PART 01
制造业为什么需要 AI 自动化
半导体制造的压力不是单点效率，而是多系统、多批次、多规则、多证据链同时运行。越到扩产、交付爬坡、客户审核和月末关账阶段，越容易把高价值人员拖进重复查询、整理、录入、核对和催办。
流程断点多
ERP、MES、QMS、WMS、EAM、邮件、Excel 与客户门户之间仍有大量表层操作，系统已经有了，但最后一公里还靠人搬运。
PART 02
人、AI、自动化的新分工
不要一上来讲“AI 有多强”，要先让客户理解旧工作模式哪里分工错了。
人
负责目标与领导
定义业务目标、判断取舍、处理异常、推动跨部门协同。
AI
负责理解与判断
识别文件、提取字段、归纳异常、生成说明、辅助决策。
自动化
负责确定性执行
跨系统点击、查询、下载、录入、回写、留痕、推送。
对外主词汇是“AI 自动化”。
RPA 只在解释确定性执行底座时出现：AI 负责理解，自动化负责把结果稳定跑进业务系统。
PART 03
让 AI 进入制造业务
不按部门切碎，而按管理层真正关心的经营命题组织案例。
制造业 AI 自动化地图
从系统林立到流程闭环
客户订单 / 预测 / 交期承诺
ERP
订单、采购、成本
订单、采购、成本
MES
工单、WIP、完工
工单、WIP、完工
QMS / SPC
质量、异常、追溯
质量、异常、追溯
WMS / EAM
库存、设备、点检
库存、设备、点检
AI 自动化层：读取、理解、执行、回写、留痕、预警
经营日报
异常队列
审核证据链
管理驾驶舱
PART 04
个人级 AI 和机构级 AI 的差异
对管理层收口到企业竞争力，而不是陷入 Agent 能力参数比较。
个人级 AI
- 制造混乱各自提示词、各自产出、标准不一。
- 制造噪音信息很多，但难沉淀为组织信号。
- 加剧偏见依赖个人经验，缺少全局校验。
- 节省时间提升个人效率，但不一定改变流程。
- 提供工具给到工具，仍要员工自己摸索用法。
协作
信号
客观性
优势
赋能
机构级 AI
- 建立协作接入统一流程，信息对齐、权限清晰。
- 发现信号从海量业务数据中提取可行动信号。
- 创造客观性结合规则、数据校验和日志审计。
- 优化优势围绕企业独特流程和壁垒设计。
- 主动行动不是只回答问题，而是推动流程运行。
制造业标杆素材池
案例不是罗列结果，而是证明工作方式在变化
这些资料可作为宣讲时的案例来源。正式外发前建议再确认每个案例的外发权限、最新数据口径和素材授权。
收益测算
把“节省时间”翻译成经营语言
1350年节省人天
6.1等效释放人力
此处用于宣讲中帮助管理层建立量级感，正式商务测算需按客户实际频次、工时、错误成本与上线范围核实。
PART 05
建议从 16 周形成第一批成果
0-2 周
对齐样板场景
从交付、采购、质量、财务中筛选高频、规则清晰、系统路径明确的流程。
2-6 周
上线首批确定性流程
优先跑通生产派工、延期订单、采购用量、资质更新等可演示场景。
6-10 周
形成管理层可见结果
沉淀异常队列、效率数据、日志留痕和经营日报，让成果可复盘。
10-16 周
扩展为组织能力
建立场景池、开发规范、权限审计、培训机制和内部共创节奏。