“生成式AI正成为热议话题，但我们的工厂究竟能用在哪些方面呢？”这是制造业经营者经常提出的困惑。本文将从小型工厂的视角出发，解析生成式AI在间接部门、设计、质量管理和技能传承这四大领域中的有效应用方法。先说结论：第一步应从非现场、文书工作繁多的间接业务入手。
制造业AI应用地图｜生成式AI发挥作用的领域
生成式AI擅长处理的是涉及文档与知识的业务。设备的自动控制或图像检测属于传统AI的范畴，应将其与生成式AI的优势领域区分开来考虑。
制造业的AI大致分为两类。一类是处理数值和传感器数据等传统AI，如图像检测和需求预测；另一类是以ChatGPT为代表的生成式AI，主要处理文本、知识和对话。本文重点讲解后者的应用。
整理一下生成式AI能够发挥作用的领域，主要有以下四个：
| 领域 | 主要业务 | 生成式AI的应用方式 |
|---|---|---|
| 间接部门 | 报价单、报告书、邮件 | 起草草稿、摘要、转录 |
| 设计/开发 | 检索历史图纸和规范 | 基于RAG（检索增强生成）的搜索与摘要 |
| 质量管理 | 作业指导书、不良报告 | 格式标准化、润色 |
| 技能传承 | 资深员工的技术诀窍 | 语音转文字与结构化 |
比起直接介入生产线上的作业，从案头工作入手更容易实现落地。因为文书工作的效果易于通过时间成本来衡量，且即使出错，对产品的影响也较小。
间接部门｜报价单、规范书、报告书制作的效率提升
最容易见效的是报价单、日报等格式化文档。只需让AI基于过往文档起草初稿，即可缩短制作时间。
间接部门的工作主要以重复性高、格式相对固定的文档为主。生成式AI擅长为“有固定模板的文章”起草草稿，因此与该领域非常契合。对于一人身兼多职的中小企业来说，这种效果尤为明显。
具体使用方法如下：
- 报价单草稿：从询盘邮件中提取品名、数量、交期等条件。也可以将历史类似报价并列展示，用于检查是否有遗漏项。
- 规范书/提交文件：委托其进行客户格式文件的转录，以及整理修订版之间的差异。
- 日报/月报：输入要点笔记，让其整理成报告书的格式。
- 邮件回复：用于起草关于交期回复、验收请求等标准化回复邮件的草稿。
需要注意的是，单价、交期等数字必须由人工确认。AI虽然擅长整理文章格式，但无法保证金额的准确性。基本分工原则是“草稿由AI生成，最终定稿由人工负责”。
设计/开发｜利用RAG检索和摘要历史图纸及规范
在设计部门，解决“那份项目的规范书在哪里”这一痛点的RAG技术是核心方案。它可以让过去的规范书和故障记录支持口语化搜索和摘要。
RAG是一种让AI参考内部文档并作答的机制。与普通聊天AI不同，它能以公司内部文档为依据进行回答，因此可以应对针对特定项目的提问。
在设计/开发中的应用场景如下：
- 相似项目检索：例如询问“哪些不锈钢薄板项目公差要求严格”，以此查找历史规范书。
- 设计变更原因追溯：可以要求对变更通知单和会议纪要进行摘要，并追溯其形成原因。
- 历史故障参考：搜索缺陷记录，防止重蹈覆辙。
需要注意的是，目前（截至2026年）对CAD图纸本身的读取技术仍处于发展阶段。RAG的应用对象主要以与图纸相关的规格书、表单、会议笔记等文本为主。建议先从将规格书和故障记录集中到一个文件夹开始。
质量管理｜作业指导书编制与缺陷报告标准化
在质量管理中，生成式AI在“文书工作”的标准化方面非常有效。典型应用包括作业指导书的草稿撰写和缺陷报告格式的标准化。
对于作业指导书，可以让AI根据要点笔记整理格式。如果指示“按照‘步骤、关键点、NG示例’三项构成”，就能生成一份疏漏较少的草稿。提供作业照片让AI撰写说明文字也是一种便捷用法。
缺陷报告是一种容易因人而异的文档。将现场笔记交给AI，并要求按“现象、原因、对策”的模板重写，可以使报告的详细程度保持一致。向客户提交的纠正措施报告，也可以基于内部报告让AI起草草稿，从而缩短时间。
这里的原则依然是“事实确认由人工完成”。如果把原因分析完全委托给AI，可能会导致内容看似合理实则空洞。应将格式规范和文字润色交给AI，而内容的合理性则由质量负责人判断。
技能传承｜将资深员工的隐性知识手册化的流程
技能传承采用“视频拍摄→AI语音转文字→结构化”三步走的方法非常实用。AI可以替员工分担“没时间写”、“不擅长写作”的难题。
