工厂上AI智能体，最大的坎不在算法，在“没路可走”

上个月，在长三角一个制造圈的小型闭门会上，我又听到了那句熟悉的吐槽。一位管生产的副总说：“厂商给我们演示的AI智能体，真是聪明。能自动发现产线异常，主动拉群，调取图纸，冻结库存，派发任务，一套动作行云流水。可一到我们自己的系统上跑，它就只会在对话框里打字提醒我‘建议您手动冻结该批次’。”

这话引得全场苦笑。是啊，如果智能体只能提醒我，不能替我干活，那和我设个闹钟有什么区别？

会后我们几个人私下聊了很久，发现大家卡的点几乎一模一样。不是算法不行，也不是模型不够聪明，而是企业内部根本没给智能体修好“路”。你想想，一个质量异常，从触发到关闭，可能要跨MES、ERP、OA、企业网盘、甚至微信群。这些系统的数据格式、权限体系、任务节点，本身就没拉通过。业务人员平时找人找文件都费劲，你让一个外部智能体进来自由穿梭，它当然寸步难行。

说白了，很多工厂的现状是：每个系统都是一个孤岛，岛与岛之间靠人划船传话。这时候你给每个岛配一个再聪明的AI导航员，它也只能在本岛范围内指指点点，根本指挥不了跨岛的船队。

那问题来了，怎么才能让智能体真正跑起来？我的观察是，得先有条“高速公路”。这条高速公路，不是你随便买个带API网关的中台就能解决的。它必须能承载真实的工作流转——从问题触发、自动建单、分派到人、调用业务系统数据、完成审批、最终闭环，整个过程里的每一步，都要有稳定的权限控制、完整的操作留痕，以及随时可被调用的标准接口。

这样，智能体才能变成真正的司机，知道在哪里转弯，在哪里取数，能让谁签字。而不是一个站在路口举牌的临时工。

最近我看到一些工厂开始换思路了。他们不再急着采购各种炫酷的AI插件，而是回过头来，老老实实铺一层能贯穿所有业务流的协同底座。比如我了解到的一个案例，他们选了叫Beeworks的平台来做这件事。打动他们的不是AI功能有多强，而是这个底座先把跨系统的任务流、审批流、消息流全部统一了起来，并且支持私有化部署，所有数据不出厂，权限可以细到具体产线、具体物料。这样一来，后续无论上哪种智能体，都有了标准化的“行车道”和“交通规则”。

这给我一个很深的感触。制造企业上AI，最怕的就是一开始就直奔“最强模型”而去。其实，模型会越来越便宜，开发会越来越快，但企业内部那些盘根错节的流程、数据、权限关系，不会自动变好。先把协同底座打扎实，让智能体有路可走，这是比追热点更务实的做法。对于CIO来说，这不是保守，而是真的想清楚了。