OP-30 / YOKOTEN写作与思考

咨询与培训里沉淀下来的方法论，精益与 AI 的跨域思考。交付即沉淀。

2026-08-24精益数据采了没人用你第一反应是做个看板——那可能是最贵的一步·先问它支持哪个决策答不上就停采·把不该采的数字化等于给不该存在的库存盖更漂亮的仓库面对采了没人用的数据，多数人第一反应是做看板或数字化——都错，而且很贵。正解是先问它支持哪个决策，答不上就停采（划掉）：把不该采的数字化，等于给不该存在的库存盖更漂亮的仓库。做减法，不是加法。
2026-08-18AI Agent 别急着给你的AI加记忆——你以为要记的多半不用记·真相分两种现在去看就有的直连现场当时不记就没了的才该外挂记忆做企业AI都在给它加记忆、上RAG。但真相分两种：'现在去看就有'(代码/实时状态)最不用记、直连现场就行；'当时不记就没了'(为什么这么定、没存下的历史)才该记——分反了就是知识库又贵又没用的根源。
2026-08-17质量变化点管理怎么落地——识别5M1E六维·变化点矩阵按风险分级·八步闭环让每个变化关得掉·很多厂知道这个词却停在没人更新的看板上变化点管理很多厂知道这个词，却停在没人更新的看板上。落地三步：5M1E扫描识别、变化点矩阵按'下游能否立即发现'分级、八步闭环让变化关得掉——附三处最容易失效的死穴自检。
2026-08-16AI Agent 暗座舱最难的不是会亮灯是敢让99%的灯灭着——好的管理系统正常时安静异常才吼把稀缺的判断力留给人航空暗座舱正常时告警面板全暗、只异常才亮灯；多数企业dashboard却满屏常亮把真问题淹没。难的不是会报警，是敢让99%的灯灭着——底气是把'什么叫正常'定义清楚，AI时代更该让系统学会闭嘴。
2026-08-15质量 5M1E被用错了三十年——你拿它当分类骨架其实它是一张查漏表·完备性检查表不是分类依据·实体不是属性 5M1E 常被当成分类骨架先立六个框往里塞，其实它只是最后查漏的检查表；又常被存成一个干名字，其实它是带历史的实体——现场吵不完的架、出事查不动的审计链，都出在这两处用错。
2026-08-14AI Agent 知识库记下了每个结论却没记下你们为什么吵——公司决策在对话里做出数据库只记事后余波交互才是组织的思维链上篇说知识库总在等待、记忆才参与；这篇再进一层：就算记忆主动了，它记的也只是工单、结论这些事后余波。公司真正的决策在会议、电话、群聊里做出——那才是组织的思维链，你的知识库一个字都没记。
2026-08-09精益从决策出发建数字化系统的三步和一个上线前自检——别再从现有的表出发建成没人用的看板花钱建的系统没人用，根子在建模第一步。给三步可上手做法：先列决策不列表→为决策拉出对象和关系→最后才找哪张表支撑；再配一个上线前自检：挑个字段问哪个岗位、什么决定、靠它还是靠 Excel。
2026-08-09精益数据清单盘的是变量AI要的是事件链——而事件链该从变化点主动建不是等异常才追企业按 5M1E 盘的是静态变量字段，AI 要的是情境→信号→判断→行动→结果的事件链，最值钱的判断那环不在表里。别等异常才追链——精益的变化点管理就是主动触发器，还天然可信。
2026-08-05AI Agent 为什么让AI最后自己检查一遍它几乎从不打回——因为同一段对话里它读到的是自己的推理不是成品让 AI 写完再自己严格审一遍，它几乎从不打回。不是它不严格，是它在同一段对话里审，读到的是自己的推理而非成品——像作者重读初稿读到脑子里那版。解法：换独立角色＋干净上下文，就像质检不归生产管。
