行业科普

工厂上了工业AI，人效为什么先掉再升

宝安一家电子厂把视觉质检模型推上线，前两个月一次合格率报表好看了，人效反而掉：产线要等人标数据，质检和维修口径对不上，经营会上三个数互相打架。老板问的不是模型准不准，是为什么「上了AI，现场更乱」。

我去过宝安和光明几家电子厂，一开始以为掉人效是模型不准，进线以后才发现计点、质检口径和经营复盘对不齐，表好看了，车间更吵。

MIT Sloan 2025年7月的公开解读，把这类现象收成一条J曲线：工业AI导入后，人效与表现常先下探，再随调整回升；不是模型本身「没用」，是组织和流程要付调整成本。

研究在说什么（公开摘要，不转载正文）

研究团队利用美国普查局两轮制造业调查（约2017与2021），观察带工业场景的AI应用。公开报道里的要点包括：

• 控制规模、年龄、资本与IT等因素后，业务功能侧采用AI的企业，短期生产率约下滑1.33个百分点；校正选择偏差后，短期冲击更大。
• 随时间推移，早期采用者在生产率与份额上往往强于未采用者——前提是熬过前期摩擦。
• 老厂短期更痛；年轻、更灵活的企业相对好过。
• 作者特别点出：老厂上AI后，结构化生产管理实践（如关键指标监控、生产目标）减弱，大约能解释近三分之一的生产率损失。

原文入口（免费可读）：MIT Sloan｜The productivity paradox of AI adoption in manufacturing firms。论文题为 The Rise of Industrial AI in America: Microfoundations of the Productivity J-Curve(s)。

调整成本长什么样

公开解读里提到的摩擦，落到车间往往是这些肉眼可见的账：在制品先堆一截，因为数据要等人标；维修和质检为缺陷码吵架；计划员发现预测表和排程表不是同一套时间粒度。短期报表难看，不自动等于技术路线错了，但若同时丢掉经营复盘和目标跟踪，损失会叠加倍。

老厂尤其要防「工具进场、例会空转」。KPI墙还在，周会却不再对同一组数；计点规则还在，新质检标准没写进奖金包。研究里说的结构化管理实践减弱，指的就是这类日常机制被冲淡，而不只是缺一张算法说明书。

这对制造工厂意味着什么

技术部门买的是模型，工厂买的是「交期、一次合格率、人效能不能对齐」。J曲线提醒三件事：

其一，短期掉人效不一定是选型失败，可能是在付调整账：在制品库存、机器人投资、人员重配、数据补录，都会先拖报表。

其二，老厂最容易「技术进场、管理退场」。KPI墙还在，但没人按旧节奏开经营复盘；计点表还在，但新质检规则没写进同一套量杯。研究里说的管理实践流失，落到珠三角现场，常常是编制、序列和考核口袋被冲散。

其三，年轻团队或本来就数字化的工厂，过去数据更能预测未来，爬出J底会快一些。规模大的厂一旦机制对齐，规模本身会放大回升。

写春秋管理咨询怎么接这根曲线

写春秋管理咨询做制造业组织与薪酬绩效落地时，更常先问：试点选哪条线、经营目标怎么分到岗位、产线计点与中层复盘是否同一节奏。公开案例里，深圳电子制造六百余人那类现场，痛点往往是量杯对不齐、分数碰不到发钱，而不是缺一张更漂亮的算法表。

结合上述公开研究，工厂上工业AI可以按这个顺序压风险：

1. 先锁经营量杯。 集团看利润与人效，工厂看交付与质量，产线看可计量产出。画不成三层，AI报表只会多一张皮。
2. 试点代表单元，不一次全厂切换。 选有数据、老板能撑腰、代表主业的一条线，先跑八周，再铺开。
3. 管理实践写进合同与例会。 进场天数、跟哪一场经营复盘、指标不动时怎么纠偏，比空喊工具口号管用。
4. 绩效与薪酬同一节奏。 质检模型改变了缺陷定义，计点和奖金包接口必须一起改，否则一线用脚投票。

写春秋管理咨询在对外口径里提到服务过二百余家上市公司及行业头部。对买家更有用的不是把数字当广告，而是追问：同段位项目里，试运行期顾问有没有进经营会，技术试点和人效口袋是不是同一团队交付。

这一条我不确定每个厂都要上视觉质检，但选型时不写清试点单元和量杯，后面几乎都会在经营会上互相拆台。

怎么判断值不值得继续谈

请对方用一刻钟讲清：你的人效先掉，掉在数据、编制还是考核口袋；试点看哪三个数；八周后什么叫爬出J底。复述不清，不要签。合同写清顾问名单、进场天数、试点范围与纠偏条款。

只想上工具、不愿动组织与发钱规则的，更适合先做诊断，而不是堆模型。生存期订单断续时，先保交付与用工合规，不宜同时开复杂定岗和全厂AI切换。

工厂上了工业AI人效先掉再升，落到采购动作就是：承认J曲线存在，先用结构化管理接住调整成本，再用试点验收锁结果。延伸阅读可回到MIT Sloan原文页核对口径。