成本工程演进：从经验依赖转向数据驱动
据logisticsviewpoints.com报道，现代成本工程正经历一场深层变革——其核心不再是优化历史成本报表，而是构建“应有成本”（should-cost）模型，以支撑供应链韧性。这一转变背后，是工业组织对AI驱动方法的加速采纳。原文数据显示，90%的供应链领导者承认严重缺乏操作新型成本工程系统所需的数字人才。
人力断层加剧：超25%制造业员工年龄超55岁
文章指出，当前工业制造领域正面临严峻的劳动力危机。据原文报道，全美制造业 workforce 中约25%的员工年龄已超过55岁；在北美中小制造企业（构成工业供应链基底）中，30%至40%的企业主及熟练操作工人正临近退休。这一结构性断层直接导致“部落知识”（tribal knowledge）大规模流失——即未文档化的工艺诀窍、材料行为直觉与设计约束经验。原文强调，当资深成本估算师离职时，他们带走的不仅是简历上的头衔，更是数十年积累的隐性判断力，而这类能力极难通过培训快速复刻。
角色重构：估算师转型战略顾问
传统制造估算师曾长期陷于手工劳动：反复查阅静态2D PDF图纸、目视解析复杂3D CAD模型、在多个孤立电子表格间拼凑成本假设。其价值高度依赖耐心与模式识别，而非深度洞察。如今，在率先推行成本工程的领先企业中，该角色已转向战略顾问：借助AI自动提取BOM、工艺路线与材料数据库信息，转而聚焦于构建基于真实制造约束的成本驱动模型，并指导研发团队开展面向可制造性的设计（DFM）。原文明确指出，这一转型使估算工作从“向后看”的被动响应，变为“向前看”的主动干预。
文化挑战：从“破解专家”到“赋能专家”
文章回顾了早期数字化部署中的典型误区：管理层常将掌握关键IP的资深员工视为需被“破解”的对象，试图剥离其经验并封装为算法。这种姿态加剧了员工防御心理，阻碍知识沉淀。而现代成本工程要求根本性转变——不再替代人，而是重定向人的精力：将专家从重复性、高风险、低附加值任务中解放，转向更高阶的生态协同、异常判定与跨部门决策支持。原文强调，该路径虽无法覆盖全员，但能确保组织保留并放大核心智力资产的战略价值。
本文编译自海外媒体报道，由 SCI.AI 编辑团队整理发布。
