工业AI为何必须保留人工复核?

工业AI可以提高缺陷识别与原因分析效率，却不应成为质量决策的唯一主体。原因并不只是模型可能“看错”，更在于工业判断往往同时涉及产品安全、工艺责任、批次处置和设备调整，任何一个环节的误判都可能沿着生产流程被放大。人工复核保留的，是对模型输出进行工程解释、风险分级和责任确认的能力。

多模态AI能够融合缺陷图像、设备振动与温度日志、操作记录、维修历史，甚至知识图谱，从“发现异常”推进到“分析原因”。但这种分析仍然依赖数据质量与关联关系。图像、传感器和日志如果存在时间错位，标注不一致，或现场出现光照变化、遮挡等极端情况，模型给出的原因解释和置信度就不能直接等同于事实。知识图谱可以帮助模型引用工程知识，却不能替代现场对具体设备、物料和工艺状态的确认。

人工复核应承担什么职责

人工复核不是简单重复检测，而是质量闭环中的控制节点。复核人员需要判断三件事：缺陷是否真实存在，模型推断的原因是否与现场证据一致，以及建议措施是否可能引入新的生产风险。对于涉及批次放行、设备停机或工艺参数调整的结果，尤其不能只依据模型生成的文本说明。

更合理的机制是分级处置：高置信度且风险较低的结果可进入自动流转；置信度不足或影响范围较大的结果，必须生成复核工单；复核人员应补充实际原因、处置结果和异常条件，再将反馈回写质量管理系统。资料中提出的做法是将置信度低于80%的结果触发人工复核，同时通过极端场景测试检验系统鲁棒性。

因此，工业AI的目标不应是消除人，而是把人的注意力从重复筛查转向关键判断。只有让模型负责扩大感知范围，让工程人员负责验证因果与承担决策责任，检测、分析、复核、优化的闭环才真正成立。