工业AI落地之前，为什么要先看数据和组织？

2026年9月20日上午，格创东智科技有限公司CEO何军做客华中科技大学EMBA“喻见·大讲堂”，以“AI for Real：从数字世界走向真实工业世界”为题，在管理学院206多功能厅分享工业AI的应用与落地实践。他围绕数据、技术、人才、投入回报、组织以及安全与信任等挑战，讨论技术如何走进生产现场。

从设备采集的一条数据，到现场人员作出的一个决定，工业AI需要穿过多个业务环节。数据能否被准确解释、系统结果能否进入工作流程，关系到应用能否持续运行。

图1｜何军分享工业AI实践。

先把生产记录变成可信的判断依据

何军强调，工业数据质量需要从产生记录的源头抓起。工业场景容错要求高、工况变化快，一处错误可能沿生产链条被放大，数据采集和判断口径因此尤为关键。

对企业应用而言，数据进入模型之前，已经历采集、记录和整理等环节。某条记录是否能够对应设备状态，某个标签是否经过一致判断，会影响后续分析能够说明什么。

企业真正需要判断的，是现有数据能否解释所选择的业务场景。数据量之外，还要看记录是否完整、含义是否一致，以及样本是否覆盖实际工况。数据基础不牢，模型输出即使形式上完整，也难以转化为生产现场可信的判断依据。

技术进入流程 需要明确协作和责任

数据基础解决的是“判断依据是否可信”，而判断依据进入生产流程后，还需要回答“谁来用、怎么用、出了问题谁负责”。在互动环节，师生围绕数字化向智能化转型、AI团队与传统团队协同等问题交流。何军及其团队结合产业实践回应提问，将技术应用与战略、组织、人才和业务场景联系起来。

图2｜师生围绕工业AI应用展开交流。

工业AI项目应有业务负责人，也需要明确技术、现场使用与质量安全等岗位如何参与。业务负责人说清改进目标，技术人员解释模型与接口条件，现场使用者反馈实际操作，相关专业人员核对应用限制。

以设备异常提示为例，核对提示、决定检修与记录结果，往往涉及不同岗位。系统给出建议之后，仍需要清楚的分工和处置流程，才能让信息转化为行动。

把技术应用放进经营流程

这场工业AI讲堂将产业实践与管理问题放在了一起。在华科大EMBA，企业数字化转型与能力构建、运营与供应链管理、组织行为学等学习内容，也围绕技术、流程与人员协作展开。课堂讨论与产业案例相互对照，有助于管理者把数据条件、组织准备和经营目标纳入同一分析框架，避免仅从技术功能出发判断应用价值。

不同工厂的设备、产品和工况各有特点。借鉴产业经验时，把数据条件、维护能力和现场要求逐项对照，才能判断哪些做法适合自己的业务，哪些环节还需要补充验证。

回到一家企业的应用准备，可以检查一条从记录到行动的流程：原始记录能否追溯，输出进入哪项决策，行动由谁负责，结果怎样反馈给下一次判断。这些问题的答案，决定技术方案是否具备进入日常工作的基础。

服务附注

本轮华科大EMBA正式网报对应2027年研招统考，开放时间为2026年10月15—24日每天9:00—22:00，10月24日22:00截止。请按要求完成填报、交费、照片及报考点材料提交，并关注后续审核；咨询、意向登记不替代网报。

正式入口：研招网。

注：具体课程、师资及活动安排以当期教学计划为准。