当 AI 说＂这个我帮不了你＂:我们做了一件事,让它真正读得懂你的业务

自从去年DeepSeek火爆全网以来，新闻媒体不停的在报道AI的神奇之处。然而FA Tech的顾问在平时与许多HR交流过程中发现，大部分的HR觉得AI应用似乎离自己本职的工作效率提升还很遥远，也一直没有找到合适的AI落地场景。

继FA Tech咨询部去年推出HR AI工作坊后，我们今年又再次将内容升级与更新，目标帮助HR和管理者找到真正值得AI化的落地场景。

01 HR与AI对话的真实感受

为何会有如上的感受呢？让我们从一个常见的例子出发：

HRBP 找到 AI：“帮我做一个新员工的入职培训计划，这个员工是管培生，第一年在市场部轮岗。”

AI 回复：“好的，我帮你做一个新员工入职培训计划，一般步骤是：了解公司文化、熟悉部门同事、参加入职培训……（以下省略 500 字正确的废话）”

HR BP 心里想：“这不是我想要的。这个管培生的培养路径、定级标准、轮岗部门顺序、mentor 安排——它一概不知道。”

结论：AI 不接地气，还是得靠人。

这个场景反复出现，最后HR觉得AI似乎没有想象中的那么智能，没有办法解决工作中的实际问题。

02 真正的问题：AI 缺的是”业务语境”

AI 能写报告、做分析、生成方案，但为何写出来的东西常常“差点意思”，因为它并不知道你公司的环境里这个工作是怎么开展的。

很多企业在找 AI 场景时，容易犯两个错误：

第一个错误是”技术驱动”——先看有什么 AI 工具（DeepSeek不行换Kimi，Kimi不行换豆包），再套用到业务上。结果 AI 工具试了不少，真正用起来的寥寥无几。

第二个错误是”拍脑袋”——凭感觉选一个场景上 AI，结果花了大精力上线了AI Agent，但是业务部门不认、AI 输出的东西差得远，上线后用户使用率很低，项目不了了之。

外企德科在过去的实践中发现，真正有效的方式必须是从业务现状出发，按照业务流程进行拆解和识别，找到那些 AI 真正能发挥价值的地方。

这个思路有三个好处：

第一，需求真实。 流程里的痛点是真实存在的，解决了才有效。

第二，边界清晰。 每个流程节点有明确的输入、输出和执行角色，AI 该在哪个环节介入、发挥什么样的作用、是解决效率问题还是质量问题还是体验问题等等一目了然。

第三，成功率可评估。 把流程拆开后，每个节点能打几分、卡在哪里清清楚楚，AI 能不能做、做到什么程度，有客观依据。

换句话说：找 AI 场景的本质，是先把业务流程拆清楚，再判断 AI 能在哪里发挥作用。

OpenClaw 的诞生，使得 AI Agent 走入可以复用技能的时代。所谓的 SKILL，就是将HR在一个流程中的实际工作经验与处理步骤变成「结构化 + 可执行化 + 可复用化」的能力单元，从而使得AI 在执行命令时，能够调用此逻辑，来确保处理的方式与人类的处理方式高度一致。

外企德科咨询部在多个 AI 落地项目里，沉淀出了这样一套工具——AI Agent 可行性分析 SKILL。

它不是简单的提示词模板，而是一套基于流程分析的系统化方法论。能把任意 HR 或业务流程拆解到原子级，评估每个节点 AI 化的可行性，告诉你哪部分适合搭建AI处理，哪些不适合，最后还可以给出搭建AI Agent的设计方案。

03 这个 SKILL 能做什么？

场景一：不知道 AI 能用在哪儿

团队最常问：不是缺 AI 工具，是不知道用在哪里。然而你不告诉AI你具体是在哪个流程中遇到什么样的挑战，AI自然无法有效的去解决问题。

FA AI Agent 可行性分析 SKILL内置了美国生产力与质量中心 APQC PCF 流程分类框架——全球最权威的跨行业流程标准，覆盖制造、金融、零售、科技、医疗等 14 个行业，每个行业有完整的四级流程体系（L1 → L4），并且根据与用户的互动，引导用户将流程拆解到L5任务（SOP）颗粒度。

