廠二代接棒，用飛書 AI 助工廠「蕪湖」起飛
7 月 25 日，來自全國各地的六百餘名飛書 AI 絕活家相約而至，攜帶著工作及生活上的實際問題，齊聚於飛書 AI 絕活大會北京站。
來自一線實踐者的真誠分享
前半段會議期間，六位一線實踐者依次登台，就經過實戰驗證的 AI 應用案例作出具體分享。
演講進行到中途，一位青年戴上安全帽、腳踏帆布鞋走上了講台。他是小潘——安徽蕪湖一家汽車零部件廠的「廠二代」，工友們親切地喚他一聲「小老闆」。
回到家鄉接班後，他在工廠落地的首個正式 AI 項目，是利用 AI 調用攝像頭來識別未佩戴安全帽的行為。他的故事，便從這頂安全帽開始說起。
從「蕪湖起飛」到「天塌了」
在返廠之前，小潘原本幻想着能輕鬆地成為一位富二代，讓事業「蕪湖」起飛。然而現實卻令他吃驚不小：「回去一看，不禁覺得彷彿『天塌了』。」
他目睹的情況是：業務運作仍仰賴紙本單據流轉；Excel 中的重複操作只能靠人工處理；員工對 AI 的認知大多停留在聊天工具的層面上。
因此，他將自己定位為前線部署工程師（FDE）：一邊理解工廠作業流程，一邊將現場問題轉化為 AI 可執行的任務。
AI 進駐工廠，切忌紙上談兵
小潘很快察覺到，引入 AI 工具僅僅是第一步，真正的難關在於如何令 AI 融入員工的日常工作中。
怎樣讓不熟悉 AI 的員工願意嘗試？如何讓大家明白 AI 的能力邊界？又要如何把個人探索轉變為全廠習慣？
從數據上線、智能體入群，到培訓與激勵機制的建立，小潘逐步摸索出一條適合傳統工廠的 AI 落地路徑。
先數碼化，再智能化
在具体改造過程中，小潘沒有急於開發智能體，而是優先解決基礎數據的問題。
2024 年底，他借助 AI 輔助編寫小程式，自動完成 Excel 中的重複任務，並逐步將紙質工序卡等單據遷移至飛書多維表格。
在他看來，工廠邁向 AI 化的前提是先實現數碼化與資訊化。多維表格將分散在紙張和表格中的信息變為可更新的数据流，使後續的智能體能夠讀取內容、跟進流程。
因此，AI 落地的首要步驟並非生成答案，而是讓真實業務先「在線」。
比起提质增效，填補人才空缺更為關鍵
小潘認為，目前大多數中小工廠當前的迫切需求並非提升效率，而是填補長期難以招聘到的專業崗位空缺。
他選擇的首個突破口是品質管理。由於汽車零部件行業需遵循 IATF 16949 標準，但該工廠兩年均未能招募到合格的質量體系工程師，他決定構建一個「質量專家」智能體。
該智能具備三項核心功能：
審文件：對照行業標準自動檢查並標註問題；
答問題：員工無需翻閱手冊，直接提問即可獲取解答；
帶新人：處理基礎諮詢，釋放老師傅精力應對複雜事務。
如今，車間員工遇到各類問題都會先詢問智能體。它負責初步審查並提出建議，而涉及合規與質量的關鍵決策仍由專業人員複核確認。
有一次，研發人員在管理群提交體系文件徵求意見時，「質量專家」不僅輸出了審核報告，列出整改項，還補充了質量主管的意見，並自動生成修改後的版本供同事複核。
在這種協作模式下，智能體承擔首輪篩查，專業人員專注最終判斷，全过程可追溯、有提示、有複核，真正融入了質量管理体系。
讓智能體加入通訊軟件群組
搭建完成後，小潘並沒有將「質量專家」藏在獨立入口，而是將其接入員工日常使用的即時通訊軟件群組中。
員工提問後，智能體結合知識庫作答，專業骨幹可在群內補充或糾正。完整的討論過程被保留下來，AI 定期匯總高頻問題與優質案例，經人工審核後反哺知識庫。
這一做法解決了傳統工廠的知識傳承難題：許多工藝經驗僅存在於老師傅腦中，問題解決即告終結。而現在，每一次人機協同的問題處理都成為企業可複用的知識資產。
老經驗變成了智能體未來工作的上下文。
同時，智能體在群組中公開可見，其能力和局限得以透明呈現。回答準確時，員工建立信任；出現偏差時，專家的及時纠偏。這種公開互動也讓研發、質量與管理層在同一空間同步掌握問題進展與處理結果，減少跨部門信息斷層。
降低使用門檻，推動全員參與
儘管已完成從紙質單據到智能體入群的數步升級，小潘仍面臨最現實的問題：工具做好了，員工願不願意用？
作為推動者，他不僅要解決問題、開發工具，更要將使用門檻降到一線員工願意嘗試的程度。
在小工廠中，工具無人使用並不罕見。小潘總結出三點關鍵經驗：
第一，老闆提供的工具必須開箱即用，最好一句話就能啟動。只要有明顯門檻，員工很可能望而卻步。用他的話說，必須足夠「傻瓜式」。
第二，同事開發的工具比上級下發的更具傳播力。因為員工更容易相信：「既然隔壁工友能做，我是不是也可以？」
第三，機制要自上而下設計，行為要自下而上產生。管理層提供資源、培訓、權限與激勵，員工負責發現場景、創造工具並分享成果。
為此，他計劃建設企業技能庫，將已驗證的 AI 工具變為全員共享資源，並通過每月調用量排行榜和激勵機制，讓好用的工具被更多人看見。
他也坦言，排行榜能反映使用頻率，卻難以全面衡量實際產出價值。
工具只是起點，組織的承接能力才至關重要
走到這一步，小潘對 AI 落地有了更深的理解：不能只看建了多少個智能體。
更重要的是組織的配套能力：培訓是否到位、數據是否打通、職責是否清晰，以及個人經驗能否轉化為團隊可複用的方法論。
工具交付只是開始。「我只是點一個火苗，更多業務的落實還是要讓員工自己去完成。」
讓工廠員工熟悉 AI，靠的不是一場培訓或一次演示。
小潘的路徑清晰而務實：先用飛書多維表格將紙質信息轉為動態數據；再將智能體引入群組，實現員工提問、骨干校正；完整過程由 AI 匯總、人工審核後沉澱進知識庫；最後通過培訓、技能庫與激勵機制，推動更多員工使用並創造屬於自己的 AI 工具。
小潘負責點火，飛書則將數據、溝通、智能體與知識沉澱串聯成一條真實運轉的工作鏈路。
這場始於一頂安全帽的變革，最終目標不是一個更聰明的老闆，而是一整間会用飛書落地 AI 的工廠。
現在點擊「閱讀原文」，試試搭建一個屬於自己的專家智能體吧。
更多往期內容，請點擊下方連結跳轉