2026-08-04精益为什么上了MES和数据中台还是看得见管不动——因为建模从现有的表出发而不是从人要做的决策出发花几十万上 MES、数据中台、BI，报表漂亮、看板挂墙，结果没人用、看得见管不动。病根不是系统烂，是建模第一步问错了：从「我们有哪些表」出发建出的是报表，从「人每天要做什么决定」出发才建出管用的运营系统。这就是 VSM 的建模学表达。
2026-08-03AI Agent 你的岗位会因AI扩张还是消失——用杰文斯悖论四步框架自己判断而不是凭焦虑瞎猜每个人都在焦虑「我会不会被 AI 取代」——但这是能算的。150 年前杰文斯发现：蒸汽机越省煤，英国烧煤反而越多，效率是油门不是刹车。你的活变便宜后需求会暴涨还是消失？四步自己算：找降本任务、看需求弹性、拆任务不看岗位、定位替不了的核心。
2026-08-02质量判断AI记忆能不能信不看演示多漂亮而看它能不能回答七个朴素问题——不能溯源不能纠错的记忆就是黑盒 AI 记忆产品演示都漂亮，但那不是能不能信的关键。质量人早懂：没有追溯的数据不敢签字放行——AI 记忆一样，答不上七个朴素问题（从哪来／谁改过／是否还成立／能否纠错）就是黑盒。别问它能记多少，问它能不能溯源、能纠错。没人敢在黑盒上签字。
2026-08-01AI Agent 知识库总是没人用不是工具烂而是维护成本扛不住又逼人离开工作现场——知识库等待查询记忆参与工作公司花钱建的知识库，半年后都成了没人用的数字墓地——不是工具烂或员工不自觉。约七成知识管理项目半年内失败，瓶颈不是采集是维护；中央仓库还逼人离开工作现场二次录入。知识库在等你查，你真正需要的是「在对的时刻自己浮现」的记忆。
2026-07-30质量达标不等于立住——标准只有扛过换人换料换型才算真正验证过，风平浪静时达标是零信息量整改「关闭」、KPI 达标，问题却过俩月又回来？因为你把「连续几次达标」当成了「稳了」。可标准真正露馅是换人换料换型那一下，风平浪静时达标信息量接近零。稳定不是没出事，是扰动下仍不出事。达标是愿望，立住是判据。
2026-07-29AI Agent 系统设计最难的不是自动化什么而是故意不自动化什么——好的AI系统像安灯只暴露问题把判断留给人精益圈在教怎么让 AI 帮你解决问题，但更难的设计是反过来的：系统该在哪停手。安灯从不替你解决问题，只让问题可见、把判断留给人。摩擦分两种——找文件该抹掉，自己想通一个问题是理解的燃料。好系统懂得何时不帮。
2026-07-28精益保持优良传统为什么反而是背叛——要传承的不是当年的做法而是产生做法的改善劲头一个精益人问出「TPS 在伤害丰田吗」。答案藏在一道数学题里：过去不只有状态 f，还有变化率 df/dt。你想保住的「优良传统」，若只剩当年的做法、没了产生做法的那股劲，就不是继承，是背叛。标准要固化，产生标准的改善引擎不能冻。
2026-07-27精益 KPI越定越细质量反而越管越差——丰田20美元改善提案背后的古德哈特定律丰田给每个改善点子发 20 美元，结果收到一堆「把纸从桌子这头挪到那头」。这就是古德哈特定律：当一个度量变成考核目标，它就不再是好度量——人们优化的是指标，不是你真正想要的质量。指标是证人，不是法官。
2026-07-25精益 AI会不会取代我问的是过去的可能性——该问手里的老本领加变便宜的新零件能组合出什么新动作 AI 让一批零件突然变便宜，你的临近可能刚被扩了一整圈。别再问会不会被取代——那问的是过去；该问：我的老本领加上这些新零件，能组合出上个月还不存在的什么动作？对质量、精益人，关键看能不能把判断力转成约束、标准和验证机制。
