质检主管的深夜难题：把现场口述变成一份根因分析初稿

晚班十点，注塑区跳出一批毛边超标。你赶到现场，班组长一口气讲：料筒温度好像有点怪、换料的时候颜色不对、可能是周末那台机保养完之后、还有新来的操作员可能没锁模到位……。你一边听一边在纸上潦草地记，第二天早上要交一份根因分析给厂长，可是笔记本上只剩下一堆片段。一人身兼多职的质检主管，最痛的往往不是不会查，而是「来不及把口述整理成有逻辑的东西」。

好消息是，这件事现在就能交给 AI 帮忙。ChatGPT 最擅长的，正是把散乱的自然语言重新结构化——你不用会下什么高深指令，只要把现场口述原封不动贴进去，它就能帮你排出一份「五个为什么」（5 Why）的追查表初稿。

为什么「口述整理」是质检最容易漏掉的一环

异常发生的当下，信息是最完整的，但也是最混乱的。现场人员习惯用因果混杂、跳跃式的方式描述：把现象、猜测、抱怨全部混在一起。等你回到办公室要写报告时，记忆已经衰退，很多细节只剩模糊印象。传统做法是靠质检主管的经验硬把它梳理成逻辑，但这一步耗时又依赖个人功力，换一个人接手质量就掉。AI 的价值，就是把这段「梳理」变成三分钟的事，让你把时间留给真正的判断。

五个为什么，AI 帮你问到底

5 Why 的精神是：对着同一个现象，连续追问五层「为什么」，一路挖到可以行动的根本原因。质检主管常见的问题是问到第二层就跳去下结论。把口述丢给 ChatGPT，请它以「现象→为什么1→为什么2……」的层层结构重建，并把每一层标注成「已确认事实／待验证假设」，你会立刻看见哪些环节只是猜测、还没有证据。这份初稿不是答案，而是一张把追查方向摊开的地图。

泰国厂的实操：三语混杂的现场，先落地成一种语言

在泰国设厂的台商，现场常是台干讲中文、泰籍班组长讲泰文、报告要交中文的三语混杂局面。实务上建议：先让熟悉现场的人用最顺的语言（通常是泰文）把经过讲完、录音或打字，再贴给 ChatGPT 并指定「请用中文输出，专有名词保留原文」。这样既保住现场第一手描述的准确度，又能产出主管看得懂的中文初稿。工安相关的异常（例如换模时的夹伤风险、化学品泄漏）尤其要把「人、机、料、法、环」五个面向都问过一轮，AI 可以帮你确保没有漏掉工安这条线。

一个提醒：AI 产的是初稿，不是结案报告

务必记得，ChatGPT 不在现场、也看不到你的检验数据，它整理出的每一层「为什么」都要拿回产线用实际测量去验证。把它当成一个很会问问题、很会排版的助理，而不是判官。真正的根因，还是要靠你和现场的测量数据去钉死。

🔧 AI 动手做：把现场口述整理成五个为什么追查表

把班组长的口述（或录音转成的文字）直接贴进 ChatGPT，用下面的提示词，就能得到一份可以带回产线验证的 5 Why 追查表初稿。

你是一位资深质检工程师，熟悉制造业异常的根因分析与 5 Why 手法。
以下是现场人员对一起质量异常的口述，内容凌乱、因果混杂，请你重新整理。

【现场口述】
（把班组长讲的内容原封不动贴在这里，或贴上录音转出的逐字稿）

请依下列格式输出，用中文，专有名词与机台编号保留原文：
1. 【异常现象】一句话描述客观现象（不要放猜测）。
2. 【五个为什么追查表】以表格呈现，栏位：层级（为什么1～5）、可能原因、这是「已确认事实」还是「待验证假设」、建议用什么数据或方法验证。
3. 【人机料法环检查】分别列出这起异常在人员、机台、物料、方法、环境五个面向各有哪些待查点，若口述没提到就标「口述未提及，需补问」。
4. 【立即待办】列出 3 件我明天一到现场就该先做的验证动作。

注意：你没有到现场，凡是无法从口述确认的，一律归类为「待验证假设」，不要自行断定根因。

本周就能做的一步

下一次现场一出异常，先别急着回办公室写报告——当场请班组长把经过讲完、用手机录音，回到座位转成文字后贴进 ChatGPT 跑一遍上面的提示词。你会发现三分钟就有一张追查表，而且会清楚看到哪些原因其实只是「大家以为」，还没有人真的去量过。这一步，就是把现场的隐性知识留下来的开始。