企业AI知识库怎么做：老师傅的判断，比文件数量更重要

文 / 老汪（汪斌），制造业财务、Excel BI与业财融合实务。更新于2026-09-14。

本文简介：

企业AI知识库要保留判断发生的条件、证据、处理过程和反例。让助手在具体工作中帮助老师傅，再把复盘纳入持续维护，才能把一线经验用于下一次判断。上传文件只是其中一步。

本篇源于《十字路口Crossing》2026年6月3日对谈Rolling AI，主播Koji，嘉宾阿甘、刘开。保留原对谈的观点与案例，并结合制造业财务展开；客户成绩按嘉宾口述理解，制造业示例均为教学设定，不是我的客户项目披露。

FDE与制造业财务系列，第2篇，共5篇。

AI说，一家店贵酸奶卖得好，说明客群高端。店长却说，门口那家超市的同款产品更便宜，顾客只是去那里买了。

这是Rolling AI对谈里一个很具体的误判。数据没有骗人，解释却走偏了。制造业财务也会遇到这种情况：异常数算对了，原因缺一段现场事实。

这一篇接着谈，怎样把这些事实和老师傅的判断留下来，又怎样避免把一个人的经验写成所有人必须照抄的规则。

怎样让老师傅愿意持续教AI？

Rolling AI提到，他们采集经验的方式在变化。

早些时候，是找金牌销售、优秀培训师，集中访谈，整理最佳实践和话术，再放到AI里。到2025年下半年，他们开始更多地让助手跟在一线员工身边，持续观察和复盘。

原因不难理解。一家门店生意做得好，未必有一套所有门店都能照抄的标准答案。店址、客群、竞争对手、人员能力，都会改变做法。

下班后问店长，今天发生了什么，哪件事做得好，哪件事做得不好，为什么这么判断，这些回答会把一次具体决策的来龙去脉留下来。

制造业里也有类似的问题。

问一位老成本会计“月结应该怎么做”，他可能给你一份很规整的清单。但真正有用的经验，常常是在异常发生时才显出来：为什么这张工单不能直接结，为什么这笔退料要再问一下车间，为什么这次单位耗用升高还不能认定为浪费。

只采集最后的处理结论，AI学到的可能是一条没有适用条件的规则。

我更愿意把一次异常复盘留成下面这样的记录。仍以前面的材料耗用问题为教学场景：

这样的记录，比“材料异常先查退料”多了很多信息。下次遇到相似情况，AI知道该查哪些证据，也知道什么时候不能套用。

但这里有一个绕不过去的问题：老师傅为什么愿意教？

如果企业的安排是，让你把多年经验全部交出来，然后据此证明你不重要，抵触是正常的。把这种抵触解释成“不拥抱变化”，太轻巧了。

节目给出的办法，是让AI学徒先帮老师傅干活。店长要排班，助手先准备建议；要预估营业额，助手先找资料。老师傅觉得这个学徒确实有用，才有意愿持续教。

财务场景可以更具体一些。先让助手帮老会计找单据、整理待核对事项、生成底稿初版。省下的时间，应当有一部分真正留给复核、带教和改进，而不是立即塞进更多杂活。

同时，经验贡献要计入认可和激励。一个人的方法如果帮助其他工厂、其他成本会计少犯错，这份贡献不能只算成“你多填了几张表”。

这里也不能把“复制经验”想得太简单。优秀员工仍然要面对新材料、新产品、新工艺和新的异常，他的价值包括持续修正旧经验。知识库需要一个长期负责的人，而不是项目验收时堆满文件就结束。

酸奶为什么卖不动，AI缺了什么事实？

节目里，我最看重的是AI副店长误判酸奶销售原因的故事。

一家门店的大包装酸奶卖得不好，较贵的酸奶却卖得不错。AI拿附近门店的数据作比较，推测这家店的客群偏高端。

店长告诉它，实际原因是附近五米外有一家更大的超市，同款产品卖得更便宜。消费者能直接比价，所以大包装同款卖不动；较贵的某些产品，竞争对手没有卖。

补上这个信息后，建议才变成调整商品组合，多考虑独供商品和不容易被同款比价的产品。嘉宾称调整后销量增长约五成，但节目未给出观察周期、销售范围和对照组，不能据此断定全部增长都来自这次调整。

这个故事暴露出一种很容易被忽视的错误：AI的解释可以非常连贯，却建立在缺失的事实之上。

“贵的卖得好，所以客群高端”，听起来多顺。

但只要走到门口看一眼，解释就可能要改。

做经营分析的人，应该对这种错误特别敏感。账上看某产品毛利低，你可能先想到售价低、采购价高、制造费用分摊不合理。到了现场，才发现这批产品经历了返工，或者是新产品试制，或者客户临时改规格导致小批量换线。

这些信息没有进数据表，AI再会分析，也只能在已有信息里找解释。

所以我不主张让AI面对一个异常，只输出一条最像结论的原因。更合适的结果应当保留三样东西：目前证据支持什么，还缺什么，下一步去哪里核对。

比如前面的材料耗用异常，输出可以是：“已确认账面净领料较高；暂不能判断实际损耗；需要核对退料对应工单和期间，以及返工归集范围。”这句话不如一份完整的降本报告漂亮，但更能推动工作。

这里也能看出Excel BI与AI各自适合做什么。

Power Query把单据清洗、匹配好，Power Pivot按确认的口径计算，CUBE函数或透视表把结果呈现出来。AI可以围绕异常检索资料、组织追问、汇总现场解释。涉及金额、数量和比率的结果，应从可复算的数据处理过程取得。

