场景

客户说的最多的不是「预测未来」,是「对不上」。

19 家制造业与供应链客户的原话里,「对比 / 核对 / 对账 / 校对」出现在 8 家,「统一口径 / 归一 / 编码」出现在 7 家,两族合起来覆盖 15 家。下面四类是已经真跑过的活,不是能力清单。

01

AI 核对对账

「难点就在于如何对齐所有人的口径。」

客户原话
它怎么干

把几份来源不同的数据摆在一起逐行对拆:应收与实收、计划与实际、ERP 与 MES、两个平台上同一个商品的实付价差。算的是数据行本身,不是读谁的声明——声明改了、行没改,它当场判不一致。

留给人的是什么

差异清单给到人,每一条带它是怎么算出来的。判不了的不猜,标出位置留给人。

这一类里有一条完整轨迹留了档 →
02

AI 追踪催办

「一个人跟 2-3 个刀具还行,但是他有两三百的刀具就不能这样跟了。」

客户原话
它怎么干

把要盯的对象列成清单,按你给的节奏逐个查状态、比对基线、把异动挑出来。该催的生成催办内容,该预警的按判据触发,不是每天靠人重复追问一遍。

留给人的是什么

催谁、怎么措辞、要不要升级,人定。它负责让该被看见的事不漏掉。

03

AI 审图

「AI 审图能做么?」

客户原话
它怎么干

放进同一图号的旧版和新版矢量图,逐条核对变更说明有没有落实;说明没覆盖到的正文变化,它独立列全。输入是图纸本身,不需要先接你的系统。

留给人的是什么

判不了的只圈位置,留给人。结论是「这几处变了、这几处说明里没写」,不是一句「已审核」。

04

AI 物料编码

「编码不 normalize,后续的供应链系统上了也是无本之木。」

客户原话
它怎么干

把一物多码、同名不同物的历史数据按你的编码规则归一,查重、定版、给出建议码与依据。规则是你教的,教一次就留在组织里,下次直接按它来。

留给人的是什么

每一条建议都要人确认才落库。规则要改,改一句话就改了,不用重新走一轮项目。