# Kuken Kogyo 查一张旧图纸，从半天降到 4.5 分钟

> 全年节省约 90% 只是预测，不是实测，FDE 不该把两者放进同一句话。

原文: https://fdetimes.net/zh/news/kuken-kogyo-ai-drawing-search-pilot/

在 Kuken Kogyo 的福冈工厂，要从 70 多年积累下来的档案里找出一张旧图纸，过去需要几十分钟到半天不等。该公司与 Recursive 联合开发的系统在试点中把平均耗时降到了 4.5 分钟。

Kuken Kogyo 是一家总部位于福冈的空调设备制造商，在日本冷却塔市场排名第一。Recursive 是一家总部位于东京涩谷的 AI 解决方案公司。

据 MONOist 报道，该系统基于 OpenAI API 构建，有两项功能：检索图纸和审核图纸。Recursive 于 11 月 4 日在联合开发公告中公布了试点结果。

对前线部署工程师（FDE）来说，这条新闻值得一读，原因有二。第一，这正是在制造业客户那里很可能分到手的项目。第二，两家公司呈现数字的方式，清楚地显示了实测结果到哪里为止、承诺从哪里开始。

## 哪些数字是实测，哪些是预测？

仔细看，公告里有三类数字。4.5 分钟是福冈试点的真实测量值，韩国 TokenPost 对此另有报道。即便如此，报道该项目的日本媒体仍把这个平均值描述为“预期”。

第二个数字是全年检索工作量减少约 90%。这是基于去年数据的估算，不是实测结果。第三类是上线时间表：Kuken Kogyo 计划在 2026 年内让该系统在福冈和千叶两座工厂全面投入使用。这仍是目标，不是确定的时间表。

**要点:** 永远不要把试点实测值和预测值放进同一句话。

用一个假设的计算可以看出 90% 可能从何而来。假设过去一次检索平均需要 45 分钟，那么 4.5 分钟恰好是原来的 10%，即降低 90%。

但这个算术成立有前提：每年的检索次数保持不变，千叶的条件与福冈一致，工程师也确实改用这个工具。在系统全面部署之前，这些假设都无法验证。

## 为什么图纸档案是 FDE 的主场

一座运转了七十多年的工厂，保存着任何现成模型都没见过的图纸和技术文档。要解决这个问题，就得坐在工程师旁边，看他们在找什么、为什么要花半天。

需求调研中首先要问的问题是：工程师开始检索时，对那张图纸还记得什么？如果记得的是产品编号、客户名称或项目年份，问题就更偏向元数据的清洗和利用。

如果他们只记得“一个长这样的零件”，就需要按视觉相似度检索，难度和成本都高得多。

最快的办法是：每计时一次真实检索，就记下工程师最初掌握的线索。之后再决定系统该怎样检索。这是派驻现场的人该做的事，而不是远在别处的产品团队。

有一个细节值得注意：这个系统不止于检索，还会审核图纸。如果接手类似项目，可以预期检索跑通之后，客户会希望把工作流的下一步也自动化。第一次需求调研时就该问清这一步。

## 如何如实汇报试点结果

到客户现场后，第一件事是在写任何代码之前先测出基线：给真实检索计时，并记录时间范围。Recursive 发布的联合公告之所以有分量，正是因为给出了“几十分钟到半天”这个参照点。没有这条基线，4.5 分钟什么也证明不了。

把这类项目写进简历或在面试中介绍时，也用同样的三层结构：在哪里测试、测出了什么、哪些部分仍是估算。优秀的 FDE 招聘方恰恰会在这里追问。一开始就把这几层分清楚的候选人，说明明白证明价值比做出演示更难。

Kuken Kogyo 真正的考验在千叶，4.5 分钟这个数字必须在那里从头再测一遍。

**本周动手试试:**

- 重新打开最近一次发给客户的成果报告，给每个数字标上“实测”“估算”或“目标”。
- 在客户那里挑一个文档检索流程，先给 10 次真实检索计时、拿到基线，再提议任何工具。
- 按这个格式改写简历中一条关于试点的描述：试点范围、实测指标，以及哪部分仍是预测。

## 信源

- [空研工業とRecursiveが共同開発したAIシステムによる図面検索効率化の実現](https://voix.jp/?p=149914)

- [도면 검색 평균 4.5분…연간 검색 공수 90% 절감 추산](https://www.tokenpost.kr/news/ai/435604)

- [MONOist: AI speeds past-drawing searches, cutting search time to an average of 4.5 minutes (title translated)](https://monoist.itmedia.co.jp/mn/articles/2611/06/news005.html)
