制造业里最磨人的，往往不是惊天动地的大事，而是那些每天、每月都在重复"对数字"的活。把一张表拆成五张、把打卡记录逐条跟另一张表比对、把五份报表手工对齐成一份汇总。
这些活看似琐碎，却最让老板不放心——数字错一个，后面全盘皆错；规则明明很清晰，人却偏偏容易漏、容易看走眼。正因为它"该有的规则都有"，很多人第一反应是：这不正好交给AI吗？
苏州站AI实战营里，有三位学员正是从这类活下手。但真正值得琢磨的，不是她们把AI做成了什么样，而是她们让AI不做什么——这是AI落地最容易被忽略、也最见功力的一层。
01 进料检验：一个"能做成"的活，为什么她先砍掉一半？ 环姣姣
环姣姣在进料检验岗。国网订单的关键零件，几乎每天都要处理：把车间下发的一张43列原材料信息表，手动拆成5张零件数据表；再翻开供应商检验报告PDF，人工摘字段、按规则命名、落表。
难点在于，报告模板每个供应商都不一样，人工识别过程长、繁琐又易错。这个活，AI理论上"完全能做"——拆表、摘字段、命名落表，全是确定性动作。
但她的开发计划里，写得最细的恰恰是这一类话："MVP先落地一个零件（支柱绝缘子），其余零件显示'二期启用'占位"；"只生成5张表，不提供EIP导入入口"；"数据治理：发送给大模型的内容最小化，只发送摘取所需文本片段，避免生产数据外泄"。
这里藏着第一个判断：为什么不做全？
因为"能做"和"敢用"之间隔着一道信任鸿沟。五种零件的规则各不相同（比如触头一条工单要拆成两行，材质特殊时还要填"其他"），如果一次性全铺开，任何一个环节的边界没审清，出来的数据就是错的——而进料检验的数据，错了国网那边是要负责任的。所以她宁可先只跑通最关键的"支柱绝缘子+一个批次"，用12份真实PDF验证摘取命中率，确认规则站得住，再去扩其余四种。
✨ 成果：数据填写效率提升 89%，数据正确率从 95% 提到 98%，12份真实PDF字段命中率 ≥ 95%。但比这些数字更值钱的，是她从一开始就想清楚了"这个AI的边界划在哪"。
02 工时结算：为什么她要给AI"上保险"？ 许月
许月做售后服务管理，每月一次要结算服务工程师工时。in3打卡导出约300条记录，要逐条人工与销售易比对——4/8/12三档换算、多项目拆分、"以销售易为准"，规则又多又绕，跨表格来回看，耗时1-2天，还容易漏算错算，结算口径根本没法追溯。
这个活有个特殊之处：它算的是钱，是给工程师的工时钱。AI一旦算错，不是"改个数字"那么简单，而是信任崩塌——师傅们会觉得"这工具不可信"，下次就没人用了。
所以她的答案，不是"让AI更聪明"，而是"让AI不太可能犯错"。
她把换算、拆分、比对这些确定性动作全部用规则引擎算死，AI只负责识别表头、整理字段、标出异常。她写了80多个测试用例——这80个测试跑的不是"代码有没有bug"，而是"结论有没有上保险"：恰好6小时、恰好12小时、0~3小时、多项目拆分占比、±2h临界……每一个边界值都被钉死。
✨ 成果：从1-2天逐条人工核对，缩短到"选数据、点运行、导结果"；80+测试用例全绿，结果确定、可追溯。她的一句话很到位："能算的用规则算死，AI只做整理与比对。"
03 风险资产：为什么他要让AI"不许分析"？ 王海兵
王海兵每月要把五张存货表手工对齐到固定格式的《呆滞汇总》。各表口径靠人记忆，对错全凭经验；更棘手的是模板里有32个月度列的历史数据，手工很容易改错历史。
这个活，AI"顺手"就能多干一些——比如帮你分析"这个月的呆滞异常了吗""环比怎么回事"。但他在需求里明确写死了一句话：AI只抓取汇总，不做分析判断。
这是最反直觉、也最关键的一个决策。
一句"拒绝分析"，其实是在守住财务数据的红线。因为资产汇总表是给策略组做存货判断的，一旦AI"越界"帮你下了一个判断、改了一个数字，出了问题，责任算谁的？所以他宁可只让AI做"抓取"这件确定性最高的事，把环比、分析、结论这类需要专业判断的事，坚决留给财务人。他还用历史列只读保护从物理上杜绝"改错历史"——这已经不是"AI能不能做"的问题，而是"AI该不该碰"的问题。
✨ 成果：一键生成当月汇总表；当期列填好、历史列只读保护、缺失项逐条提醒。而他最大的收获，是把认知转了过来："AI从'给答案'到'按规则抓数'——先定规则，再让AI兜底。"
04 AI落地最难的是"决定AI不做什么"
看到这里你会发现，这三个同学从头到尾最较劲的，不是"让AI做多少"，而是"让AI不做什么"。
① 先跑通能用的一小块，别贪全 —— 环姣姣只做"支柱绝缘子"，用12份真PDF验证规则站得住，再扩展。
② 能算的用规则算死，别让AI瞎猜 —— 许月用规则引擎+80个测试用例，把每一个边界值钉死。
③ 该守的红线，物理上锁死 —— 王海兵让AI"只抓取不分析"，历史列只读保护，从机制上杜绝越界。
这就是"规则为主、模型为辅"的本义——不是不信任AI，而是你看得越清楚"它不能干什么"，才越敢把"它该干的"放心交出去。这是一句克制，也是AI从"能演示"走到"敢用"的必经之路。
可是，那些"没有标准答案"的活呢？
对数字，可以靠划边界；但写方案、做报价、定工艺，没有唯一答案、还带着责任。下一篇看他们怎么重新设计"人"和"AI"的分工。
▍ 关于 慧工智能(原慧工云) ▍
慧工智能(原慧工云) 成立于2016年，总部设立于苏州市工业园区，并在武汉（华中）、广州（华南）、天津（华北）建立全资子公司，同时在南京与温州分别设立了软、硬件研发与创新中心。
慧工智能(原慧工云) 本着"数据驱动高效中国制造"的使命，聚焦服务民族工业企业的智能化改造与数字化转型，提供集合"体系、软件、硬件、人才"四维一体的综合工业解决方案和产品服务，公司核心产品如工业体系IPS，IN3-ERP（企业资源计划系统）、IN3-MES（制造执行系统）、IN3-LDS（精益数字化系统）、IN5-SCM（供应链运营系统），研发创新自动化智能设备与新型生产模式，目前累计已成功服务电力电气、电器元件、电子通讯、新能源等重点工业行业超过3000家客户。
自创建九年以来，慧工智能(原慧工云) 凭借卓越的行业知识与创新理念、专注产品技术和创新服务，获得了政府、协会和客户群体的认可，并荣获国家级专精特新"小巨人"企业、工信部工业互联网平台试点示范平台、财政部首批中小企业数字化转型试点平台、江苏省专精特新企业、江苏省双创人才领军企业、江苏省首批智能制造与工业互联网解决方案服务商、江苏省工业互联网重点平台、江苏省企业技术中心，苏州市独角兽培育企业等荣誉。