AI泰勒主义｜不可能靠“把流程写得细得不可分解”来实现AI化
陈果George
2025-12-06 10:53
过去一段时间，我发现很多制造业、消费品企业里流传着一种越来越流行的思路：
让每个岗位的人把在自己参与的业务流程中的活动、任务写清楚，例如输入、输出、规则、时间要求、质量标准等等，AI 就能学会并最终替代这些岗位。
这个想法听上去像极了 100 年前泰勒主义的翻版：
我在《员工活在 AI 里 ｜ 数智化泰勒主义》文中写过这个话题，出现这个现象的真正根因是：很多制造企业的老板羡慕美团、滴滴式的数字化原生型“AI自动化”，幻想自己只要能把公司的数字化做得够细，到每一个作业细节，有一天自己就能变成制造业的美团。
这个想法看起来科学、先进、合理，却在制造业里是一种不切实际的想法。
要让 AI 真正介入流程、接管人类，人类组织必须具备一种能力：
可计算性（Computability）——组织的结构、规则、动态、资源、决策，都必须能被形式化表达、被模型化理解、被算法执行。我一位朋友几年前写了一本书谈这个话题：
我们姑且不谈本身中国的国企、民企等因为体制、机制的问题，对“可计算性”的制约，只是从业务流程、数字化和AI的原理上分析一下。
01
写下来只是显性化的工作片段
让岗位人员写“我每天做什么”，他们写下来的通常是：
这些内容既无法彻底写清，也难以数据化，更难给 AI 作为模型基础。
简单说，岗位写下来写的是流程，但岗位的价值往往在判断。
AI 无法从流程文本中复现判断力——无论这种流程文本是非结构化的文字描述，半结构化的流程图，还是完全结构化的企业流程事务处理信息系统（例如ERP、CRM以及BPM）中的流程数据。
02
制造业是物理世界的系统
互联网企业（如美团）之所以能做大规模 AI 自动化，是因为其数字化原生型企业的特点，但制造业面对着更为复杂的物理环境：
这些动态不是靠个体写下岗位作业标准能处理的，而需要：传感器的实时监测环境变量、开展工艺控制，人员基于工程经验来评估风险余量，动态决策模型需要多点校验。AI 就不具备感知、推理和决策能力，谈不上替代人。
经常有人说“数字孪生”，这其实是一个由IT厂商们制造出来的一个商业性名词，是为了卖他们工业软件的营销话术，实际上在“世界模型”没有出来之前，根本不存在真正意义上的“数字孪生”。
03
制造企业是复杂耦合体系
企业人员写出来任务文本内容是“我负责什么”，而系统行为依赖的是：多部门协调、信息传递、权力结构、利益冲突、资源竞争、风险共享、时间敏感性、组织政治等等因素。
这就是为何业务流程管理总和“组织变革”、“流程再造”这些非技术因素连在一起。
AI 不能靠面向岗位的行为描述或者模型，不论它叫“岗位说明书”，“流程模型”，还是一汽说的“业务单元”，来推导出整个组织的协作结构。
要让 AI 介入，就必须让组织具备结构化表达协作关系的能力。
这就是“可计算的组织”宏观能力。真正能 AI 化的组织，必须至少满足三点：
（1）可观测性（Observability）：组织的状态、资源、约束、变化，必须能用数据表达。
（2）可表征性（Representability）：岗位之间的规则、协作、依赖关系，必须能形式化建模。
（3）可执行性（Executability）：组织必须有统一的执行接口，让 AI 决策能被落地。
但现实中的制造业在这三个方面，远比送外卖的、开出租车的企业复杂，
04
制造业运营日常是处理异常
正常流程人人都能写得七七八八。但制造业的真实世界是：缺料、停机、不良批次、工单错发、计划冲突、运输延迟、工人离岗、温度偏差导致制程漂移等等。
这些都是不可写的部分，而这些恰恰是决定制造业的核心目标“交付、成本、质量、安全”的核心环节。
如果 AI 无法处理异常，那么让它替代岗位只会放大风险。
结论
AI 不拒绝制造业，但制造业必须先变成“可计算的组织”
真正的 AI 工厂未来一定会到来，但它的实现路径绝不是：
AI 泰勒主义不可行——它试图在没有数学、没有模型、没有协作结构、没有异常体系的情况下，让 AI 接管一个高度复杂的耦合系统。
而大多数制造业企业连“可计算的组织”都还不是，尤其是中国的国有、民营企业的机制、文化的限制。
泰勒主义发起在美国，然而最先大规模应用的却是新兴的苏联，这是因为泰勒主义的原理和共产主义理想有着一种天然的契合，参见我写的《科学管理史 ｜ 美国怎样帮助建设了苏联机器》，然而后面的结果大家都看到了。泰勒主义和人性之间的悖论，在AI时代在社会主义中国又重新被包装、被发现，直至被我质疑。
我们要定义新质生产力的哲学问题和社会问题，新质生产力是解放人类，不是用机器来消灭人类。