资深员工的技能难以留存为文档，通常是因为本人工作繁忙，且觉得书写负担较重。因此，与其让员工写，不如让他们说，将文字整理工作交给AI。
具体流程如下：
- 用视频记录作业：使用智能手机即可。以10到20分钟为单位，按工序分段录制。
- 边操作边讲解：让员工口述“为什么要这样做”。如果年轻员工在旁边提问，诀窍更容易转化为语言。
- 使用AI进行语音转文字：将音频转换为文本。专业术语的识别错误可以在后期统一修正，不影响使用。
- 使用生成式AI进行结构化处理：将转录文本交给AI，要求按“步骤、诀窍、禁止事项”三项进行整理。
- 由本人和年轻员工共同审核：补充那些未能口头表达出来的诀窍，并附上视频链接，即可完成定稿。
不要一开始就试图覆盖所有工序，而是先选择即将退休员工的工序或高度依赖个人的工序中的一条。完成一条后，公司内部就会形成标准模板，后续两条的处理速度会加快。关于详细的手册结构，请参阅相关文章。
应对现场不愿使用的问题
无法落地的最大原因是AI未融入业务流程。先在间接业务中打造成功案例，然后将AI作为“工具”提供给现场，这是更现实的做法。
仅仅告诉现场操作员“请使用AI”，他们通常不会使用。手脏无法触碰终端、感觉不到效果等原因都是自然的。
应对的标准方法有以下三点：
- 遵循顺序：首先在行政和设计等文书工作中创造节省时间的实例。“创建时间明显减少”的内部声音是最有力的说服材料。
- 嵌入业务流程：通过规则确定使用场景，例如“缺陷报告需将笔记粘贴到模板中进行润色”。如果仅靠个人裁量，很难持续下去。
- 组建推进搭档：让精通AI的年轻员工与熟悉业务的资深员工结对。单独一方往往会导致要么沦为工具游戏，要么退回传统工作方式。
安全与图纸数据处理
应避免将图纸和客户信息直接粘贴到面向个人的免费AI中。应选择输入数据不会被用于学习的计划，并事先制定公司内部规则。
制造业需要特别注意的一点是，许多图纸和规格书属于交易对手的机密信息。如果签署了保密协议（NDA），未经授权的AI输入可能构成违约。
至少应将以下三点制度化：
- 指定允许使用的工具：将输入数据不被用于学习的法人版计划或通过API调用的方式设为标准。
- 明确允许输入的数据界限：明确制定标准，例如对客户名称、图号、单价进行脱敏处理，而图纸数据则不纳入处理范围。
- 确定遇到疑问时的确认对象：在输入前提供向管理员咨询的窗口。
如果缺乏规则而默许放任，员工可能会擅自使用个人账号，导致出现“野生AI”（未经管控的AI）状态。与其一味禁止，不如展示安全的使用方法，这样更能减少实际损害。
常见问题
引入生成式AI需要多少费用？
截至2026年，聊天型AI的企业用户人均月费约为数千日元。从少数几名员工开始尝试，每月只需数万日元即可体验。由于RAG等内部文档检索机制的成本会因文档量和工具的不同而有较大差异，因此从小规模的验证开始估算更为稳妥。
即使有很多不擅长使用电脑的员工作为使用者，也可以使用吗？
可以使用。聊天型AI可以通过自然语言下达指令，因此相比传统业务系统，学习负担较小。初期的诀窍是聚焦于容易取得成功的用法，例如“将笔记交给AI让其整理成文”。
CAD数据和3D图纸也能通过生成式AI进行处理吗？
截至2026年，对CAD数据本身的解析能力仍然有限。在实际工作中，主要利用与图纸关联的技术规范、报表、故障记录等文本信息。图纸仍由人工查看，将搜索对象限定为文本，反而更容易取得成果。
即使是小型城镇工厂，也能看到效果吗？
可以。越是人员精简、一人兼任多项业务的小型企业，越容易感受到文书工作缩短带来的效果。建议先从报价单、日报或作业指导书中选择其中一项进行测试，这是负担较轻的起步方式。
总结
- 生成式AI适用于文书和知识类业务。应从文书工作入手，而非设备控制。
- 第一步是从间接部门（如行政、财务等）的报价单和报告书开始。数字核对工作仍由人工负责。
- 设计部门的核心应用是通过RAG检索过去的技术规范和故障记录。
- 技能传承可从“视频+文字转录+结构化”这一三步组合中的第一步开始实施。
- 先确定图纸和客户信息的输入规则，防止演变为“野生AI”状态。
下一步是选择报价单或日报中的一项业务，仅用两周时间尝试让AI起草草稿。如果效果能在时间维度上显现出来，再逐步扩展到设计、质量管理和技能传承等领域。