提到企业愿景和目标侃侃而谈，谈到企业经营状况哑口无言，是现在许多企业包括工厂存在的情况。
一个企业真正的目的是为了赚钱，降本增效等一系列的行为只能称之为手段，大部分时候，我们无法分清两者的重要程度，以致于出现效率越高、业绩越差的后果时，一脸迷茫。
传统工厂存活到现在，基本上属于苟延残喘。在对工厂做智能化改造的过程中发现，一些即将倒闭的工厂，经营不善的原因并不是生产设备老化或者招不到工人的问题，而是生产事故频频、订单严重拖延、原材料积压，生产成本过高。
在问及工厂负责人，工厂的发展目标时，无一例外都是发挥最大的效率生产产品。
这就是典型的，混淆了企业发展的目的和手段。
01
效率高，并不一定业绩好
在人工智能盛行的今天，许多工厂早已经把设备进行了智能化，甚至用机器换人，实现机器人流水线，大大提高生厂力，甚至为此沾沾自喜。
所以生产力提高，赚钱就多了吗？
事实并非如此，反而出现了多米诺骨牌效应：因为工会，被机器换掉的员工不能炒掉，所以管理成本不会下降；一个环节生产力的提升，并没有带动生产中所有环节效率的提高，所以产量并没有提升；存货不断上涨，订单交付能力直线下降，最终的结果是，工厂面临倒闭。
在《目标》一书中，举了这样一个例子：
假如你有两个下属，小A和小B，工作流程是小A做完工作后，给小B完成。结果小A工作效率很高，导致工作在小B那里大量积压。作为领导你该怎么解决这个问题呢？
一般而言，你肯定会帮助小B提高工作效率，或者在这个环节增加人手。但如果这个环节既无法增加人手，也不可能提高效率呢？
而且，在工厂，你十有八九看不出问题出在小B这个环节，因为整个生产过程有几十个环节，还有一套错综复杂的流程。
你能看到的，只是一部分工人在拼命加班加点生产，一部分工人却因为没有零件而无所事事；一部分环节三天两头出事故，一部分环节设备开工率不足一半；一边是严重拖延的定单，一边是积压如山的原料和半成品。
同样的情况，也出现在办公室里。总有人每天加班，但是业务依旧拖延，是不努力吗？明明加班加点，很努力在工作了，这个时候就要考虑，是不是流程出了问题。
如果某一个环节效率“猛增”，必然给下一个环节带来生产上的压力，半成品积压，导致后面所有的环节无法进行下去，所以产量并不会因为一个环节效率的提升而提升。
一个木桶能盛多少水，取决于最短的那块木板，同样的，一个工厂的产能，也取决于效率最低的那个生产环节的速度。
机器人增加某一个环节的效率，反而造成内部生产的浪费——存货成本的增加、人员管理的困扰等等。
解决这个问题的方法很简单，——干掉效率最高的那一个人，或者换掉你引以为豪的机器人流水线。
我们的目的就是为了赚钱，如果降低效率反而能赚钱，为什么不可以降低呢？
02
智能不是设备的智能
实际上机器人并没有我们在假想中那么大的用处。更多的时候，无人工厂只是一个噱头，工厂的整体运营还是要依靠人的智慧。
人培养的大局观是机器人不可能具备的，另外，在机器换人的过程中，由于人的利益受到的损害，不仅会遭到大部分人的反对，有时候也会因为机器的使用不当，导致更严重的后果。
此外，机器人的维修费用，相比人的管理成本要高的多。
所以，与其妄图通过机器换人实现智能化改造，不如找到生产运营中的瓶颈环节，以便于最大程度的保证“瓶颈环节”的效率。
人工智能是否会发展出人的意识，是一个未知，但唯一可确定的是，人现在优于机器的地方在于人的判断力和决策。
人能够分清事情的紧急重要，从而做出判断，这一点在工作过程中体现的尤其明显。根据紧急程度贴上不同标签，保证瓶颈环节随时可弥补， 从而提高整体的效率。
03
AI区块链方法论
这也是AI区块链方法论中，针对生产的一种方法。利用智能获得所有生产环节的信息，通过数据分析，判断哪一部分或者是哪一区块为瓶颈环节，以及在这个环节有没有优化的空间。
各个环节数据的打通，可以让我们清楚的看到，每个环节的优势和问题，通过分区块的处理，有时候能够越过瓶颈环节，通过优势环节直接处理，以减轻整个流程的压力。
此外还要对工作目标进行评估，计算在各个环节需要分配的时间，保证工作的质量和效率，在执行阶段，看各个环节的成果反馈。
忙碌，并不代表有效率，追求局部的效益系统，往往会达到反效果，应用AI区块链，从局部到整体，从判断到决策，从生产力的提高，到对应的生产关系的改变，才是对智能最大的应用。
