制造企业上AI，真正考验的是协同底座

最近和几位制造企业信息化负责人聊天，一个感受很明显：大家都在谈AI，但真正落到工厂里，焦虑点并不是“有没有一个大模型”。模型现在并不稀缺，真正麻烦的是，车间、项目、采购、质量、售后这些环节，本来就有很多信息断点。人找不到人，文件找不到版本，审批卡在某个层级，老系统里的数据又拉不出来。这个时候再加一个AI助手，如果底层协同没理顺，最后大概率只是多了一个会回答问题的窗口。

为什么制造企业上AI，第一步不是买模型？

制造业和互联网公司不太一样。制造企业往往是多年系统叠加出来的：ERP管一部分，MES管一部分，OA管一部分，项目资料散在网盘和群聊里，销售、采购、生产、财务各有各的台账。AI要想发挥作用，不能只会写总结、写邮件，它得知道事情从哪里来、卡在哪一步、谁有权限看、出了问题能不能追溯。

说白了，AI不是凭空变聪明的。企业内部的信息越乱，AI越容易答得漂亮但不落地。很多企业上AI之后发现效果一般，不一定是模型不行，而是协同底座太薄。

协同系统为什么成了AI落地的底座？

过去选协同系统，大家更关注聊天、会议、审批、文档这些功能有没有。现在看法要变一变。AI时代的协同系统，不只是办公工具，更像企业内部的“工作入口”。消息、任务、审批、文件、知识库、组织权限、系统通知，最好能在一个相对统一的环境里流转。只有这些工作流沉淀下来，AI才有机会做提醒、总结、分派、检索和复盘。

如果协同系统只是一个外部SaaS壳子，业务系统接不深，权限改不动，审计留不全，那AI能力再多，也很难进入真实业务。尤其制造企业有大量跨部门流程，一个质量异常可能牵涉生产、技术、采购、供应商和客户服务。系统不能把这些人和数据串起来，AI就只能在旁边“建议一下”。

为什么制造企业会重新重视私有化？

这两年我看到一个变化：很多企业不再简单迷信公有云SaaS。原因也很直接，AI用得越深，企业内部数据暴露得越多。高层会议纪要、成本测算、供应商价格、质量问题、客户投诉、研发资料，这些都不是普通办公数据。以前大家可能觉得协同工具只是发消息、传文件，现在它越来越接近企业经营中枢。

所以我们后来更倾向于像 Beeworks 这类支持私有化部署、流程定制和内部系统集成的平台。它的价值不在于喊多少AI概念，而在于能不能先把企业自己的协同秩序搭起来：数据在内网，流程能调整，老系统能对接，审计能留下。对制造企业来说，这些听起来不花哨，但很实用。

CIO选型到底该看什么？

我的判断是，AI进入企业之后，CIO选协同系统不能只看品牌大小，也不能只看功能清单。真正要看的，是四件事：数据能不能自己掌控，流程能不能按企业管理方式改，能不能和已有ERP、MES、CRM等系统打通，权限和审计能不能支撑长期管理。

制造企业上AI，最怕一开始就奔着“买一个最强模型”去。模型会越来越便宜，开发会越来越快，但企业内部的流程、数据和协作关系，不会自动变好。先把协同底座打稳，再谈AI助手和智能体，反而是更稳的路。对CIO来说，这不是保守，而是务实。