AI 应用离不开业务数据基础
制造企业做 AI 试点时，如果订单、BOM、库存、设备、质检、工单和售后记录分散在不同系统或表格中，智能助手很难给出可执行建议。AI 能否落地，取决于它能否拿到可信、及时、结构清楚的业务数据。
适用场景
- 生产、仓库、销售、售后分别使用不同系统，数据需要人工汇总。
- 管理层希望做经营看板、异常预警或产销协同分析。
- 计划把 AI 用于知识问答、设备维护建议、质检问题归因或工单分流。
- 旧系统还能用，但缺少开放接口、统一编码和数据同步机制。
试点前建议补齐的基础
- 统一主数据：物料、客户、供应商、设备、人员和工序编码要能对应。
- 梳理接口清单：明确 ERP、MES、WMS、CRM、财务、设备平台各自提供什么数据。
- 建立数据看板口径：产量、良率、交期、库存、成本等指标先统一定义。
- 设计权限边界：不同岗位能查看的数据范围、脱敏规则和操作权限要清楚。
- 从小场景验证：先选择报表问答、资料检索、异常提醒等低风险场景。
风险边界
AI 不是把分散系统自动变成统一系统的捷径。如果基础数据长期不一致，模型只能放大口径混乱。涉及生产控制、财务结算和客户承诺的动作，应保留明确的人审和系统校验。
碧云软件可以结合制造企业现有系统，先做接口盘点、数据口径梳理和小范围 AI 场景原型，再逐步扩展到业务流程自动化和数据看板。