工厂AI培训，操作工和管理者该学什么？

工厂里的 AI 培训，最容易犯的错，是让操作工和管理者坐在同一间教室里，学习同一套“功能介绍”。两类岗位面对的并不是同一个问题：操作工需要解决眼前任务如何更快、更稳地完成，管理者则要判断哪些任务可以试、谁来审核、出了偏差如何处置。课程不分层，最后往往只留下“见过 AI”，没有形成岗位能力。

操作工的培训重点应放在任务表达与结果核对。与其讲复杂原理，不如围绕班组常见工作练习：怎样把零散记录整理成可读的交接说明，怎样根据已经脱敏的异常信息形成事件草稿，怎样把重复的资料转换为统一格式。关键不在于让 AI 直接给答案，而在于让员工能明确说明任务、提供必要信息，并识别输出中的遗漏、误解和不符合现场规则的内容。表达流畅不等于内容正确，这应成为一线培训的基本边界。

管理者需要学习的则是应用治理，而非单纯操作。一个任务是否适合引入 AI，要看它是否高频、流程是否相对稳定、结果能否由人工复核，以及失败后会不会影响安全、质量或客户承诺。涉及安全放行、质量判定、设备参数修改等事项，不应直接交给 AI 完成；信息整理、初步分类和草稿生成，通常更适合作为低风险试点。

更重要的是，管理者要把“谁负责”讲清楚。AI 辅助生成的交接记录是否需要主管确认？发现错误由谁修正？哪些输入信息不能提供？这些规则若只靠员工临场判断，试点很难稳定复制。培训应把审核责任、信息保护和异常反馈一并纳入岗位流程，而不是停留在工具使用层面。

评价培训效果，也不宜只看课时和参与人数。操作工是否能完成一项受控任务，管理者是否能说明试点目标、人工核验方式与停止条件，才更接近真实能力。再通过整理时间、信息完整性、交接清晰度和返工情况进行复盘，工厂才能判断：这项应用值得优化推广，还是应当限制使用。AI 培训的分水岭，不是人人都会提问，而是每个岗位都知道该把判断留给谁。