这篇新西兰 AI 落地案例的主角是南岛一家建筑施工公司,既做总包也做木工分包,几十名工人分布在近二十个项目上。合作前,工时靠工头下班后回忆和 Excel 汇总,老板看不到各项目的人工成本。2026 年 4 月 8 日启动,5 月 7 日第一版跑通,6 月 15 日全公司使用。6 月 27 日一季度交付汇报:12 个核心表格、20 个项目、334 条日常记录、累计 1 万多小时工时进了飞书多维表格。下面用图讲中间三个月发生了什么。
原来,工时是怎么记的?
公司内部沟通在微信群,对外在邮件,工时在 Excel:工头下班后回忆当天谁干了几个小时,月底会计汇总算工资。4 月 9 日老板提出需求:一套工地工人的工时、项目、每日填写与追踪系统,工地管理、工人、会计和行政都能快速看到自己需要的信息;4 月 28 日又补了 VO(变更单)和工地日志。拆开是三件事:谁去哪个工地干了多久、每个工地每天发生了什么、每个项目到今天花了多少人工,中间没有一张连着的表。

第一刀切在哪里:先做工时,不做整个系统
4 月 21 日的拆解会上,我们把第一阶段定为工时统计:数据量最大、每天都发生、最容易验证对错;项目进度管理放第二阶段。两条原则当天定下:工头填的东西尽量下拉选择和智能判断,不在手机上自由打字;语音只用来调出表格,不直接下命令。4 月 22 日方案画成五步流程和四个角色,工人不需要公司账号,只在一个 Lark 外部群里收通知。


我们接进了什么?
原则仍然是连接而不是替换:工人还是在群里说话,老板还是看表,中间多了一层会写表的智能体。每个工地一个飞书群,工头把完成情况、突发事件、照片发进群并 @ 智能体;智能体跑在客户办公室的 Mac mini 上,用 OpenClaw 调度,工时、工地日志、VO 各一个智能体。底座是一套多维表格:日工时明细表是工时和人工成本的唯一来源,工时到工资由多维表格自动化按时薪计算,不走大模型。智能体不改时薪、不算工资单、不批任何东西。



第一个月:问题不在功能,在稳定性
5 月 7 日第一版全流程跑通:早上 9 点按工地推任务,下午 5 点提醒工头确认,晚上 7 点二次提醒。5 月 8 日业务咨询师在内部群写下:“OpenClaw 的稳定性一直是最大的问题。这个不解决,将无法商用。”不稳定有四个来源,解决办法不神秘:锁定稳定版本、改动前先备份、加配置让重连更稳,再写一份客户能照着看的处理说明。同一时期我们也想清楚了输入问题:工头站在工地上,手上有灰,答案不在表格里,在输入法里,手机装一个语音输入法,说完看到字再发。这件事没有做任何开发。

5 月 27 日线下会:把“工地日志”说清楚
5 月 27 日我们去了客户公司,项目经理第一次到场。会上把工地日志七项内容逐条列出,由独立智能体每天固定时间生成一份 Daily Site Log;大包与非大包项目日志不同,在项目表上加一个属性字段;VO 由工头现场用自然语言提交,业主有两种签字习惯,所以要能导出两种 Excel 格式。这次会也把第一阶段目标收成一个:成本可视化。


6 月:上线、升级、改规则
6 月 1 日到 3 日部署到老板办公室的 Mac mini,6 月 15 日全公司正式使用。两周内改了四件事:多维表格升到专业版(单表 2 万行)、时区从北京改为新西兰、工资表对群成员不可见并另建技术对接群、VO 工时改为在日工时明细里打标记。6 月 17 日一次人工核查抓出四类数据错误,系统一条都没拦住;同一天老板用一句自然语言改了一条规则:不说工时的信息记到工地日志或事件描述,只有可结算工时才进日工时明细表。



6 月 27 日一季度交付汇报
交付汇报的口径:系统完成约 85%,12 个核心表格,20 个项目入驻,334 条日常记录,累计 1 万多小时工时,当日仪表盘显示 12,149 小时。管理层从一屏看经营状态,每张表可以用自然语言问它。老板当场定了两件事:安排专人每天盯系统使用情况;把员工从 Excel 转到飞书系统,给一段缓冲期再逐步强制。审批环节没有进系统,成本审批仍在线下。二季度起客户团队自己操作,我们做教练。


交付之后:退群、修复、移交
7 月 9 日我们的人退出了工时记录群和工地管理群,群交还客户,也是为了保护客户隐私。7 月 24 日客户自建的新智能体顶掉了原智能体的飞书绑定,工程师当天远程修复,并写了一份“如何创建多个智能体而不破坏原绑定关系”的操作指引,这是我们交接文档的缺口。7 月 29 日群里一位工人 @ 智能体查整周工时,它回复合计 49.5 小时并逐日列明细,没有人打开过 Excel。9 月 1 日确认整体运行稳定,进入常态化使用,群主移交客户。


三个月留下的四条教训
回头看,最贵的不是开发,是这四个判断。
- 稳定性是第一个功能:锁版本、先备份、写一份客户能照着做的故障处理说明,排在任何模型能力之前。
- 入口决定采用率:工头站在工地上怎么输入,决定系统有没有人用。下拉选择、语音转文字、工人不需要账号,没有一件是模型做的。
- 上线不是终点,数据要有人天天盯:6 月 17 日四类错误没有一条被系统拦住。老板安排专人每天看,是系统能进入常态化的真正原因。
- 交出去之前,把“怎么不弄坏它”写下来:角色权限、新建智能体的步骤、出问题先看哪里,要和系统一起交付。
现在怎样了?
系统由客户自己运营,我们的人已经不在工时统计群里。二季度客户团队在同一套飞书加 OpenClaw 的框架上自己开始做第二件事:给关联的设计公司做 H1 保温合规报告的自动计算,我们做教练。一套系统能不能留下来,取决于最不想改变的那个人愿不愿意用它。

证据边界:本文所有数字来自项目群聊记录、6 月 27 日一季度交付汇报纪要与当日仪表盘截图,日期均已标注;“12 个核心表格、20 个项目、334 条记录、1 万多小时”是 6 月 27 日的截止快照,此后系统由客户运营,我们不再掌握最新数字。客户为新西兰南岛建筑施工公司,已匿名;截图中的公司名与人名已裁除或遮盖,含金额与项目名的区域已打码,工资数字未采用。
新西兰建筑公司的 AI 落地案例里,工地工时管理 AI 做哪一步,人做哪一步?
需要换掉 Excel,或者让工人装新 App 吗?
工地工时管理系统多久能上线?
工资和成本数据谁能看到?
AI 老板分身是什么?怎么做:把老板的判断变成团队随时能问的智能体
AI 老板分身是什么、和 ChatGPT 有什么区别、怎么做、要多久、怎么装进飞书或企业微信、能做什么不能做什么?本文用 BossClone 的六层训练流程、实操截图和六家客户的使用记录,一次讲清楚。
阅读全文企业如何利用 AI 提升效率:优化工作流程的五个有记录的杠杆
企业如何利用 AI 提升效率?答案不在换一套软件,而在把 AI Agent 接进现有流程里重复、规则清楚、数据现成的那几步。本文用 BEE Sigma 2026 年四个有日期记录的项目(发票分流 91.48%、工地工时 10 周、销售对账 11 天、跨境订单 90 天)拆出五个效率杠杆:单据分流、现场录入、跨系统对账、客户订单、市场触达,每个说明 AI 做哪步、人做哪步、多久见效。
阅读全文