【一线数智资讯】上周有个做零部件的朋友来无锡找我喝茶。他最近在纠结一件事：老板让他评估AI质检项目的ROI，问投进去的钱多久能收回来。
他说，他算了一周，越算越糊涂。
这个事情太典型了。制造业的AI账，确实不好算。不是因为算不清楚，是因为大部分人对"怎么算"这件事本身就有误解。
我来拆一下。
所谓"良率提升两个百分点"，在制造业意味着什么？假设你一条线一天出产一万件产品，良率从98%提到99.9%，意味着每天少了两百件废品。一件废品的成本是多少？原材料加人工加能耗加返工加分摊的设备折旧，少说几十块，多的可能上百块。两百件就是几千到两万块的直接节省。一个月呢？一年呢？多条线呢？
这笔账不难算。难算的是那些"间接收益"。
良率提升了，客户投诉少了，维护客户关系的成本就低了。退货率降了，售后团队的人力可以释放出来去做更有价值的事。一次出货合格率提高了，交期就更有保障了——在制造业，交期稳定有时候比价格还重要，因为它直接影响客户对你信心的评估。
还有一个很容易被忽视的收益：数据。AI质检不是简单地替代人眼，它在检测的同时产生大量结构化数据。每个产品的缺陷位置、缺陷类型、出现频率、与工艺参数的关联关系……这些数据积累下来，就是工艺优化的金矿。
传统质检做不到这一点。人眼看到了一个划痕，脑子里记一下，顶多在表格里打个勾。但AI可以告诉你，这个划痕在最近一个月里出现的频率上升了30%，而你最近刚好换了一批原材料供应商——你看，因果关系自己冒出来了。
所以如果你问我，AI质检项目的ROI怎么算？我的建议是别只算"省钱"，还要算"赚到的新能力"。
但话说回来，我也理解为什么很多制造业老板对AI项目持观望态度。因为他们见过太多IT项目——上ERP的时候，供应商说能降库存，最后库存没降，倒是多了一个需要养的信息部门。上MES的时候，说能提高排产效率，最后排产还是靠车间主任的经验，MES成了一个录入系统。
一朝被蛇咬，十年怕井绳。
这里面的关键区别在于：以前的IT系统解决的是"信息流转"问题——把数据从A搬到B，让人看得更快更清楚。AI解决的是"决策辅助"问题——不仅把数据搬到你面前，还帮你做判断。
这两个事情的价值层级完全不一样。
如果你的企业还在犹豫要不要上AI，我的建议是找一个最痛的点来试。不要想着一步到位，也不要被供应商的"全场景解决方案"忽悠。找到一个具体的、可量化的痛点，比如"这条线的漏检率太高""那个工序的报废率降不下来"，从这里切入，算清楚投入和产出，做一个闭环验证。
做好了这一个点，你就有了向老板汇报的底气，也有了扩展到其他场景的基础。
做砸了呢？也很好。你花了一笔不算太大的钱，买到了真实的经验——知道这条路在这个阶段走不通，为什么走不通，需要什么条件才能走通。这比那些画了PPT但从来没落地过的"规划"有价值多了。
6月27日无锡，AI中国行--制造业AI场景应用生态大会上，我们会安排专门的环节来讲ROI。不是那种 consultants 式的炫目模型，是制造业人自己算过的账。如果你对"这笔钱到底值不值得花"这件事还有纠结，来现场听听同行的算法，也许会豁然开朗。
#企业AI #企业级AI #数智化 #数字化 #一线数智 #企业AI应用场景 #企业AI工具 #制造
