提到企業愿景和目標侃侃而談，談到企業經營狀況啞口無言，是現在許多企業包括工廠存在的情況。
一個企業真正的目的是為了賺錢，降本增效等一系列的行為只能稱之為手段，大部分時候，我們無法分清兩者的重要程度，以致于出現效率越高、業績越差的后果時，一臉迷茫。
傳統工廠存活到現在，基本上屬于茍延殘喘。在對工廠做智能化改造的過程中發現，一些即將倒閉的工廠，經營不善的原因并不是生產設備老化或者招不到工人的問題，而是生產事故頻頻、訂單嚴重拖延、原材料積壓，生產成本過高。
在問及工廠負責人，工廠的發展目標時，無一例外都是發揮最大的效率生產產品。
這就是典型的，混淆了企業發展的目的和手段。
01
效率高，并不一定業績好
在人工智能盛行的今天，許多工廠早已經把設備進行了智能化，甚至用機器換人，實現機器人流水線，大大提高生廠力，甚至為此沾沾自喜。
所以生產力提高，賺錢就多了嗎？
事實并非如此，反而出現了多米諾骨牌效應：因為工會，被機器換掉的員工不能炒掉，所以管理成本不會下降；一個環節生產力的提升，并沒有帶動生產中所有環節效率的提高，所以產量并沒有提升；存貨不斷上漲，訂單交付能力直線下降，最終的結果是，工廠面臨倒閉。
在《目標》一書中，舉了這樣一個例子：
假如你有兩個下屬，小A和小B，工作流程是小A做完工作后，給小B完成。結果小A工作效率很高，導致工作在小B那里大量積壓。作為領導你該怎么解決這個問題呢？
一般而言，你肯定會幫助小B提高工作效率，或者在這個環節增加人手。但如果這個環節既無法增加人手，也不可能提高效率呢？
而且，在工廠，你十有八九看不出問題出在小B這個環節，因為整個生產過程有幾十個環節，還有一套錯綜復雜的流程。
你能看到的，只是一部分工人在拼命加班加點生產，一部分工人卻因為沒有零件而無所事事；一部分環節三天兩頭出事故，一部分環節設備開工率不足一半；一邊是嚴重拖延的定單，一邊是積壓如山的原料和半成品。
同樣的情況，也出現在辦公室里。總有人每天加班，但是業務依舊拖延，是不努力嗎？明明加班加點，很努力在工作了，這個時候就要考慮，是不是流程出了問題。
如果某一個環節效率“猛增”，必然給下一個環節帶來生產上的壓力，半成品積壓，導致后面所有的環節無法進行下去，所以產量并不會因為一個環節效率的提升而提升。
一個木桶能盛多少水，取決于最短的那塊木板，同樣的，一個工廠的產能，也取決于效率最低的那個生產環節的速度。
機器人增加某一個環節的效率，反而造成內部生產的浪費——存貨成本的增加、人員管理的困擾等等。
解決這個問題的方法很簡單，——干掉效率最高的那一個人，或者換掉你引以為豪的機器人流水線。
我們的目的就是為了賺錢，如果降低效率反而能賺錢，為什么不可以降低呢？
02
智能不是設備的智能
實際上機器人并沒有我們在假想中那么大的用處。更多的時候，無人工廠只是一個噱頭，工廠的整體運營還是要依靠人的智慧。
人培養的大局觀是機器人不可能具備的，另外，在機器換人的過程中，由于人的利益受到的損害，不僅會遭到大部分人的反對，有時候也會因為機器的使用不當，導致更嚴重的后果。
此外，機器人的維修費用，相比人的管理成本要高的多。
所以，與其妄圖通過機器換人實現智能化改造，不如找到生產運營中的瓶頸環節，以便于最大程度的保證“瓶頸環節”的效率。
人工智能是否會發展出人的意識，是一個未知，但唯一可確定的是，人現在優于機器的地方在于人的判斷力和決策。
人能夠分清事情的緊急重要，從而做出判斷，這一點在工作過程中體現的尤其明顯。根據緊急程度貼上不同標簽，保證瓶頸環節隨時可彌補， 從而提高整體的效率。
03
AI區塊鏈方法論
這也是AI區塊鏈方法論中，針對生產的一種方法。利用智能獲得所有生產環節的信息，通過數據分析，判斷哪一部分或者是哪一區塊為瓶頸環節，以及在這個環節有沒有優化的空間。
各個環節數據的打通，可以讓我們清楚的看到，每個環節的優勢和問題，通過分區塊的處理，有時候能夠越過瓶頸環節，通過優勢環節直接處理，以減輕整個流程的壓力。
此外還要對工作目標進行評估，計算在各個環節需要分配的時間，保證工作的質量和效率，在執行階段，看各個環節的成果反饋。
忙碌，并不代表有效率，追求局部的效益系統，往往會達到反效果，應用AI區塊鏈，從局部到整體，從判斷到決策，從生產力的提高，到對應的生產關系的改變，才是對智能最大的應用。
