维度网讯，GE Appliances正在其制造和物流运营中部署数百个AI代理，用于实时监测生产异常并辅助班次交接会决策.
传统班次交接会通常是简单的碰头会，主管、工程师和维护人员围绕白板讨论上一班次存在的问题，如生产线异常或供应商延迟。过去核心问题是“发生了什么，如何解决”，回答缓慢。在GE Appliances，这一情况正在改变。车间和物流团队现在可调用AI系统实时发现异常，标记模式、趋势和故障早期信号，将问题解决阶段前置。背后是一个不断增长的AI代理网络，由贴近工作的团队使用，而非集中于单一数据实验室.
这种变化的背景是制造和供应链领域的持续波动。输入波动、供应商时间变化、制约条件不断调整，使生产计划需要频繁修改。当响应速度与计划准确性同等重要时，GE Appliances物流副总裁Marcia Brey（玛西亚·布雷）表示，团队已习惯在灵活敏捷的环境中工作，必须时刻审视所有选项.
对于Brey来说，AI并非自上而下的转型项目，而是始于组织内部的实验。早期采用源于员工的好奇心，他们测试工具、找出其真正有用的场景。转折点不是战略公告，而是零星的内部采用。一旦开始使用并理解，它就会嵌入工作方式。她强调，AI是工具，不是魔法豆，是帮助更快、更好解决问题的东西.
AI在GE Appliances的使用分阶段演进。先是作为个人生产力助手，类似于高级Excel或搜索工具。随后出现更具操作性的变化，明确了作为助手的AI和作为代理的AI的区别。助手帮助人们更快思考，代理则执行部分工作，在定义的工作流中接收输入、处理信息并产生输出。这种转变将AI从咨询工具转变为参与工作的工具.
在制造运营中有一明显例子。工厂内成千上万的信号同时流动，包括机器性能、维护计划、零件可用性、产量、质量检查和人员变动。这些数据中蕴藏着公司正在发生的一切故事、原因以及可采取行动的洞察。谷歌云（Google Cloud）全球制造主管Praveen Rao（普文·拉奥）指出，如何针对不同角色提取数据洞察是核心，所有人共享相同数据源，但出于不同原因使用它.
例如，车间操作员只关心其管辖机器的报告和故障概率；工厂经理关习第一班次与第二班次的对比；CFO则关注不同工厂的表现差异。虽然数据完全相同，但视角完全不同。人类擅长管理这种复杂性，但不擅长发现难以察觉的早期微观模式，AI代理正好弥补这一不足。Brey解释，一条传送带可能每周二都出现异常，即使维护计划正常进行，但一些细微变化人类可能注意不到。这些代理是狭窄工具，旨在特定情境中检测特定模式，如机器级别异常、运营漂移早期信号，目的是减少信号与行动之间的时间.
传统上，当生产线上出现问题时，团队会离开交接会收集数据，第二天再分析。现在，部分分析在会议期间完成。在GE Appliances的“卓越工厂”（Brilliant Factory）平台上，代理实时识别趋势并总结运营信号，改变了班次交接会的对话性质。团队不再需要离开会议收集信息并分析，而是直接解读来自代理的洞察并采取行动.
GE Appliances方法中最不寻常的方面是，物流和制造部门的员工被鼓励申请访问AI工具，并构建与自己工作流相关的解决方案。他们需要定义解决的问题、解释打算如何着手及期望结果。经理审查请求后授权。该制造商使用Gemini企业代理平台（Gemini Enterprise Agent Platform）构建、扩展和治理定制代理，并使用Gemini企业应用（Gemini Enterprise app）创建低代码/无代码代理。同时创建内部AI教练角色，帮助他人学习、实验并连接用例。目标不仅是部署，更是素养提升。Brey表示，希望让AI有机发展，保持每个员工的好奇心.
Rao指出，Gemini for Enterprise正是为这种部署构建的，支持构建、扩展、优化并部署“公民代理”基于角色的代理。这些代理拥有深厚领域知识，可在人类参与或自主行动，使用多代理系统构建复杂工作流。GE Appliances目前运行数百个公民代理，一些企业客户已运行数千个。他解释，这与创建影子IT不同，因为是在赋能员工，同时管理护栏并维护中央治理.
部署AI带来的一个意想不到结果是更清楚地看到工作实际构成方式。许多最初想用AI解决的问题，结果却是隐藏在日常中的流程问题。Brey指出，当开始梳理时，意识到实际没有一个好流程。AI不仅自动化工作，还揭示了工作定义不清、执行不一致或结构脆弱的地方，重新定义了AI在工业环境中的角色，成为运营设计的嵌入式诊断系统.
对于制造业AI可靠性的怀疑，Brey认为信任是有条件的。GE Appliances专注于有边界的用例，AI输出由人类审查，并持续监控漂移。AI系统行为更像运营贡献者而非确定性工具，需要监督。数百个小代理，每个绑定到特定工作流、问题类型或运营信号，共同形成分布式智能层。Rao表示，利用数据洞察采取行动，正是这些新部署与以往AI的区别。传统AI搜索信息后需用户自行行动，现在则转向行动，完成循环，缩小洞察与行动之间的差距.
这里的故事不是GE Appliances部署了AI，而是一家大型制造商悄然实验一种不同的工业智能模式：建立在去中心化工具构建、与真实运营工作流紧密耦合，且每一步都有人类负责。在一个仍由试点和数字化转型周期主导的行业中，这种方法因其实用性而突出。在班次交接会上，实用性才是唯一真正重要的东西.
本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com
