老师傅一退休，经验就断档：制造业带教，怎么从人脑搬进系统

FDE-Watson
FDE-Watson

AI 数智化实验室

2026年10月18日 15:14
山东

去阅读

德国斯图加特，一家七八十人的制造企业，培养一个新人，可能要两三个月。

老师傅知道，某种零件在什么环境下该换什么材料；设备出现某种声音时，该先查哪一处；同一批订单，为什么这一件要调参数，那一件不能动。

这些经验，大部分不在操作手册里。

企业真正怕的，不是老师傅退休。是人走了，经验也跟着走了。

我们长期给传统企业做 AI 应用落地，帮企业做全面提效。这个案例来自公开案例集，不是我们的项目；但它和我们见过的很多制造企业很像。今天只拆一个问题：老师傅脑子里的隐性经验，怎么变成新人真正用得上的东西。

01 先别做知识库，先看新人到底卡在哪

企业最开始的说法很直接：想把老师傅的经验沉淀下来。

这句话听起来像个知识库项目。找个供应商，把文档导进去，做一个能问答的入口，似乎就能开始。

但这个项目进场后，先做的不是知识库。

团队原本习惯用访谈：跟高层聊、跟中层聊、跟一线聊。做完发现，一线员工不一定愿意花很多时间接受访谈；更麻烦的是，很多日常动作，他自己也说不清。

“这个参数为什么要调？”

“看情况。”

“什么情况？”

“就是……情况不一样。”

这不是员工不配合。很多经验本来就是手感、判断和条件反射，不在语言里。

所以团队换了方法：跟着员工走一遍他每天的工作流程。 看他一天具体做什么，在哪里停下来，去哪里找人问，哪些问题反复出现。

然后找主管，把生产线和新人培训流程梳理出来，统计三类东西：

• ◆ 新人最常问的问题
• ◆ 最容易反复出错的知识
• ◆ 只有老师傅才知道的隐性经验

最后整理成一张知识地图。

这张地图不是文档目录。它回答的是：一个新人在哪一步会停下来，停下来之后会去问谁，那个“谁”脑子里装的是什么。

这一步很土，但它决定了后面做出来的东西，是“能回答问题的知识库”，还是“又一个没人用的聊天入口”。

图 1｜经验断档，往往不是从退休那天才开始的

02 把经验变成能检索的知识，不是把文档扔进去

知识地图有了，才进入知识处理。

企业本来有一部分文档。团队先把这些材料导入，做文档解析，再用 RAG 的方式让 AI 基于检索到的片段回答。

RAG 说人话就是：先去找相关资料，再让模型照着资料回答，而不是让模型凭记忆编。

但只做这一步，不够。

文档里写的是标准流程，老师傅脑子里装的是“什么时候不能照标准流程做”。后者才是新人最容易卡住的地方。

所以团队做的另一件事，是把老师傅的隐性经验抽象出来：什么条件下参数要变，设备出现什么状态要先排查什么，哪些错误看起来一样、处理方式却不同。把这些变成 AI 能理解、能检索的内容，而不是停留在访谈记录里。

这里有个很容易踩的坑：把文档扔进去，AI 能答几句话，就以为知识库做完了。

这个项目没有按这个标准验收。

前期调研统计出来的高频问题，直接变成了测试集。团队看两个指标：

• ◆ 文档解析能不能达到大约 95%
• ◆ 问题召回的片段，准确率能不能到 80% 以上

在一个最小范围的测试里达到约定标准，才认为这条技术路径初步跑通。

注意，这两个是过程指标，不是业务结果。它们只能说明“资料找得对不对”，不能说明“新人学没学会”。

但没有这一步，后面的培训流程就是建在沙子上。

03 AI 要回到培训流程，不是多一个聊天入口

技术跑通，项目其实还没结束。

很多企业做到这里，会给员工开一个 AI 入口：有问题去问它。然后发现，用的人不多。

原因不复杂。新人本来就有自己的学习路径，有师傅带，有培训课，有考试。你再加一个入口，等于让他多记一件事、多开一个页面。忙起来，第一个放弃的就是它。

这个项目换了个做法：把 AI 接进企业原来的培训平台。

新人还是在原来的流程里学习，只是多了几件事：

• ◆ 平台上有类似在线课程的学习内容，新人能看到自己完成了多少
• ◆ 每节课程后面有问答，对学习结果做一次简单验收
• ◆ 带教师傅能回到平台，看到新人学到哪、卡在哪
• ◆ 真正复杂、需要判断的问题，再回到老师傅这里

