（来源：网易科技）
（图源：灵核数智）
蓝鲸新闻10月9日讯（记者 卢思叶）大模型从通用问答走向业务流程，制造业是AI落地最具价值、也最复杂的场景之一。如今，企业已经可以接入模型、搭建Agent，员工都在用AI，但整个组织的效率却没有同步提升。
在接受蓝鲸科技专访时，国内领先的AI数智员工平台灵核数智的创始人陈弘旋将这个问题概括为"超级个人不等于超级组织"。一个员工借助AI为工作提效，并不意味着整个业务链路都能随之提速，这也是当前制造业普遍面临的难题。
中国制造业企业数量庞大，许多制造业企业的数字化改造却始终面临着很大的阻力，生产现场长期积累的经验难以被系统化记录和复制、跨岗位业务协同复杂，人员培养和转型难等等问题繁琐复杂。
AI怎么才能真正进入工厂？围绕这个行业都在关注的命题，蓝鲸科技与陈弘旋展开了交流。
陈弘旋认为，上述难题并不只是制造业数字化的障碍，也构成了AI可以深入发挥作用的切入口，越是依赖经验、流程复杂、长期缺少有效数字化工具的环节，越需要AI参与其中。
成立于2024年的灵核数智，是国内领先的AI数智员工平台，专注为制造企业提供AI智能化转型全场景解决方案。公司以LinkCrux AI数智员工平台为核心，通过AI FDE新范式与制造企业共同建设岗位级AI数智员工，让AI进入真实业务并持续迭代。
"助力中国制造持续伟大"是灵核数智的初心，也是陈弘旋的来路。在创立灵核数智之前，陈弘旋曾任春光科技副总裁，在长期参与这个老牌制造企业的经营和管理中，他看到了诸多推进数字化的难点、痛点。
"带着制造业的痛点和问题，我才出来找AI，拉通技术和产业之间的鸿沟。"制造业一线的经历，让陈弘旋创立的灵核数智并不是把AI当作一个等待寻找应用场景的技术，而是把它放回制造业真实存在的问题中。
灵核数智以AI Agent赋能制造业的实际业务和组织方式，"我们跨越的鸿沟是，把懂制造的人和懂AI的人连接起来。"在陈弘旋看来，制造业的AI转型，关键是让AI进入真实业务，并持续创造价值。
制造业需要能"上岗"的Agent
过去一年，越来越多企业鼓励员工探索AI与实际业务的结合，真正熟悉业务的一线员工，最清楚哪些工作耗时、哪些环节值得被改变，也更容易发现AI可以进入的具体场景。
但这种探索进展十分缓慢，且并不容易直接转化为组织效率。在陈弘旋看来，制造业企业的核心依然是一个流程型组织，大量工作依赖跨岗位、跨部门的业务协同，如果只是提升某个员工的效率，流程里的断点依旧存在。
"超级个人不等于超级组织。"陈弘旋认为，个人生产力的提升，并不会自动转化成企业生产力，AI真正进入企业的标志，是成为拥有明确输入、职责、指标和输出的岗位级Agent，最终进入人与Agent共同完成工作的业务链。
由此，灵核数智提出了"岗位级AI数智员工"，陈弘旋介绍，其核心是以岗位职责为边界，将制造业的流程、规则与知识体系拆解为可组合的能力模块，让Agent以"员工"的角色进入工厂与组织，具备明确的工作输入、职责、权限、指标及上下游协作关系，在真实岗位中承担工作、交付成果。
一个Agent拥有自己的目标、权限。，将在授权范围内调用业务知识、数据和工具，当新的业务信号出现后可以主动启动工作，并与人以及其他Agent协作，让企业真正成为超级组织。
陈弘旋举例了一个典型的订单应用场景。制造企业的客户订单可能来自邮件、聊天群、SRM系统，以往员工需要不断汇总、核对，再把订单录入内部系统，灵核的做法是，让Agent在获得授权后读取相关信息，依据业务规则完成订单识别、核对与录入，并将需要人工确认的异常交给业务人员处理。
"Agent能够去到各个渠道，24小时不停地录入下单。"陈弘旋指出，当Agent连续运行数月之后，它还可以理解这项业务，比如订单是否有变动、是否需要业务人员介入沟通等。
从这个角度看，这时AI能具备成熟员工一部分的综合能力：既把活干了，又把流程串起来，还能够在职责和权限范围内，基于业务变化提出自主意识和优化建议，在生产经营流程中实际"上岗"。
不过在这之前，还需要解决的一个核心问题是如何训练AI，企业的以往沉淀的数据、Know-how是AI工作的基础。
最难数字化的Know-how如何交给AI？
在企业现场，大量真正决定AI能否落地的Context（业务上下文），不是天然存在于系统和数据里，很多掌握在最懂业务的一线人员手中，这也是今年FDE（前沿部署工程师）模式颇受关注的原因。
对于制造业来说，这个矛盾也十分突出，业务人员最懂产品、订单、供应商和客户，但不一定懂技术，AI技术团队则未必知道每一个业务流程和要点。
陈弘旋把FDE需要的能力概括成三层：第一层是业务能力，要理解行业Know-how和业务术语；第二层是对新技术、新模型和Agent框架的认知与学习能力；第三层则是技术选型能力，能够面对企业里的"脏数据"和复杂流程，快速选择合适的工具解决问题。
