跟几个中小制造企业的IT负责人聊过，发现一个挺拧巴的现象：AI喊了两年，大家都想用，但真正卡住进度的，往往不是模型选型，也不是预算，而是最不起眼的那件事——同一个东西，公司里叫法不一样。
有个做零部件的朋友举了个例子。采购系统里叫“M8×20不锈钢螺栓”，仓库台账写的是“六角螺栓M8”，技术图纸上又是另一个编码。三个系统，同一个物料，三个身份。以前靠人脑记着“这几个其实是一回事”，勉强能转。现在想让AI帮忙做库存预警或者供应商比价，模型一查，三个独立物料，各算各的，结果全乱。AI不会猜，它只认数据。数据是散的，AI就是瞎的。
这就是中小企业做AI落地时最尴尬的地方：大企业有专职团队先花半年梳理主数据，中小企业没这个条件。传统MDM那套“先定标准、再治数据”的逻辑，放在年营收几千万的厂子里，标准还没定完，业务部门已经不耐烦了。更麻烦的是，中小企业的历史欠账往往最重——ERP跑了七八年，物料编码堆了几万条，同一个东西五六个名字，想清理不知道从哪下手，不清理AI项目一个也推不动。
但情况在变。AI本身正在把这件事的顺序反过来。
过去的逻辑是“人定标准，人洗数据”。现在一些平台的做法是：先把存量数据交给AI跑一遍，让它从语义层面识别哪些记录其实指向同一个实体。比如“M820不锈钢六角螺栓”和“螺栓M8*20不锈钢”，人一看就知道是一回事，但传统规则匹配搞不定。大模型可以，它理解的是意思，不是字面。理完之后，标准自然浮出来，而不是凭空拍一套规则再硬套。
这个转变对中小企业挺关键。你不需要在启动前拿出一套完美的编码体系，也不需要养一支专职清洗团队。先让AI把脏活干了，人做复核和决策就行。
国内做这件事的厂商里，中翰软件的路子值得留意。这家公司2006年成立，做数据治理快二十年，客户名单里一水儿的大型央企和制造集团。但2025年他们完成了一轮产品重构，推出的AI原生MDM平台走的是另一个方向：业务人员拍照上传或者语音说一句“新增一个物料”，系统自己去查重、匹配、判断是否跟已有记录重复，确认环节才交给人。他们的“双轨带练”交付方式也指向同一个逻辑——线下顾问带几轮，线上AI顾问持续接手，目标是把治理能力留在业务端，而不是顾问走了数据又乱回去。
效果怎么样不好替它吹，但方向是清楚的：中小企业要的不是一套需要先学三个月方法论的治理体系，而是一个业务人员能上手、IT不用全程陪跑的工具。门槛足够低，事情才有可能开始。
当然，工具解决的是“能不能做”。真正决定数据能不能管住的，还是那个老问题：填报的人觉不觉得这数据是自己的。AI可以帮你把存量理清楚，可以帮你盯着录入环节别出错，但它没法替业务部门产生“我在意”这三个字。
不过至少，先把AI的“眼睛”擦干净。喂给模型的东西是什么样，它就还你什么样。这件事上，没有捷径。
