上周在东莞见了一个做精密模具的老板老周。他带我参观了花了200多万上的MES系统。

大屏幕上，设备状态、工单进度、物料消耗，数据跳得整整齐齐。

"你看，所有数据都在这。"老周用手指戳了戳屏幕，然后又指向车间，"但你看下面，该怎么干还是怎么干。"

我顺着他的手看下去——操作工还在用对讲机喊话，排产员还在Excel里拖格子，质检员还在拿纸质表单打勾。

200万的系统，成了车间里最贵的屏保。

这不是老周一个人的问题。根据工信部2025年的数据，国内中小制造企业数字化设备联网率已经达到58.3%，但真正实现"数据驱动决策"的比例不到7%。

什么意思？一半以上的工厂把设备接上了网，但只有7%的企业让这些数据产生了实际的生产力价值。中间那51.3%的企业，就卡在老周现在这个位置——数据有了，但"最后一公里"跑不通。

我见过太多类似的情况。做五金的老李，上了ERP三年，库存数据漂亮得很，但仓库还是月月盘亏——因为入库员嫌系统操作麻烦，每次都是下班前批量补录。做纺织的老陈，车间看板显示OEE（设备综合效率）85%，但实际产出就是上不去。后来一查，夜班工人嫌系统报警烦人，把传感器拔了。

这些问题的根，都不在技术。

我在陪跑过程中反复强调一个观点：AI落地最大的障碍不是算法不够好，不是算力不够强，而是组织里没有人真正"认"这套系统。数据是客观的，但人是主观的。一个做了十年排产的主管，你让他把排产权交给AI算法，他第一反应不是"这东西准不准"，而是"我还有什么用"。

这就是"最后一公里"的真相——不是网络没通，不是接口没调，是人的惯性、恐惧和利益格局，把数据挡在了决策层之外。

老周后来问我怎么办。我说：别盯着系统了，盯着人。我们花了两周时间，做了三件事：

第一，把MES输出的排产建议，先设成"仅供参考"，让车间主管有一个月的过渡期。这一个月里，系统建议和人工决策并行，月底对比准确率。

第二，把生产数据可视化屏从经理办公室挪到车间休息区。谁都能看到实时的良品率、设备状态、能耗数据。透明的数据比行政命令管用。

第三，给质检员每人配了一个扫码枪，质检结果实时上传。但这个动作的关键设计是——上传的数据联动了当月的绩效奖金。不需要催，不需要盯，系统自动算。

一个月后，老周车间的OEE从71%提到了83%。不是系统突然变聪明了，是系统终于被"接纳"了。

如果你也在推数字化、上AI，先别急着加功能、换系统。回到车间，问三个问题：谁在用这些数据？他们为什么用（或不用）？不用的人会失去什么？第一个问题告诉你卡在哪，第二个问题告诉你为什么卡，第三个问题告诉你怎么通。