人机料法环中"人"的因素正在被逐步弱化

质量管理绕不开"人机料法环"（4M1E）。过去几十年，质量波动的最大变量，往往就是"人"：技能差异、疲劳、情绪、主观判断、培训不到位。而现在，AI 正在让这个最不可控的因素变得越来越"可控"，甚至被逐步弱化。

为什么"人"一直是质量最大的变量

人的一致性最差——同一名工人上午和下午的检验尺度可能就不一样；经验靠传承，老师傅一退休，隐性 know-how 就断层；培训成本高、见效慢；大量判定靠主观，外观、手感、听音这类"靠人"的环节，天然带着个体差异。

AI 正在逐一弱化这些人的因素

• 检验判定：机器视觉替代人眼，判定标准固化到模型里，从根上消除个体尺度差异。

• 工艺控制：AI 实时调参，减少对个别工艺高手的依赖，参数不再"凭手感"。

• 异常响应：算法秒级识别过程偏离，不再靠人"感觉不对劲"才去查。

• 技能培训：AR 指导加仿真加 AI 陪练，把对人的经验依赖拆开，新人上手更快。

• 文件与审核：大语言模型起草，减少人为疏漏和格式错误。

• 决策支持：把老师傅的隐性经验沉淀成模型，经验不再随人走。

"弱化"不等于"消失"，人的因素在向上转移

从"亲自做"变成"定标准"，验收准则、模型接受的阈值由人来设；从"执行"变成"监督 AI"，验证 AI 判定的正确性、处理 AI 标记的异常；从"经验驱动"变成"治理驱动"，对算法结果负责、管理数据质量。

必须警惕的四个风险

过度依赖：把"人在回路"变成盖章的橡皮图章，真出问题反而无人真正负责。黑箱：AI 判定不可解释，质量追溯链一旦断裂，出了事查无可查。数据偏见：训练样本不全，模型只认"见过的缺陷"，没见过的直接漏判。责任真空：AI 判了合格，出了事故算谁的？这些问题不解决，弱化的就不是风险，而是防线。

结论

人机料法环里"人"的因素，不是被消除，而是被重新分配。质量人的核心价值，正从"亲手保证质量"转向"设计和管理一个能稳定产出质量的系统"——而这个系统里，AI 已经成为越来越重要的新"机"和新"法"。谁先想明白怎么和这套系统共处，谁就先拿到下一阶段的入场券。