ENEOS Materials 采用 ChatGPT Enterprise 提升制造业生产力

ENEOS Materials 已在全体员工中部署 ChatGPT Enterprise，以应对日本制造业的劳动力短缺和日益上升的运营成本。此举使超过 90% 的员工每周使用该工具，并创建了超过 1,000 个自定义 GPT，以优化专门的工业工作流。

运营效率与员工采纳

ENEOS Materials 通过优先考虑安全性和易用性，实现了 AI 的快速组织整合。利用 ChatGPT Enterprise，公司满足了处理专有信息的内部网络安全要求，同时让员工能够使用日语自然语言生成结果，无需编码技能。

关键采纳指标包括：

• 员工参与度：超过 90% 的员工至少每周使用一次 ChatGPT。
• 工作流改进：在试点阶段，80% 的员工报告工作流显著提升。
• 自定义工具：组织已开发超过 1,000 个自定义 GPT，以满足特定业务需求。

通过深度研究加速技术研发

ChatGPT 的深度研究功能将复杂技术调查所需时间从数月缩短至数分钟。这对负责匈牙利工厂的工艺开发与工程部尤为重要，该部门利用 AI 克服语言障碍和技术复杂性。

深度研究部署的可衡量成果包括：

• 语言障碍消除：对匈牙利来源进行全面检索并精准翻译成日语。
• 时间缩短：此前需要数月的调查现在在几分钟内完成。
• 技术计算：曾经需要半天完成的复杂化工工程计算和分析现在在几分钟内完成。

优化工厂设计与安全

工程部门使用专为公司标准设计的工厂设计自定义 GPT。该工具根据流量、管径、压降、流体类型和材料需求等输入生成优化的规格。

此实现提升了速度和安全性：

• 设计速度：确认材料腐蚀风险和设计基准现在只需几秒，而不再需要大量工作。
• 风险缓解：AI 在设计阶段标记材料选择风险，提升整体可靠性和防护。
• 成本效率：该工具通过将内部标准与 AI 的领域知识交叉参考，实现最佳工厂设计。

简化人力资源与培训

ChatGPT Enterprise 通过自动化分析员工培训反馈和创建数据聚合工具，彻底改变了人力资源运营。

关键 HR 改进包括：

• 分析速度：此前需要 1-2 小时手动完成的培训评估任务现在在 20 秒内完成。
• 数据聚合：通过一名没有编码经验的 HR 员工构建的工具，数据聚合时间约减少 90%。
• 持续改进：AI 驱动的系统基于既定教育框架评估培训，以优化内容。

未来整合与规模化

ENEOS Materials 打算超越通用 AI 助手，将内部训练的 AI 模型直接集成到制造设备中。长期目标是实现车间的自然语言控制，使员工能够通过日常语言引导和优化生产。