来源：Poka（IFS 旗下工业 AI 平台）（2026-10-14）｜ 分类：软件技能｜ 地区：国外
摘要
IFS 旗下工业 AI 平台 Poka 在 IFS Unleashed 大会上发布 Poka AI Studio——一个面向车间“人的流程”管理的无代码智能体构建器，让工厂运营团队在数周内自建受治理的 AI 智能体，并通过新发布的 Poka MCP 服务器把 Poka 内容数据开放给企业既有的 Copilot、ChatGPT、Claude 或自研模型。产品基于 12 年一线实时工作流数据，已通过早期访问计划在玛氏、雀巢等制造企业完成工厂级测试与验证。
事件概览
| 维度 | 内容 |
|---|---|
| 事件主体 | Poka Inc.（IFS 旗下） |
| 发生时间 | 2026-10-14 |
| 所属领域 | 工业AI、软件工具、国际 |
| 地区 | 国外 |
| 关注理由 | 把智能体的创建权从数据科学家下放到工厂运营团队，并以真实 SOP 与 12 年一线数据为底座，直接冲击 IE 日常最耗时的异常跟踪、问题升级与改善提案闭环。 |
核心要点
- 定位：无代码智能体构建器，专为管理工厂车间“人的流程”设计，让工厂经理、持续改善负责人等运营团队无需数据科学家团队或昂贵咨询项目即可自建智能体。
- 数据基础与验证：基于 12 年一线实时工作流数据构建，通过早期访问计划在跨国制造商玛氏（Mars）与雀巢（Nestlé）完成工厂级测试与验证。
- 典型用例：定时智能体可审阅未关闭问题、标记并升级给对的人；表单异常值检测智能体可把异常自动转成可执行洞察；多数客户数天内即可跑出首个自建智能体原型。
- 生态对接：Poka MCP 服务器把 Poka 内容数据接入 Copilot、ChatGPT、Claude 或企业自研模型，并自带认证、权限范围与治理，使“本周哪条产线没达换型目标”这类问题能得到实时回答。
- 装机规模：Poka 成立于 2014 年，服务 70 多个国家、3000 多个站点、超过 100 万名一线员工，支持 17 种语言，客户包括雀巢、博世、玛氏、达能、欧莱雅、利乐、日立等。
背景解读
工业 AI 在过去两年最常见的抱怨是“试点多、落地少”，症结通常有两个：一是数据基础集中在 IT 侧，工厂现场的业务知识进不去模型；二是建模与部署依赖数据科学家，业务团队既改不了也维护不了。无代码智能体构建器正是针对第二点：把智能体的创建权从技术团队下放到工厂运营团队，让懂流程的人自己定义“什么情况下该提醒谁、该升级给谁”。这类工具的隐含前提是标准化——智能体要基于真实的标准作业程序（SOP）运转，否则自动化只会放大混乱。这也是精益生产的老原则在新工具上的复现：先标准化，再自动化。另一个值得关注的变化是 MCP（模型上下文协议）这类接口的出现，它让工厂现场数据能够被企业已有的通用 AI 助手直接调用，而不是再建一个独立系统；对企业而言，这既降低了接入成本，也把“工厂数据要不要开放给大模型”的权限与审计问题摆到了台面上，治理能力反而成为选型的核心考量。
数据速览
| 指标 | 数值 | 意义 |
|---|---|---|
| 部署周期 | 数周内上线自建智能体（多数客户数天出原型） | 无代码方式大幅压缩从需求到上线的周期 |
| 数据底座 | 12 年一线实时工作流数据 | 智能体基于真实 SOP 与工单历史，而非通用语料 |
| 平台覆盖 | 100 万+ 一线员工 / 3000+ 站点 / 70+ 国家 / 17 种语言 | 工业现场管理类软件中较大的装机规模 |
| 接口协议 | MCP 服务器连接 Copilot / ChatGPT / Claude 或自研模型 | 自带认证、权限范围与治理，降低企业接入门槛 |
与工业工程的关联
这类工具直接冲击 IE 日常工作中最耗时的部分：异常跟踪、问题升级、表单审核、改善提案闭环。传统做法靠班组长巡检、纸面检查表与定期例会，信息滞后且容易漏项；无代码智能体把这些动作按 SOP 自动触发与升级，相当于把“持续改善”的闭环做成了常驻系统。对 IE 从业者的启示有两点：一是改善提案与异常数据的结构化程度直接决定智能体能不能用，平时把标准作业、判定准则写清楚，就是在为自动化铺路；二是岗位重心会从“收集数据、写报告”转向“定义规则、判断异常”，这要求 IE 具备把业务规则表达成明确条件的能力——这恰恰是价值流分析、标准作业与防错设计的进阶形态。
从方法与工具视角看，本条动态所涉及的技术或管理动作，最终都要落到 IE 的基本功上：流程分析与价值流映射、作业测定与标准工时、产线平衡与设施规划、以及以 OEE 为代表的效率指标体系。读者可以把本条事件作为一个"案例切片"，对照本分类下的文章进行系统学习。
从就业与发展视角看，每一次产业侧的智能化、精益化投入，都会带来新的岗位需求：精益工程师、制造工程师、供应链分析师、数字化改善顾问等。建议在校生关注此类企业的校招动向，在职者关注内部改善项目的机会窗口。
IE 术语小课堂：持续改善
持续改善（Kaizen）强调由一线员工主导的小步快跑改进，通过 PDCA 循环不断积累改善成果，是精益文化的组织基础。
IE 术语小课堂：工业互联网
工业互联网（Industrial Internet）是通过网络把设备、产线、工厂与供应链连成整体，实现数据采集与远程优化。对 IE 而言，它把原本离线采集的工时、在制品、设备状态数据变成了实时可用的决策输入。
延伸阅读
- 工业工程必备软件地图：从 Excel 到 FlexSim，每个阶段该学什么：按学习阶段给出 IE 的软件全景图：Excel、统计分析、仿真建模、CAD、企业系统，并给出…
- 用 Python 做 IE 数据分析：从工时数据到线平衡计算：四个可直接运行的 IE 场景代码：标准工时自动计算、产线平衡分析、离散事件仿真、运筹优化排产…
- 工业工程师的 Excel 实战手册：从工时分析、过程能力到线平衡的 30 个技法：面向 IE 场景的 Excel 实操手册：连续测时数据差分还原、IQR 与 3σ 异常值剔除…
- 工业工程数据与指标看板：从指标定义、采集口径到可视化落地的完整手册：从指标定义卡 12 要素讲到看板落地：OEE 三种分母口径对照（负荷 75.45% / 计划…
原文链接
https://www.poka.io/en/blog/poka-launches-no-code-ai-studio-industrial-ai-agents
本条目由站点定时任务自动采集整理，仅供参考；具体内容以官方原文为准。