如何把老师傅的直觉交给AI — 把直觉拆成可测量的条件 (1)
资深员工的直觉,会在他退休那天和他一起离开公司。能交给AI的不是直觉本身,而是把直觉拆成条件、并为每个条件定好测量方法的标准。第1篇借助松下面包机、阿普加评分、韩国政府的制造业隐性知识AI试点项目和冲压工序课题,梳理如何把老手的判断拆成有名字的条件,并为每个条件配上测量方法。
只有那个人知道的直觉,会在他退休那天和他一起离开公司。 能交给AI的不是直觉本身,而是把直觉拆开后得到的标准。
“这个你去问班长吧”
每家工厂都有这样一位老师傅。听一听冲床的声音就说“今天模具有点不对劲”,然后停下产线;用手按一按面团就说“再等10分钟”;扫一眼报价单就说“这家供应商赶不上交期”。他们通常都是对的。可要是问为什么这样判断,得到的回答往往是“一看就知道”。
这种直觉是公司的重要资产,同时也是公司无法掌控的资产。他一休假,判断就停了;他一退休,判断就没了。
韩国政府也开始把这个问题当作一项工作来推进。韩国产业通商部(负责产业与通商政策的部委)动用2026年追加预算480亿韩元,挑选30道工序,启动了把熟练工经验转化为数据并开发AI模型的基于制造业隐性知识的AI模型开发试点项目(韩语)。每个课题为期1年,规模约16亿韩元(HeraldK(韩语))。背景很简单:人口老龄化让名匠们陆续退休,经验面临断档。
那么问题就是:“一看就知道”的直觉,要怎样转成AI能用的形式?第1篇讨论前面这一步:把直觉拆成条件,并为每个条件配上测量方法。
给成品拍片,拍不出直觉
先指出一个常见的误解:以为只要多装传感器、多攒数据,直觉就会自动被学会。
在管理学中推广“隐性知识”一词的野中郁次郎,在《哈佛商业评论》文章《知识创造型企业》里讲过一个很能说明这种误解的案例。1985年,松下电器的开发团队正在研制家用面包机,可烤出的面包外面焦了、里面却没熟。团队甚至用X光拍摄机器揉的面团和面包师揉的面团来对比,也没有得到有意义的数据。
突破来自软件开发人员田中郁子。她去大阪公认面包做得最好的酒店,拜面包主厨为师学习揉面。她发现主厨拉伸面团的方式很独特,随后和工程师们经过一年的反复试验,用在机器内侧加装特殊凸棱的规格重现了这个动作。这款产品创下了新款厨房家电的首年销售纪录。
这个故事的关键在于顺序。无论把成品(面团)拍得多么精细,直觉都没有显现出来。只有在人身边观察他在做什么,并把它说成“边拉伸边扭转”这样一句话之后,它才成了设计规格。野中把这个过程称为隐性知识向显性知识的转化。

到了AI时代,这个顺序依然不变。在收集数据之前,必须先有把直觉拆成语言的步骤。
原则一:把直觉拆成几个有名字的条件
1952年,美国麻醉科医生弗吉尼亚·阿普加把医生判断新生儿状态时的“感觉”拆成五项:心率、呼吸、肌张力、对刺激的反应和肤色。每项打0到2分,再把分数相加。这个于1953年发表在学术期刊上的方案,至今仍以“阿普加评分”的名字在产房里使用。

阿普加评分能沿用这么久,并不是因为它精巧,而是因为它给经验丰富的医生所看的东西起了名字。有了名字,新人也会去看同样的地方,不同的判断之间也能相互比较。
韩国的生产现场也在发生同样的事。前面那个政府项目中的一个课题——冲压工序名匠隐性知识数据化课题(韩语),以光州平洞产业园区的一条冲压量产线为对象。它把出现压痕不良时名匠凭什么找出原因,拆成模具磨损状态、材料是否放稳、设备细微振动声这几个条件,再把作业视频、音频、传感器数据、检测图像和图纸按这些条件串起来。“出了不良,名匠修好了”这种笼统的记录,就变成了“三个条件里哪一个出了偏差”这个问题。