"但今天在国内的制造业中，要找到这么多的FDE去服务，是非常难的。"陈弘旋指出，这种横跨产业和技术的人才，恰恰是制造业中的稀缺。
因此，灵核提出了AI FDE新范式：由企业最懂业务的人提供真实业务Know-how，灵核提供模型、Agent、工作流、数据处理与系统连接能力，共同将业务经验转化为可持续运行的岗位级AI数智员工，帮助企业逐步建立自己的AI生产力建设能力。
在这一过程中，灵核通过平台产品、Agent场景和业务落地服务，降低企业内部人员理解与使用AI技术的门槛，使最懂业务的人能够参与数智员工的建设与优化。随着越来越多Agent在企业内部运行，原本散落在员工脑中的知识也能以新的方式沉淀下来，成为企业可持续调用的能力。
"我们希望把AI真正炼进一个个岗位和具体工作，并帮助企业逐步形成自主建设和迭代AI生产力的能力。最终，FDE的价值不随着项目结束而离开企业，而是沉淀为企业自己的AI能力——让FDE能力长在业务里、留在企业内。"陈弘旋说道。
这一模式来自陈弘旋在灵核与春光科技早期共创过程中的发现，在企业早期引入AI的过程中，员工是否愿意把自己的Know-how交给AI也是一个现实问题。
AI转型的组织问题与产品问题需要同步解决，因此，灵核帮助合作伙伴一起在企业中培养"AI炼化师"，由最懂业务的一线人员参与AI场景发现、训练和持续优化，将自身积累的经验转化为数智员工可以使用的能力。
如雅虎与灵核数智的合作，围绕采购、质保等业务展开AI实践，在采购寻源、采购比价、批量供货检验计划等场景里优先落地了AI数智员工。其中，模夹具采购寻源由原本需要半天缩短至约5分钟，采购比价由原来的4—6小时缩短至30分钟以内。相关结果仍由业务人员进行必要复核，并在实际运行中持续优化。
在陈弘旋看来，这正是AI FDE模式真正跑通后的意义，企业内部可以出现越来越多能够理解AI、使用AI、改造业务的人。"随着Agent在企业内部不断地越跑越多以后,积累下来的就是有效的Context，也是企业自身真正需要的东西。"
Agent时代需要一套新的管理语言
如上述交流中也可以看出，企业AI转型的过程并不只是技术问题，管理和组织的变革同样关键。
陈弘旋更认可自上而下的AI组织方式，先看到企业当前最需要解决的经营问题，再向下找到相关的业务和工作，最后决定AI应该进入哪里。让AI投入有方向、有优先级，并最终能够回到企业经营。
而在管理层面，陈弘旋观察到，企业过去依赖KPI、OKR等管理方式，并不适用于未来Agent与人的协作，员工按周期工作、Agent是连续式工作，两者怎么围绕同一个经营目标协同，也是灵核在探索的问题。
对此，灵核提出了面向制造业企业AI原生组织的管理方法论GSA（Goal-Signal-Action）。具体而言，从企业经营目标出发，通过Goal（目标）、Signal（信号）、Action（行动），将经营目标逐层连接到具体岗位和工作，并明确人与Agent的分工与协同，让人与AI共同成为组织生产力。
"我称之为感知式管理，出现什么Signal，就采取对应的Action。"在这个方法论中，业务运行过程中不断出现的异常、变化和关键信号是Signal，而具体的Action则由人和Agent共同完成，而不是完全交给Agent。
在GSA中，目标相对稳定，信号持续感知，行动动态调整。企业围绕经营目标识别关键业务信号，分析目标与实际运行之间的差距及原因，再由人和Agent协同采取行动，并根据新的信号持续优化，形成从目标到行动、再到经营结果反馈的闭环。
这也是从制造业AI落地的实际中发现的，流程型制造往往拥有大量传感器和结构化数据，流量、温度、压力、重量等变量本身就可以被数字化管理；而离散型制造的流程更加依赖人的经验和判断，不同工厂之间的流程也存在差异，因此AI化更难。
在这种背景下，灵核不是把Agent塞进原有流程，而是先设计业务、量化结果，再寻找Agent可以进入的位置。
陈弘旋回忆，早期客户更多是基于他本人从制造业和数字化实践中积累的信任与灵核团队进行共创，"这个阶段我们是因为相信而相信。"
而现在，灵核进入"因为看见而相信"的阶段，陈弘旋透露，灵核已与多家不同规模的制造企业开展合作，实践覆盖研发、生产、采购、销售、服务等多个业务环节，并在一批核心岗位与业务场景中持续积累经验。
"AI时代对制造企业的价值很大，我们专注制造业，灵核注定是要在制造业上走得很深，走得很远，这件事情虽然很漫长，但是非常值得去做。"
陈弘旋透露，接下来还会推动制造业FDE行业标准的建立，"制造业AI是一条长周期的道路，我们需要有更多的人一起进来走这条路，变得更快、更好。"
