AI走进车间后，最可怕的并非不懂AI的人——而是误把答案当结论的人

上回聊到，当工具让"做"这件事变得越来越便捷，真正将人与人区分开的，反而是判断力。今天，我想把这一观点再往深里挖一层。

前段时间，我把实际项目中遇到的几个问题归拢到一起，重新审视了一遍。其中有一个场景，最近老是在我脑海中浮现。

一份十分钟搞定的DFM报告

有家小厂打算启动一个新的蓝牙键盘项目。结构不算复杂，但卡扣不少，装配关系紧密。项目组里有个年轻结构工程师，毕业才三年，脑子灵光，AI玩得很熟。他把产品3D截图、关键尺寸、材料以及基础开模条件一股脑丢给AI，让它先做一轮DFM初筛。

几分钟后，AI罗列出十几个风险点：拔模、卡扣、肉厚、缩水、顶出。排版规整，最后还附了一句总体判断：从现有资料看，未发现明显的开模阻断风险。

厂里老板把报告转给我，感慨道："Sam，你瞧这效率。以前光整理这些就得耗上大半天，现在十分钟搞定。"

我看完报告，没吭声。后来找时间打开3D，对着模具结构自己细细看了一遍。看完后，我指着底壳一个卡扣开口：

"这块AI有提示你吗？熔体绕过旁边结构后，两股流动前沿很可能恰好在卡扣根部附近重新汇合。而这个位置偏偏又是受力点，要是熔接强度不达标，装配阶段不会出问题，但经历几次疲劳测试后，极有可能从此处断裂。"

年轻工程师怔了一下，答道："报告里没提到。"

我接着说："更棘手的是，你们量产预备用的那台老旧设备，射速和压力响应跟试模条件对不上。材料、模温以及排气条件再一变动，这条熔接线究竟严重到什么程度，光凭一份初筛报告根本敲不定。"

我追问他："报告里有没有交代，这个模具后续由谁来修？"

他没接话。

"你们原先那位干了十几年的模具师傅上个月刚离职。现在接手的人此前主要做玩具模。这个设计要是头一次就要反复修流道、调排气，报告里有没有测算过这部分项目风险？"

他沉默了。

信息贬值了，判断却升值了

我并非否定AI的价值。我要说的是，他把AI给出的一份初筛结果，直接当成了工程结论。

这件事，让我彻底想通了一个道理。

咱们这行，过去最值钱的是"信息"。一位老师傅为何厉害？因为他脑子里沉淀着几百套模具的失败案例。他清楚浇口设在哪会出岔子，明白哪家的料烘不透彻，知道哪台机一到冬天就闹毛病。这些经验，过去非得二十年才能积攒起来。

如今AI登场了。一个年轻工程师只要问得精准，几秒钟就能调取过去要翻阅资料、请教同事、咨询老师傅才能梳理出的一大摞知识。DFM关注什么、熔接线如何判定、缩水由哪些因素引起、模流报告怎么解读，它都能迅速给出一个有板有眼的答复。

乍一看，信息不再紧俏了。老师傅的分量，似乎也没那么重了。

但事实是，信息变廉价了，判断却变得金贵了。

因为AI交付的是答案。可答案并不等同于结论。中间还横亘着三道坎。

第一，现场实况。 图纸和报告之外，实际设备、材料、人员以及环境究竟如何？

第二，项目背景。 这个项目的预算、工期、客户诉求和风险承受边界是什么？

第三，责任归属。 倘若判断失误，谁签字，谁停线，谁去面对客户？

AI的盲区

AI不清楚你们家的机台已步入老化期。

不知道这批料的含水率偏高。

不知道老板为压缩电费，夜班干脆关闭了除湿机。

不知道这个项目的工期紧到容不下第二次修模。

不知道这个卡扣背后还牵连着客户格外看重的一个外观面。

它更不知道，一旦这个判断出了错，最终站在客户会议室里挨训的，不是AI，而是你。

AI时代最危险的人，并非不会用AI的人。而是把AI的答案直接当作结论的人。

AI掩盖了"不会"的真相

从前一个新工程师碰到不懂的问题，他心里清楚自己不会，于是会主动去请教老师傅。如今AI能在十秒钟内递给他一份结构完整、术语精准，甚至附带表格和风险分级的答案。

于是最大的隐患变成了：他压根不知道自己其实还不会。

等到真正捅了娄子，他第一反应不是奔赴现场，而是再次求助AI，让AI帮他炮制一份8D报告。

这套闭环，只会让翻车延迟发生，却让撞击来得更猛烈。

答案愈发廉价，判断不会

我在制造业摸爬滚打二十多年，越来越笃定一件事：答案会越来越廉价，但能够融合现场做出判断，并且甘愿为这个判断担责的人，不会因此贬值。

模流分析报告再精美，要是没人对输入条件和结论负责，它充其量只是一份参考资料。报价单再详尽，没人追根究底"这个价格里砍掉了什么"，它就仅仅是一张首付凭证。DFM报告再周全，要是没人把它跟真实设备、材料以及工厂能力逐一比对，它就还不是可以落地的工程结论。

AI登场后，报告生成更快，分析速度更快，答案也会愈发廉价。

但从答案到工程结论，中间那三道坎——现场、背景和责任——并不会因AI的出现就自行消散。

所以有人问我

"AI会不会取代制造业工程师？"

我现在不急于作答。

我更想先抛出另一个问题：

倘若有一天，"做"的代价越来越低，你的判断，究竟值几斤几两？

这就是我接下来这个系列打算探讨的主题。

下一篇，我们接着往下拆解：为何同样一套AI，落在不同工程师手中，最终可能产出截然不同的结果。

台湾达叔｜一个在中国制造业现场跋涉了二十多年的产品开发人