把 AI 放进钉钉群：一种低门槛的场地安全巡检方式

关联文档：[[AI skill 如何产品化]]

AI 落地不一定要开发一个新软件

很多人提到 AI 落地，首先想到的是开发一套新系统：做网页、做账号、做菜单，再培训员工如何使用。但在真实工作中，新系统往往意味着新的学习成本。员工本来就在钉钉沟通，如果只是为了使用 AI，还要打开另一个应用，使用率很容易下降。

我在尝试场地安全巡检时，发现还有一种更直接的方式：把 AI 接到大家已经在使用的钉钉群里。现场人员不需要学习新的工具，只要像平时汇报问题一样，拍照、补充一句说明，然后 @群里的巡检机器人即可。

机器人收到文字和图片后，把照片交给 AI，并同时提供企业已有的巡检要求、标准案例和物料说明。AI 根据这些材料检查照片，再把结果发回原群。整个过程看起来就像群里多了一位随时在线的巡检助手。

假设现场人员发现某个施工区域可能存在安全隐患。他打开钉钉群，拍摄现场照片，并发送：

@巡检机器人，请检查这个区域是否符合安全要求。

后面的事情由系统自动完成。机器人取得原始照片，AI 对照巡检标准查看画面中是否存在防护栏缺失、通道堵塞、物料堆放不规范、人员防护用品不完整等问题，然后组织成一条容易阅读的回复：

巡检结论：疑似不合格

发现问题：临边区域未发现完整防护栏
风险等级：高
判断依据：巡检规范 3.2
处理建议：暂停附近作业，并补充防护设施

请安全负责人结合现场情况复核。

现场人员不用整理表格，也不用把照片转发给不同部门。问题、照片、初步判断和后续讨论都留在同一个群里，其他相关人员可以立即看到并继续处理。

需要注意的是，机器人并不会偷偷读取群里的所有聊天。只有成员主动 @机器人时，这条消息才会进入分析流程。这既是产品能力的限制，也让使用者明确知道：哪一张照片正在被送去分析。

视觉模型能识别图片，但“看见”不等于“会巡检”。如果只问 AI“这张照片有没有问题”，它只能依据通用常识回答，结果很难符合具体企业的管理要求。

这类场景真正有价值的部分，是把企业原本分散在文档、表格和老师傅经验里的标准整理出来。例如，什么情况属于高风险，什么距离算合格，发现问题后应该采取什么措施，哪些情况必须由人工到场确认。AI 有了这些依据，才能从普通的图片识别工具变成一个懂业务规则的助手。

因此，一套可用的 AI 巡检方案通常包含四样东西：员工熟悉的使用入口、现场提供的照片和说明、企业自己的巡检标准，以及能够理解图片的 AI。机器人只是把这四部分连接起来，让它们形成完整闭环。

场地安全巡检只是一个例子。同样的方法还可以用于门店陈列检查、仓库货物堆放、设备外观检查、物业保洁验收、施工进度核查和产品包装质检。

判断一个场景是否适合，可以看三个条件：一线人员能否通过照片表达问题，企业是否已有相对明确的判断标准，AI 给出的初步结论是否可以由人复核。三个条件都满足时，就不一定要先建设复杂系统，可以先在群聊中验证业务价值。

这种方式尤其适合做小范围试点。先选择一个群、一类巡检任务和一份明确标准，观察 AI 能否稳定发现问题、现场人员是否愿意使用、回复是否真的帮助后续处理。验证有效后，再考虑增加记录归档、问题跟踪、统计报表和整改闭环。

照片可能模糊、角度可能不完整，画面之外也可能存在关键情况。因此 AI 必须允许回答“无法判断”，不能为了给出结论而猜测。高风险问题还应明确提醒人工复核，不能把模型输出直接当作最终验收结果。

图片中可能包含人员、场地和生产信息，使用前也要确认数据权限、保存范围和外部 AI 服务的合规要求。让技术流程跑通只是第一步，谁可以发起检查、结果保存多久、谁负责确认和整改，同样需要提前约定。

这类方案让我看到一种更务实的 AI 落地路径：不先改变员工习惯，而是把 AI 放进现有工作入口；不让 AI 凭空判断，而是给它业务标准；不追求完全替代人工，而是帮助人更快发现问题、统一表达并推动处理。真正落地的不是一个会聊天的机器人，而是一条更短、更清楚的工作流程。