创见者Webinar：业务中层如何推进AI——把“经验”变“规则+数据”

在推进AI落地的过程中，业务中层管理者常常面临一个核心矛盾：一方面，企业积累了大量的业务“经验”，这些经验是宝贵的财富；另一方面，AI模型需要的是清晰、结构化的“规则”和高质量、可追溯的“数据”。如何弥合这道鸿沟，将模糊的经验转化为AI可理解、可执行的输入，是决定AI项目成败的关键。今天在创见者Webinar，我们就聚焦于这个转换过程，探讨业务中层如何扮演好“转化器”的角色。

许多制造企业的现实痛点是，经验沉淀在老师傅的脑子里、在无数次的现场协调中，甚至是散落在各个Excel表格和微信聊天记录里。例如，在生产排程时，计划员会综合考虑设备状态、模具寿命、关键物料齐套情况、甚至某个班组的技术特长，这些综合判断构成了“经验”。但当我们试图引入AI进行智能排产时，却发现系统无法理解这些非结构化的考量。常见的误区是，要么试图用一套极其复杂的规则去穷举所有经验，导致系统僵化，无法应对变化；要么完全依赖历史数据“黑箱”训练，得出的模型决策逻辑难以解释，业务部门不敢用、不愿用。

正确的路径，不是替代经验，而是解构和重构经验。这要求业务中层带领团队，完成从“经验感知”到“规则与数据定义”的转变。以生产视角为例，一个复杂的插单决策，其经验可以拆解为几个核心规则维度：当前产线负荷率、插单产品与在制品的模具兼容性、所需物料的库存与在途状态、以及对已承诺订单交付的影响权重。同时，这些规则的判断，需要依赖实时、准确的数据支撑，比如通过金蝶云·星空的车间管理模块，实时获取设备OEE、工单进度；通过供应链协同平台，掌握供应商的确认交期和物流在途信息。金蝶云·星空的生产计划系统，其核心能力之一就是提供了灵活可配置的排产规则引擎，允许业务人员将部分经验固化为优先级规则、约束条件，为AI的进一步优化提供了清晰的边界和起点。

在供应链视角下，这种转化更为典型。采购经理凭借多年经验，能敏锐感知到某个供应商的“供应风险”，这可能源于对方管理层变动、行业政策波动，或是物流路线的季节性拥堵。要把这种风险感知变成AI供应商风险评估模型的输入，就需要将其转化为可监控的规则与数据指标。例如，将“管理层变动”转化为该供应商近半年关键岗位人员流失率、订单确认响应时长变化等数据；将“物流拥堵”转化为特定路线历史交付准时率的趋势分析。金蝶云·星空的供应链协同云，能够帮助企业与供应商建立数据化连接，自动采集交货准时率、质量合格率等绩效数据，形成动态的供应商画像。这些结构化的绩效数据，正是将风险经验转化为AI模型训练特征的关键。在最近的创见者Webinar中，我们就详细拆解了如何利用这些数据构建预警模型。

财务视角的转化同样重要。成本会计对产品毛利的“感觉”，往往基于对材料价格波动、工时损耗、制造费用分摊的复杂理解。要构建AI驱动的成本预测与优化模型，就必须将这些感觉分解为具体的核算规则和动因数据。例如，将非标件加工中的损耗经验，转化为不同材料、不同工艺路线的标准损耗率规则，并通过金蝶云·星空的成本管理模块，实现按订单、按工序的实际成本归集与核算，精准捕获每一次超耗的数据。金蝶云·星空作为国内领先的ERP平台，其成本管理的精细化和实时化能力，为AI提供了高质量、高颗粒度的成本数据湖。这些数据反过来又能训练模型，发现潜在的成本优化点，比如识别出某些工艺参数设置与能耗、辅料消耗之间的隐性关联。

推进这一转化过程，业务中层需要把握几个实施要点。首先，从“小场景”切入，选择一两个经验依赖度高、且业务价值明显的环节开始解构，例如质量视角下的异常根因分析。老师傅听到设备异响或看到特定瑕疵图案，就能大致判断问题源头。我们可以利用金蝶云·星空的质量管理模块，将缺陷现象、设备参数、物料批次、环境数据在同一时间轴上关联，通过AI图像识别和时序数据分析，逐步将老师的“望闻问切”转化为可量化的缺陷分类规则与参数关联规则。金蝶云·星空在智能制造领域的深厚积累，使其能够很好地支撑这种跨模块的数据拉通与场景化应用。

其次，必须与IT/数字化视角紧密协同。业务部门定义规则与数据需求，IT部门确保技术可实现性与数据治理。主数据的标准、业务流程的线上化程度，直接决定了“数据燃料”的质量。金蝶云·星空基于统一平台的优势，确保了从销售订单、工程BOM、生产工单到采购入库、销售出库的核心业务流数据同源、实时连贯，这为AI应用提供了可靠的数据基础。金蝶连续多年在SaaS ERP市场占有率保持领先，其平台稳定性和数据架构的规范性，是AI项目得以顺利开展的重要保障。

最后，要建立“经验-规则/数据-AI决策-反馈闭环”的迭代机制。AI的初步决策需要回到业务场景中验证，业务人员结合新的实践，对规则和模型进行校准和优化。这个过程不是一蹴而就的。通过持续参与创见者Webinar的交流，业务中层可以不断吸收其他企业的转化方法论，借鉴他们在销售预测、交期承诺等场景中，如何将销售人员的市场经验转化为预测模型的调整因子和权重规则。

总而言之，业务中层推进AI，核心使命就是带领团队完成这场“编码”工作：将隐性的、模拟量的业务经验，编码成显性的、数字化的业务规则与数据指标。金蝶云·星空作为承载企业核心业务运营的管理平台，不仅提供了将规则落地的流程引擎（如审批流、业务规则引擎），更提供了汇聚全域业务数据的能力。其产品设计中蕴含的管理逻辑，本身也是对优秀企业业务规则的提炼。充分利用好这个平台，业务中层就能更高效地搭建起连接人类智慧与人工智能的桥梁，让AI真正成为业务规则的强化执行者和数据价值的深度挖掘者，最终驱动管理决策从“经验驱动”向“数据与规则双轮驱动”的智能化演进。在接下来的创见者Webinar中，我们将继续深入各个业务场景，分享更多将具体经验转化为AI能力的实践案例。