AI 负责第一遍解答，把老师傅从重复回答里解放出来；老师傅负责判断、校准和处理例外。

这不是“AI 取代老师傅”。这是把老师傅的角色，从“所有问题的答案库”，改成“复杂问题的判断者”和“新人进度的管理者”。

项目从立项、调研到最终陪跑，大约半年；真正投入在项目里的时间，大约四个月。上线之后，团队还陪跑了接近两个月，持续改前端易用性、页面和问答效果。

企业 AI 落地，很少是“系统上线=项目结束”。

真正的落地，往往发生在上线之后：员工怎么用、哪里不习惯、老师傅愿不愿意看、新人能不能看懂。这些问题，最后都会反过来要求产品继续改。

图 2｜从现场到流程，四步把经验搬进系统

04 这笔账怎么算：不编一个省了多少钱

这个案例没有给出节省金额，也没有给出培训周期缩短了多少天。

所以我不做推算。

能确认的，是三个变化：

第一，经验从个人身上，变成了组织能看见的东西。 企业第一次比较完整地知道，哪些经验不能随着老师傅退休而流失。

第二，老师傅的时间被重新分配。 过去是重复回答所有问题，现在更多关注新人学习进度和处理复杂问题。

第三，培训变得可追踪。 以前新人学到哪、掌握多少，很大程度靠带教师傅自己的观察；现在平台上能看到进度，每节课有问答验收。

这三个变化，都不是“省了多少人”那种账。它们更像是在补一条过去一直存在、但没人算过的隐性成本：新人成长慢、老师傅被反复打断、经验只存在个别人身上。

投入侧也要说清楚：实际投入约四个月，上线后陪跑接近两个月。真正花时间的，不只是技术，还有前面画知识地图、整理高频问题、和客户一起定验收标准。

如果一家企业只想买一个“能聊天的知识库”，这个项目大概率不适合它。

它更适合这样的场景：

• ◆ 关键经验集中在少数老师傅身上
• ◆ 新人培养周期长，两三个月甚至更久
• ◆ 老师傅的生产任务重，带教时间被压缩
• ◆ 有一部分稳定文档，但大量经验还没被写下来
• ◆ 老板愿意让业务部门一起定验收标准，而不是只让 IT 买一套系统

图 3｜验收别只看“AI 能不能答”，要看这三件事

05 如果你们公司也想做，先做三件事

不用一上来就全公司铺开。先做三件很小的事。

第一，选一个“人一走就断”的岗位。

不要选最热闹的部门，选那个老师傅快退休、新人接不上、出了问题只能找某一个人的岗位。范围越小，越容易看清经验到底在哪。

第二，跟班一天，记下新人最常问的 10 个问题。

不要只做访谈。坐在新人旁边，看他一天里在哪里停下来、去问谁、问的是什么。把这 10 个问题记下来，它们就是你第一版测试集。

第三，先接进现有培训流程，不要新建入口。

如果企业已经有培训平台、课程、考试，就把 AI 接进去。只看三个指标：

• ◆ 新人的第一个问题，能不能自己得到答案
• ◆ 老师傅被重复问题打断的次数，有没有下降
• ◆ 新人的学习进度，能不能被看见

这三个指标，比“模型参数多少”“知识库有多少文档”更接近业务。

本周就能做的一步：找一个老师傅，跟班半天，记录 10 个新人最常问的问题。不要急着买工具，先看看这些问题里，有多少是文档能回答的，有多少只有人才能回答。

最后

经验传承，不是把老师傅复制成一个 AI。

是把他从重复回答里解放出来，让新人先拿到大部分标准答案，剩下那些真正需要判断的，再回到人这里。

AI 能不能落地，最后还是看一件事：它有没有进入流程，有没有改变人每天的动作。

如果只是多了一个入口，那它大概率会安静地待在浏览器书签里。

案例来源：《FDE案例100》中的《从师徒带教到AI辅助培训：FDE用AI破解制造业经验传承难题》（Datawhale 整理）。文中企业信息已匿名化，案例不是我们的项目。

我是 watson，一个专业的企业 ai 应用落地专家。如果这篇对你有用，欢迎点赞、在看、转发。