举例来说，”算薪”不是一个合适的颗粒度——它至少要拆成：

01 收集月度考勤数据

02 收集请假/加班记录

03 收集社保公积金缴纳基数

04 收集专项附加扣除信息

05 收集薪酬变动记录（调薪/晋升/奖金）

……

颗粒度拆对了，AI 能在哪里介入、不能在哪里介入，才看得清楚。 SKILL 的第一步就是帮你把流程拆到L5，再逐个节点评估 AI 化的可行性。

场景二：AI 上了，输出和预期差得远

常见反馈：AI 写的招聘 JD 像翻译腔，培训计划套不上公司现有的晋升体系。

问题不在提示词，在于没有给 AI 建立业务语境。

FA AI Agent 可行性分析 SKILL解决这个问题有四个核心环节，对应”让 AI 懂行”的四把钥匙——

没有这四把钥匙，AI 输出的质量全靠 Prompt 当天写得怎么样。有了这四把钥匙，AI 输出是可预期的、可持续优化的。

04 SKILL 的具体能力

引导式APQC PCF 流程框架

SKILL 内置美国 APQC PCF，覆盖 14 个行业大类，四级流程体系，以标准清单为起点，支持根据企业实际业务删减、补充、重新定义。

流程清单制作

SKILL 强制收集四个维度的信息：

• 角色：这个流程涉及哪些岗位？
• 系统/工具：用到了哪些系统（Core HR、OA、考勤、薪酬系统……）？
• 协作方式：靠即时通讯、邮件、Excel/Word、纸质文件还是系统消息？
• 优化目标：希望通过 AI 解决什么问题？

四个维度收集完毕后，SKILL 自动生成任务级流程清单，每个节点注明角色、系统、输入、输出——这成为后续所有分析的基准。

以薪资数据收集与核验流程为例，AI将自动生成流程清单列表，如果和实际情况有偏差，可进行再次调整和生成。

KCP（流程关键控制点） 识别

KCP（Key Control Point，关键控制点）是流程中出错后果严重、必须人工介入的节点。此类节点往往也是AI的应用和提效的重点。

举例来说：薪酬核算流程中，”汇总核对考勤与薪酬变动数据”是输入校验型；”HR 负责人审核工资单草稿”是输出审批型。

Mermaid 流程图制作

SKILL会根据上述的流程清单，自动生成Mermaid格式流程图，颜色编码（蓝输入/黄计算/绿输出/橙决策），KCP 关键控制点紫色菱形标注，方便用户确认流程。

AI可行性评估

SKILL会对每个流程节点是否AI Agent有较大帮助进行评估，FA的解决方案思路是引入TD领域的KSA模型，评估人类在每个节点干活时所需的应知、应会、应备是什么，让AI自己打分替代人类的信心指数，从而评估出此节点AI化的可行性。

同时此SKILL还会是使用RADES模型，对每个节点进行打分，即评估：Repetitiveness 重复性（这个任务每次步骤是否高度标准化？）Ambiguity Inverse 规则明确度（执行规则能否完整写成操作手册？）Data Availability 数据可用性（执行所需数据能否被程序直接读取？）Error Tolerance 容错性（AI 出错的后果是否在可控范围内？） Speed/Frequency 频率/速度（这个流程的优化频率和时效要求？）来进行综合评估输出三个优先级：

• 🔥 强推荐：RADES 达到阈值，且 KSA 显示 AI 可替代核心工作
• ✅ 可做：达到可做阈值，或强推荐但 KSA 有限制
• ⏸ 暂缓：未达阈值，或核心工作依赖隐性经验/人际关系

个人 Agent 搭建指南

对每个强推荐/可做的节点，SKILL 会最终将此次提问分析出的AI可落地性节点进行汇总分析，整理和合并出可进行搭建的AI Agent清单，并输出一份个人单机版使用OpenClaw提效的AI Agent搭建指南，内容包含：

• Agent 名称：用业务语言命名（如”薪资变动数据整合 Agent”）
• 核心功能：这个 Agent 具体做什么
• 搭建建议：搭建所需准备的和整理的材料

企业级 Agent PRD

在个人版基础上，SKILL 输出一套企业级 Agent PRD，并包括Mermaid 架构图、HR 侧梳理清单（业务侧准备什么）、IT 侧实施清单（技术侧做什么）、预估落地效果。

个人版建议和企业版建议都可生成Word文档进行下载：

05 工作坊怎么开展？

学会方法论是一方面，更重要的是在真实业务里用起来。

基于以上的SKILL，外企德科在此方法论的基础上，可根据受众的实际需求定制工作坊内容——不仅仅是 HR 场景，任何业务域的管理者都能从中找到与自己工作相关的 AI 落地思路。

外企德科咨询部的 AI 工作坊设计理念是：用 DEMO 驱动理解，用实战发现场景。

示例 A：综合性制造业集团 · 高管半天工作坊

注：以上为参考示例。工作坊内容根据受众岗位、行业、数字化基础定制，欢迎联系我们获取专属方案。

06 工作坊报名

报名或咨询请联系外企德科咨询部。

AI 落地的门槛，不是会不会用 AI，而是能不能找到值得 AI 化的场景，并让它真正读得懂你的业务。外企德科咨询部 AI 工作坊，解决的就是这个问题。