三个场景，三笔时间账

据中国日报网等公开报道，江苏沙钢（全国最大的电炉钢生产基地，产品用在港珠澳大桥、西气东输等工程）接入阿里千问办公后，把 Agent 落到了三个核心业务场景。第一笔账在电炉炼钢厂：过去每炼完一炉钢，工艺人员要从生产系统导出好几张明细表，手工拼合比对配料、能耗、合金、温度等七类数据，单炉复盘约 30 分钟；现在 Agent 按炉号自动关联七类数据、筛查异常炉次并给出调整建议，复盘缩到 3 分钟。第二笔账在铁前总厂：229 台变压器分布在 13 个车间，过去靠人工翻台账逐台比对健康状态，每月点检要 3 到 5 个工作日；现在 Agent 按周期和油质指标自动判定风险、生成点检报告，并直接把整改任务派给责任人，全程几分钟。第三笔账在财务：月度经营分析涉及几十张源报表、100 多个数据单元格，过去人工反复切换核对；现在取数、换算、校验、回读全自动，每一格数字可溯源，编制效率提升 90% 以上。

它没做什么：不碰生产控制的三条边界

这个案例比数字更有价值的，是它的边界设计。第一条：Agent 只做事后分析、台账处理和报告生成，不直接干预生产控制回路——炼钢的控制权不交给大模型，安全底线不让步。第二条：权限隔离，Agent 只能访问预先授权的业务数据，不是全网漫游。第三条：行业规则注入，不是通用大模型裸跑——把冶金工艺标准、设备运维规程、老师傅的经验做成知识库，让 Agent 用钢铁行业的逻辑做判断，而不是泛化的文本推理。这三条加起来就是一句话：让 AI 干“数据串联”的脏活累活，判断和决策留在人手里。工程师的角色从“找数据”变成了“验证 AI 结论、优化工艺”。

为什么“笨重”行业反而先跑通

很多人以为 AI 落地要先改造产线、装满传感器。沙钢的路径恰恰相反：工厂早就积累了海量数据，痛点不是没数据，而是数据散在 MES 系统、Excel 表、纸质台账里，靠人一点点串联。而“跨系统取数、多表对齐、按规则判定、出报告派任务”这类工作，恰恰是 Agent 最擅长的——重复、结构化、结果可验收。复盘频次上去了，工艺和设备隐患就能更早暴露；点检周期从月度压到分钟级，高风险设备当天就能派单。这不是炫技，是把原本卡在人效瓶颈上的管理动作变成了基础设施。

中小企业抄作业：找出“数据散、靠人盯”的那件活

你不一定开钢厂，但你的公司大概率也有一摊“数据散、靠人盯”的活：电商团队每天从三四个平台后台导订单对账，运营每周手动拼十来张表做周报，仓库靠人巡 Excel 核对库存。抄法分四步。第一步，把活拆开：能不能描述成“从哪取数、按什么规则判定、输出什么结果”三步？能，就适合 Agent。第二步，选单点试：沙钢也是先复盘、再点检、再财务，一个场景跑通再扩。第三步，权限先行：只给 Agent 开它要用的数据和接口，核心操作（打款、删单、改价）不放权。第四步，留人复核：AI 出结论、人做决策，异常工况必须人工确认。算笔账（测算示例）：一个运营每周花 6 小时拼数据做报表，Agent 接管后压到 20 分钟复核，一年省下约 300 小时，相当于多出 7 个完整工作周。

AI 落地的分水岭不是技术，是有没有把活拆成“能取数、能判定、能验收”的步骤。先从你公司里那件每周固定耗人几小时的重复活开始。电商对账、多店铺成本核算这类“数据散”的活，本站 /finance 店铺财务系统已经把订单、成本、回款的串联做成了现成工具，可以直接上手。