朱鹰：每解决一个问题，就多一个本事

一个问题得到解决之后，企业留下了什么？

是当下可用的答案，还是下次遇到类似问题时，仍能找到当时的判断依据、处理方法和修正过程？在慧工智能创始人兼CEO朱鹰看来，后者关系到个人和组织能否真正积累能力。他在讲座中提出：

11月4日，朱鹰走进上海对外经贸大学“统数大讲堂第363期”，围绕《从真实问题到场景智能——制造业AI实践、企业转型与青年机会》与到场的一百多名学生交流。来自制造业现场的实践经验，在这场讲座中与专业学习、AI应用和青年职业发展联系起来。

在企业业务中，一个任务往往涉及多个环节。朱鹰谈到，当AI参与复杂流程时，需要把目标拆解到具体步骤，并思考每一步如何评价：它是否理解了问题，产出能否用于下一环节，出现偏差时又该怎样修正。

他用研究工作作类比。从梳理文献、确定课题，到深入研究和开展实验，每一步都有不同的任务，也需要相应的判断标准。给AI一项笼统的工作，与清楚说明各环节要完成什么、如何检查结果，会带来不同的工作过程。

因此，学习使用AI不止于掌握提问方式。能否定义问题、分解任务、评价结果，决定了工具能在多大程度上进入实际工作。朱鹰还分享了让不同AI工具处理同一任务、比较思路与结果的尝试。多一种答案并不自动意味着找到更好的答案；使用者仍需了解业务，辨别哪些内容可靠、哪些地方需要继续核对。

这也是制造业AI应用必须面对的问题。生产、采购、质量与交付各有业务目标和约束。技术要进入这些场景，既要处理数据，也要理解数据背后的流程，以及现场人员作出判断的依据。

朱鹰在讲座中多次谈到“记录”。人们往往记得某次工作完成了，却未必留下当时如何找到关键问题、为什么调整方案的过程。下一次再遇到相似情况，个人可能需要重新回想，团队其他成员则可能从头摸索。

他建议记录工作中的有效方法，也记录纠错的过程。当过往资料和经验能够被整理、检索，AI就有机会帮助人重新找到曾经有效的做法。对个人而言，这有助于回看自己的学习和工作；对企业而言，更重要的是让一项工作的经验能被团队理解和继续使用。

“每解决一个问题就多一个本事”，说的正是这种积累。它并不意味着每个问题都能形成一套现成答案，而是提醒人们把解决问题时形成的认识留下来。下一次面对新的现场、新的约束，团队才有更多可以借鉴、也可以继续修正的基础。

这与慧工智能所接触的产业问题紧密相关。企业面向离散制造现场开展咨询、工业软件与智能装备服务，需要持续理解业务目标、业务数据和生产过程。朱鹰在讲座中讨论的经验沉淀，是从这些长期面对的具体问题出发，对企业如何持续改进的一种思考。

产业现场的问题也为课堂提供了讨论材料。讲座后的交流中，现场教师介绍，可拓智能课程已将读图、订单等制造业案例加工为教学案例。学生可以借助专业方法，分析案例中的目标、条件和处理路径。

这样的连接，使产业实践走进高校有了更具体的内容。学生面对的不只是一个技术名词，而是可以继续追问的问题：图纸承载了哪些信息？订单进入企业后会牵动哪些环节？面对多个目标和约束，怎样提出可供检验的方案？企业案例提供场景，专业课程提供分析方法，两者在具体问题上相遇。

朱鹰也鼓励同学们：

从熟悉的问题开始，尝试搜集资料、拆解步骤、检查结果，比脱离专业背景反复试用工具，更有助于理解AI能做什么、自己还需要掌握什么。

在问答环节，有学生关心怎样获得合适的实习机会。朱鹰没有从投递数量谈起，而是先问：自己依据什么评价一份实习？薪资、行业、岗位，还是能够参与的工作？标准清楚之后，学生才更容易判断什么机会值得争取。

他建议，同学们在面试前认真阅读企业官网、公众号等公开资料，了解企业业务，再带着自己的问题交流。进入岗位后，也要关注团队当前真正需要解决的事，从力所能及的工作做起。

这句提醒，来自他对招聘和实际工作的观察。一次认真准备、一份有内容的反馈，或一次主动解决问题的尝试，都可能成为学习和成长的起点。

从课堂案例到实习选择，朱鹰始终把话题带回真实问题：想解决什么，依据什么作判断，做过之后留下了什么。这也是此次校企交流的价值所在。慧工智能把产业现场的问题和经验带入高校讨论；学生则能够用专业知识重新审视这些问题，并在实践中形成自己的方法。

当一次解决问题的经历能够被记录、讨论和继续使用，它带来的价值便不止于那一次结果。对企业如此，对正在走向产业现场的年轻人也是如此。