现场的人补充事实，负责人作出判断。几项工作连起来，才有资格说在做经营分析。

每家店配一个助手，总部该保留哪些工作？

酸奶案例背后，是嘉宾对总部统一管理方式的反思。

他们还讲了营业额预测。总部用一套方法预估第二天营业额，据此安排人员、进货，但每家店面对的情况不同：有的地方要下雨，有的旁边开新店，有的靠近夜间消费场所。

他们尝试给每位店长配一个AI副店长，提供天气、周边活动等信息，由店长决定排班和订货。

节目借7-Eleven的订货授权故事解释这个变化：经营权下放以前就有意义，但一线不一定有足够的信息、分析能力和时间。AI有可能降低获得这些支持的成本。

我赞同这个方向，但不会把它理解成，所有总部算法都应该拆掉。

在我看来，总部仍然可以提供基础预测、数据口径和约束条件；一线根据现场信息修正，再记录为什么改、结果怎样。让现场多一些判断空间，也要让这份判断能被复盘。

制造业的交期、排产、备料，同样有这个问题。车间知道某台设备最近状态不稳定，采购知道供应商的一批料可能晚到，销售知道客户的交期存在协商空间。这些信息如果只停留在人的脑子里，一张再漂亮的计划表也会失真。

但现场知道一部分，总部也可能知道现场不知道的东西。一个车间想多备料，可能影响全公司的现金安排；一个销售想插单，可能挤占另一笔更重要订单的产能。AI应该帮助双方看见影响，不能替任何一方默认取得最终决定权。

节目还有一个暴雨排班的例子：店长预见客流下降，提前通知临时员工，第二天可能不需要来。嘉宾按约1000家门店推算，类似做法一年可能节省大几百万元。

财务看到这种“节省”，要再往前查一步。

企业少支付了一段工时，不代表经营安排的总成本一定下降。临时员工为你预留了时间，失去其他工作机会，后续是否愿意再来？门店缺人时，要不要付出更高的招募和协调成本？原本约定的安排怎样落实？

这些都影响实际收益。节目里的节约额是情景外推，不能当成已经核实的利润增长，更不能只算企业当日少付出去的钱。

对我来说，这也是财务参与AI项目的价值：把“看起来有效”继续核对成“到底在哪些条件下有效，代价由谁承担”。

经验怎样从一次复盘进入长期使用？

可以给知识库中的重要案例安排三种状态：待核实、已确认、已失效。它们是资料管理状态，用来告诉使用者，这条内容能承担什么作用。

店长的一段口述刚采集回来，先作为线索。等相关数据、现场事实和结果补齐，业务负责人确认后，再进入可供推荐的案例。如果商品、工艺或制度改变，原案例需要复核，不能永远排在最前面。

这一步不一定需要复杂平台。一张记录表就能起步，但至少应写明资料来源、发生日期、适用范围、确认人和复核时间。若案例被改动，保留旧版本与修改原因，避免事后不知道当时依据什么作了决定。

AI整理的摘要还要保留通往原资料的入口。只有“店长认为竞品更便宜”这句话，下次很难复核；能回到当时的商品、价格观察、销售数据和确认记录，判断才有依据。

对制造业尤其要注意版本。某个工艺下适用的损耗经验，换工艺以后可能不适用；某个BOM版本的用量，不能悄悄套到另一批工单。知识库里每多一条高置信度的旧规则，也可能多一处误导新工作的机会。

因此，带教不是单向往库里加内容。还要定期看哪些规则被否定、哪些案例再没有使用、哪些问法经常让一线补充同一份资料。反复需要补的资料，往往提示数据采集本身应该改。

节目谈到让通用助手了解屏幕、会议和周边环境，以获得更多上下文。我的取舍是，先明确任务缺什么事实，再确定采集范围。把所有东西都记录下来，不能保证判断更好，反而可能把无关信息、旧版本和不该共享的资料混到一起。

最后，还应检验经验能否迁移。某家店因为附近有低价同款，调整货盘有效，不代表其他门店也要撤同样的商品。助手引用案例时，应该先问当前情况与案例的相同处和不同处，而不是直接重复当年的建议。

常见问题 FAQ

把制度和历史报告上传，就有企业AI知识库了吗？

有了资料集合，但还需要来源、版本、适用条件、检索和复核规则。尤其要保留反例，防止系统把过期经验用于新情况。

老师傅不愿意教AI怎么办？

先确认助手能为他减少哪些实际工作，再约定带教时间、认可和激励。不要一边要求交出经验，一边只按原来的产出数量评价他。

AI给出的原因很合理，能直接写入经营分析吗？

不能只凭合理就认定。应区分证据支持的事实、待核实原因和下一步核对事项，重大结论由相应业务负责人确认。

本系列按隔天更新，后续篇目可在FDE系列目录查看。

• 第1篇：FDE与财务人的机会
• 第2篇：老师傅经验与AI带教（本篇）
• 第3篇：AI项目分工与考核（2026-09-19 08:00更新）
• 第4篇：材料耗用异常AI试点（2026-09-21 08:00更新）
• 第5篇：AI咨询收费与财务成长（2026-09-23 08:00更新）

延伸阅读：制造费用分摊与毛利复核；制造业月末关账完整检查表。

如果你正在梳理制造业财务的数据和流程，可以带着具体问题与老汪交流。微信：xiaoweihome_ah。