AI 进了审批流之后:一份来自深水区的落地复盘

1深水区的真相

卡住 AI 的三堵墙，都不在模型这边

先看一组来自真实落地现场的数据。这套 AI 审批助手的官方能力，判定结果与人工的一致率已经做到 95%+——而且在"AI 拒绝、人工同意"的分歧案例里，复盘下来往往是 AI 判得更严谨。模型层面，它早就"够用"了。

更扎心的是：贡献了大部分自动审批量的，是极少数"超级用户"——头部两个人就占了四成以上的任务量。换句话说，这不是一个被组织用起来的产品，而是几个高手的自留地。

这就是深水区的典型症状。把它拆开，是三堵墙：

反直觉的第一课：当你的 AI 准确率已经过关，落地的瓶颈会整体后移——从"模型准不准"变成"数据通不通、用户会不会配、过程敢不敢信"。继续堆模型能力，边际收益极低；把力气花在这三堵墙上，才是真正的杠杆。

2AI Skill 不能像软件那样测试

从"上线即交付"到"上线才开始"的品控范式转移

传统软件有确定的输入输出，测完就能上线。但一个 AI Skill 面对的是不确定的语义、不确定的数据、不确定的边界——你没法用一次性回归测试保证它永远对。所以这场会上最有价值的共识，是给 AI Skill 设计了一套动态品控生命周期，而不是把它当普通功能发出去就不管了。

3评测体系：护城河，还是照妖镜

"95% 准确率"这句话，到底硬不硬，全看评测题

会上有句话我记了下来，大意是："评测题决定了我们这个 95% 的过硬程度。如果评测题很烂，就会有人从评测题上找漏洞。" 这戳中了一个普遍的自欺欺人——很多团队报出来的"准确率 95%"，其实是拿自己出的、偏简单的题考出来的成绩。

他们的做法是分层设定基准，而不是笼统追一个平均分：

4从"工具"到"服务"

别再等用户反馈了——四类人群，四种主动运营

我觉得最大的思路转变，是从"做一个等人来配的工具"，转向"主动上门服务的 Agent"。核心动作只有一个词：主动——主动发现断点、主动推荐授权、主动答疑，而不是被动等用户来投诉。落到运营上，是四类人群、四种打法：

其中我最想强调第 ④ 类——价值账单。这几乎是所有 AI 产品都欠用户的一样东西：用户其实感受不到 AI 帮他省了什么，直到你用一张账单把"这个月你少批了多少单、省了多少小时"摆到他面前。说不清价值，用户就会默默流失；把价值量化出来，才谈得上粘性。

• 别再盯着准确率了。
  先算渗透率和头部用户集中度——如果 Top 几个人贡献了大半用量，你做的是玩具，不是产品。
• 先打数据墙，再谈能力扩张。
  用户配了却跑不出结果，比没这功能更伤人心。底层接口连通性，往往比模型更值得投入。
• 给每个 AI Skill 设"试用期"。
  影子模式并行跑、和人工比对达标才转正，别上线即放养。
• 让系统自己找错。
  不一致就自动归因（字段缺失还是规则歧义），能自动修就自动升级版本。
• 装一根熔断保险丝。
  批量异常立即停机，AI 犯错的下限必须由机制兜住。
• 评测题让运营来出，且分层。
  高频 100%、长尾容错，加权达标——评测题的质量就是你准确率的含金量。
• 变被动为主动。
  主动诊断断点、主动推荐授权、主动答疑，别等用户投诉。
• 给用户开一张价值账单。
  省了多少时长、多少成本，量化出来，价值才被看见。

总结：从"帮我批这一单"到"看整条链路"

今天的数字人还只是"帮我批这一单"的授权工具；但当它能端到端地看懂整条流程链路时，可能就不再需要业务方一个个手动配 Skill 了——AI 自己就能从流程里长出该有的能力。

这也是"智能审批"改名叫"智能流程规划"的真正原因：审批只是流程的一个切口，真正的终局是让 AI 理解并优化整条流程。而通往那里的路，不在更大的模型里，在这些不性感、却必须一件件啃下来的深水区工程里。