2026-07-21质量事实记忆必须携带溯源-归属-时效-权限-可信级别——AI 知识库缺的是质量人的批次追溯没有追溯的数据，只能算一个数字——质量圈的老直觉，AI 记忆系统正在重修这门课。评估 AI 知识库不用懂向量数据库，用质量审核的老问题：这条答案谁签的字？版本现行吗？能看原始凭证吗？是签批的正式内容还是草稿？
2026-07-19质量 WAIC 2026 萨顿说 AI 进入经验时代——经验需要可验证环境，质量体系就是现成骨架 WAIC 2026 主论坛，强化学习之父萨顿宣布"欢迎来到经验时代"：静态数据走到极限，智能体要靠交互经验学习。但经验需要能给可验证反馈的环境——FMEA 命中率、检验判定、改善前后指标，质量体系几十年攒下的正是这个。
2026-07-17质量最该整改的是潜在条件而非显性失误——审整改报告只需一条判据再培训、强调、签承诺书——这些措施的共同点是车间里没有任何东西发生物理变化。审整改报告只需一条判据：这条措施改的是"人"还是"条件"？只改人，下次还是同一份事故报告，只是名字换了一个。
2026-07-16精益「马拖汽车」是范式锁定——AI 落地的问题不在优化不够，在框架没换把 AI 塞进现有流程的空位，每个槽位都优化了，可能性边界却一寸没动。范式锁定比局部最优更上游——局部最优是在既定边界内改善局部，范式锁定是边界本身不再被质疑。如果 AI 是基础设施，流程从零设计会长什么样？
2026-07-15AI Agent Agent 安全的两层结构，制造业早已给过答案 Agent 安全的五层架构与制造业 Poka Yoke 跑的是同一个约束原则——拦截已成形的错误，或让错误无法成形。写更严的规则只是劝告，把动作从可能空间里拿掉才是根本解。
2026-07-14质量用系统思维取代戏曲思维——事故报告的结论落在人名上，多半还没写完找替罪羊便宜，因为它的功能不是解释事故，是终结讨论——而条件原封不动留在那儿，等下一个正常人踩上去。系统思维不是不追责，是先穷尽系统解释，再看人的责任。
2026-07-13质量质量管理体系是一台对抗柠檬市场的可验证性机器供应链天然是柠檬市场：卖方知道品质，买方不知道，劣币驱逐良币。质量体系的本质不是惩罚不合格，而是让好坏可验证——认证是信号，追溯是证据，做对留痕、做错自动暴露，不靠觉悟靠机制。
2026-07-12质量制度性知识是最难被自动化的资产据二手转述，福特高估了 AI——资深工程师离开后质量出问题，只得返聘 300 多名资深工程师"教 AI"（数字未核到一手报道）。能写进文档表格的显性知识 AI 学得快，但沉淀在人身上的隐性制度性知识最难自动化，而它恰是质量的底座。AI 只和它背后的经验一样强；福特请回来的不是劳动力，是判断力。
2026-07-09精益 AI 加速了执行，却堵住了判断 AI 加速的是执行层（非瓶颈），判断层（真正的瓶颈）没变快，压力反而更大——人脑不能并发、评价标准不可形式化、责任不可转移、时间不可扩展。叠加杰文斯悖论，"用了 AI 反而更累"是结构性规律，且会随模型变强而上移，不会消失。
2026-07-07AI Agent 让 Agent 真正干活的，是工程纪律 OpenAI、Anthropic、LangChain、Fowler 四家收敛到同一个等式 Agent=Model+Harness——瓶颈不在模型够不够聪明，在模型之外那套隔离、观测、约束、续跑、人类通道的工程纪律。
2026-07-05质量丰田说"犯错要写下来"——但哪种错该罚？出事就抓人，和谁都不负责，都错。David Marx 的 Just Culture 三分法，给追责一个颗粒度。
2026-07-05精益丰田没说出口的事，Google 用数据说了精益推不动，先别换工具。丰田的直觉和 Google 的实证收敛到同一个前提：心理安全是改善文化的运行基础。