- 在 Harrison Manufacturing 实施 AI 两年多后，CEO Julie Harrison 提出了核心疑问：使用 AI 时，哪部分“智能”交给机器，哪部分必须由人保留。实际经验表明，AI 在特定任务中表现最好，而许多宏大声明仅是营销噱头。
- 公司生产各种精密配方的润滑剂。AI 帮助在涉及温度、压力和产量的复杂流程中优化生产规模、速度和准确性。
- 从 Microsoft Copilot 开始，公司首先在后勤部门应用 AI，在财务、供应链和债务管理等行政任务中取得了显著成效。
- 一个重要原则是“垃圾进，垃圾出”（Garbage in, garbage out）。如果输入数据质量差，AI 就会产生错误结果。因此，必须重新设计整个生产价值链以确保数据标准化。
- 旧系统（Legacy systems）可能成为瓶颈，因为 AI 的处理速度超过了旧机械的响应速度，这迫使企业在期待 AI 效果前先同步技术。
- 生产线上的 AI 应用需要人工培训和验证，这不能完全交给机器，而是需要人类的好奇心、怀疑态度和经验。
- 经验丰富的工程师依然至关重要，他们能凭直觉发现压力表背后的异样，这种“智慧”是 AI 无法计算出来的。
- AI 并非取代员工，而是提高生产力。当专家明确 AI 在专门分析中的角色时，效果最佳。
- 相反，最坏的情况是员工过度依赖 AI 而丧失警惕。在制造业，一个小错误就可能毁掉整批货物。
- AI 在研发（R&D）方面也带来了机遇，使公司能够利用内部数据运行方程和开发场景，速度远快于传统方法。 📌 结论： 应用两年后，Harrison Manufacturing 发现 AI 在流程优化和财务管理等具体任务中非常有效。然而，其效果完全取决于数据质量和人工监督。AI 可以提速并辅助研发，但无法取代人类的经验与怀疑精神。核心教训：AI 只是工具，最终决定权仍掌握在人手中。