实务提示:条件以5到8个为宜。3个以下,直觉的细微之处会丢失;超过15个,连老师傅本人也判断不了条件之间的轻重。直接用老师傅平时的说法来命名,阻力会小很多。
原则二:为每个条件写明“用什么来测”
只给条件起名字,只完成了一半。“起伏刚刚好”“声音很清亮”“面团是活的”这类说法,人听得懂,机器却毫无意义。
一旦为每个条件配上测量方法,数据里缺失的条件马上就会暴露出来。如果名匠是靠“声音”判断,现在的设备日志里就没有那个声音;如果是靠“手感”判断,就没有测量触感的装置。冲压课题之所以在视频和传感器之外还单独采集音频,原因也在这里。请提前把这些整理成表格。
| 条件 | 老师傅的说法 | 测量方法 | 现在有没有数据 |
|---|---|---|---|
| 模具状态 | “刃口有点钝了” | 冲次、磨损测量值 | 部分有 |
| 设备声音 | “声音发闷” | 振动·声学传感器 | 没有 |
| 材料放置 | “稍微有点翘” | 视觉相机 | 没有 |
这张表的最后一列,就是你的投资清单。检查公司的数据是否已经可以用于AI时,也可以从这张表出发。
写测量方法时,还要同时写下两件事。一是测量的单位和频率:模具磨损是每一冲都看,还是每一班看一次,所需的设备就不一样。二是老师傅在什么时候看这个条件:如果名匠听声音的时刻是冲床刚落下之后,传感器也必须抓住那一刻。
拆解阶段常见的陷阱
抄完操作手册就收工。请老师傅“把经验整理一下”,得到的往往是一份和现有作业标准书差不多的文件,因为他本人也意识不到自己是凭什么判断的。正如松下团队没能在X光照片里找到答案,光收集文件是得不到直觉的。要抓住现场做出判断的那一刻,当场问:“您为什么现在停下来?”“您看到了什么?”
把一位老师傅的直觉固化成公司标准。把同一个案例拿给两位名匠看,判断出现分歧的情况比想象中多得多。产生分歧的地方,恰恰是标准还没有拆得足够细的地方。尽可能把两个人以上的判断并排摆出来,先弄清楚在哪里出现分歧。
小结
老师傅的直觉并不神秘,它是一组还没有被命名的条件。与其给成品拍片,不如在人身边观察,把直觉拆成5到8个条件并起好名字,再为每个条件写明用什么来测。表格里的空白,就是你的第一份投资清单。
下一篇将讨论如何把拆出来的条件组合起来、直觉在多大范围内值得信任,以及应该让老师傅担任什么角色。
“如何把老师傅的直觉交给AI”系列
- 把直觉拆成可测量的条件(本文)
- 公开权重,让老师傅担任审核者
参考资料
- 산업통상부, 제조 명장과 청년이 함께 제조 노하우를 지켜나간다 (2026)(韩语。产业通商部《制造名匠与青年共同守护制造经验》)
- 헤럴드K, 산업부 제조 암묵지 기반 AI모델 개발 본격 추진…올해 480억원 투입 (2026)(韩语。HeraldK《产业部全面推进基于制造业隐性知识的AI模型开发,今年投入480亿韩元》)
- 세계일보, 숙련공의 손길 AI로 데이터화… 명장의 감 다 살렸어 (2026)(韩语。世界日报《用AI把熟练工的手艺数据化,名匠的手感全保留》)
- Ikujiro Nonaka, The Knowledge-Creating Company, Harvard Business Review (1991, 2007年重刊)
- Virginia Apgar, A proposal for a new method of evaluation of the newborn infant (1953)