花几百万上了一套AI系统，结果没人用。这不是段子，是我最近听到的一个真事。

德勤刚出的调查：中国制造业AI项目里，只有9%达到了预期的八成以上。剩下的91%，基本都打了水漂。而且问题不出在技术上。

2026年初，八部门联手发了份文件，要把AI往工厂里猛推。企业也真砸钱了——大约八成制造企业，打算把五分之一的改进预算扔进智能制造。结果呢？

说个真事。有家公司花几百万做了个“企业知识助手”，上线仨月，每天就几个人点开。后来一复盘才发现，工人最想要的是设备故障了能马上查怎么修，而不是翻公司休假政策。两个需求，压根不是一回事。

你发现问题在哪了吗？懂生产的人不会写需求文档，会写文档的人不下车间。技术团队拿到的是一份“写得挺好但没用”的需求单，做出来的东西自然“功能齐全但没人用”。跟算法半毛钱关系都没有。

数据这块更乱。有个AI团队去乳制品厂试点，发现产线上的数据散在Excel、纸质工单、微信群消息里，二十多种载体。关键参数靠人工抄，四到六个小时才更新一次。这还怎么玩？

七成五的管理者承认，数据质量差拖累了AI项目。油气行业更惨，接近九成。不同年代的设备、互不连通的系统、没人维护的历史数据——工厂过去几十年只顾着生产，谁也没把数据当资产。

管理上也跟不上。将近一半的企业说，缺人是最头疼的事。2026年春招，AI工程师的需供比超过了3比1。又要懂算法、又要懂工业、又要能落地，这种人哪找去？

更深的问题是工厂的管理文化。制造业习惯了“成本控管”，流程高度集中，出点小事都要层层审批。AI讲究快速试错、快速迭代，可工厂里连试错的权限都不给。拧巴不？

那成功的9%是怎么干的？有家独角兽公司，直接把团队搬到苏州一家化妆品厂，跟工人同吃同住了128天。他们才发现，真正要命的问题是产线切换——光换型号就占了68%的时间。

说白了就一条：工业AI只能从工厂里长出来，不可能从办公室里憋出来。不跟工人蹲在一起吃盒饭，就永远抓不住真问题。数据要扎根，人更要扎根。

还有一点很关键：别老想着用AI取代人，而是让人和机器配合着干。那些干成的事，都是先把最基础的瓶颈找到——比如产线空转率超过四分之一——然后用死磕的方式去解决。

接下来两三年，风向已经变了。老板们不再问“有没有上AI”，而是直接问“良率提了多少、库存降了没有、成本省了多少钱”。那些慢下来先把数据地基打扎实的企业，反而可能跑得更远。

真正干明白的人，早就学会了克制。他们不贪大，先在一台设备、一条产线上跑通，再慢慢复制。工业AI不是技术表演，是一场从数据到组织的笨功夫。