客户是关西地区一家做精密零部件的中型制造企业,员工大概 400 人,年营收几十亿日元。不是什么明星公司,是日本制造业里最典型的那种:技术积累深、品控严格、信息化程度不高、平均年龄偏大。

他们找到我的原因很具体:质检环节出了问题。

这家公司的质检一直靠老师傅目视。产线上的零部件经过最终检查台,两个经验超过二十年的老师傅拿着放大镜和量具一个一个看。他们的准确率极高,接近 99.7%。可问题是:这两个师傅一个 61 岁,一个 58 岁。三年内两个都要退休。后面的年轻人培养了好几个,准确率最高的一个只有 96%。3.7 个百分点的差距,在精密零部件行业意味着客诉翻倍。

客户最初的需求很直接:"能不能用 AI 做质检,替代老师傅的眼睛。"

这是一个听起来非常标准的"AI 视觉检测"项目。市面上方案一大堆,很多 AI 公司会直接报价:采集图片、标注数据、训练模型、部署边缘设备,三个月交付。

可我去了现场之后发现事情完全不是这样的。

第一次去工厂,我没聊 AI,花了一整天站在检查台旁边看老师傅工作。

看完之后我发现一件事:老师傅检查的不只是"有没有缺陷"。他们在做的是一个极其复杂的多维度判断——零件表面的纹路是正常的加工痕迹还是异常划伤?这个微小的凹陷是模具磨损导致的(需要报修模具)还是材料杂质导致的(需要换供应商)?颜色的微妙变化是热处理正常范围内的还是温度异常的信号?

老师傅不只是在做"合格/不合格"的二分类,他们在做"这个问题的根因是什么"的诊断。而且这个诊断依赖二十年积累的隐性知识,这些知识从来没有被文档化过。

如果我按照客户最初的需求直接做一个"缺陷检测 AI",结果就是:AI 能告诉你"这个零件有问题",但不能告诉你"问题出在哪里、该修什么"。对客户来说,这只解决了一半的问题,而且是价值比较低的那一半。

我回去之后跟客户说了一句不太受欢迎的话:"你们需要的不是一个 AI 质检系统,是一个知识保全系统。AI 检测是其中的一个模块,但不是核心。"

客户一开始不太高兴。他们预期的是"三个月上一个 AI 质检",我告诉他们"这件事比你们想的复杂,而且最有价值的部分不是你们以为的那个部分"。

这是做 FDE 最不舒服但最关键的时刻:告诉客户他的需求定义是错的。在中国,这句话直接说就行。在日本,你得用一种让对方不丢面子的方式说。我的说法是:"贵社的质检水准在业界是非常高的(先肯定),正因为如此,简单的 AI 检测方案可能无法完全承继老师傅们积累的技术资产(把问题框定为'方案不够好'而不是'你的需求错了')。如果可以的话,我想提议一个更能保护贵社技术优势的方案(给出替代)。"同样的意思,日本式包装。

最终的方案分三层:

最底层:把老师傅的判断过程全部录下来。不是录视频,是让老师傅一边检查一边说话。"这个纹路是 A 模具第三次修模之后的正常痕迹""这种颜色说明热处理温度偏高了大概 10 度""这个凹痕的位置和形状说明是材料问题不是加工问题"。用了三周时间,录了大概 60 小时的音频。然后用 LLM 做转写和结构化,把这些隐性知识变成一个可检索的知识库。

中间层:基于这个知识库搭一个 RAG 系统。新的质检员遇到拿不准的零件时,可以拍照上传,系统会从知识库里找到最相关的案例和老师傅的判断逻辑,告诉你"类似的情况老师傅是这样判断的"。不是替代人的判断,是给人提供参考。

最上层:才是 AI 视觉检测模型。用老师傅标注的数据训练一个缺陷分类模型,但这个模型的输出不是简单的"合格/不合格",而是"疑似 XX 类型缺陷,置信度 XX%,建议参考案例 XX"。把检测和诊断串起来。

整个项目花了大概五个月。不是三个月,因为中间踩了两个坑。

第一个坑:老师傅不愿意配合录音。日本的老师傅(職人)有一种很深的职业自尊:我的技术是我几十年练出来的,你要把它"录下来给机器用",他觉得是对他手艺的不尊重。这件事不是靠跟老师傅讲道理能解决的,最后是工厂的部长(中层管理者)出面,以"为了让后辈也能学到您的技术"的框架说服了他们。注意,不是"用 AI 替代你",是"让后辈学到你的技术"。框架不同,配合度完全不同。

第二个坑:图片数据质量远比我预想的差。工厂的检查台灯光不均匀,不同时间段拍出来的照片色温不一样。老师傅用肉眼能自动补偿这种差异,AI 不能。花了额外三周做灯光标准化和图片预处理,这部分工作完全不在最初的计划里。

结果:系统上线之后跑了三个月的 A/B 测试。AI 辅助下的新人质检员准确率从 96% 提升到 99.2%,接近老师傅的 99.7%。更重要的是,知识库的使用频率远超预期——不只是质检环节在用,产线调试的工程师也开始用它来排查问题,因为老师傅的经验对上游工序同样有参考价值。

客户最后跟我说了一句让我印象很深的话:"最初我以为你来是帮我们装一个 AI 摄像头,没想到你帮我们把即将退休带走的二十年经验留下来了。"

这就是 FDE 跟卖 AI 解决方案的本质区别。卖方案的人听到"AI 质检"就开始报价。FDE 先去现场看,搞清楚真正的问题是什么,然后再决定 AI 在整个方案里应该扮演什么角色。很多时候 AI 不是方案的核心,而是核心方案的一个组件。

这个项目教会我的最重要的一课:在日本做 AI 落地,技术只占 30%,剩下的 70% 是理解人。理解老师傅为什么不愿意配合,理解管理层真正害怕的是什么(不是效率低,是技术传承断裂),理解客户嘴上说的需求和真正需要解决的问题之间的差距。

AI 是工具。理解人才是手艺。