位片段,比如设备运维分析、渠道对账、质量复盘。要求是输入输出能说清、结果能核验、数据现成。不要一上来就铺全厂,先在一个片段上证明价值。 第二步是统一数据口径与字段,这是智能体项目的底座。同一台设备在资产系统与工单系统里是同一编码,同一批货的批次与效期能对齐。口径不统一,智能体算出来的结论没有可信度,一线第一反应就是"这数不对",项目就此失去信任。 第三步是给智能体项目配权限与确认点。把可调用的工具挂上去,明确哪些动作机器可做、哪些必须人批。**数字员工** 在这个阶段登场:它围绕岗位目标拆解任务、调用工具、处理例外,人对结果负责。价格审批、质量放行、客户承诺这类动作永远留人。 第四步是给智能体项目补指标与复盘。看的不是执行次数,而是岗位结果,比如故障定位准确率、预警提前天数、结论采纳率、异常闭环率。指标基线在启动会上定,跑三到四个月看分布变化,而不是拿单个月的数字波动下结论。 ## FAQ **40% 这个数字是不是说智能体不值得做?** 不是。Gartner 同一批预测里也提到,到 2028 年至少 15% 的商业决策会通过智能体自主完成,2024 年这个比例还是零;约三分之一的企业软件会集成智能体功能。智能体项目取消率高说明的是泡沫在挤,不是方向错了。真正被取消的智能体项目是价值不清、成本失控、风控缺位的项目,而不是所有智能体项目。 **制造企业怎么判断自己踩没踩"代理洗白"的坑?** 带一条真实业务记录去测,看它能否跨系统完成闭环:输入目标、调用数据、识别例外、升级给人、写回结果并留痕。如果只能对话给建议,或者一遇到规则外情况就编答案,那就是包装过的助手或脚本。再看厂商能否说清数据放在哪、谁维护规则、出错怎么退,答不上来就说明没准备好。 **是不是上了私有化部署就能避开这些风险?** 私有化部署解决的是数据存放与边界问题,不解决价值不清和可靠性不足。它适合对数据敏感的制造企业,把信创、等保适配写进条款,是风控的一部分,但不是全部。三条取消理由里,价值与成本两条跟部署方式无关,还是要靠立项时把指标和成本账算明白。 **怎么验证改造团队不是只会讲概念?** 看智能体项目团队愿不愿先用你的真实数据跑一条闭环,而不是先演示通用看板。要求写明岗位片段的输入输出、确认点、异常回退路径与指标口径,再配合私有化部署、低代码与多层版本的边界一起看。八骏 FDE 团队在制造与经销场景有相应积累,可作为评估方案时的参考基准,具体范围以实际方案为准。
智能体项目
制造业
AI建设
Gartner
baipishu
八骏 KnowAgent
2026年11月18日 09:03
转发
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
下载Markdown文件
分享
链接
类型
密码
更新密码