ARTICLE · 1123040
让真实业务能够持续托付给软件与 AI.
企业软件真正棘手的问题，往往出现在系统已经进入真实业务之后。
一个经营数字受到质疑。 却没人能快速说明它为什么是这个数字。
一个运行多年的系统需要改变。 越来越少的人敢确认会影响哪里。
一个关键任务准备交给 AI。 企业却说不清哪些判断可以交出去、哪些结果可以直接采用。
这些问题表面上不同，背后有一个共同点：
企业已经把部分真实业务交给了软件，但支撑这种托付的依据，往往还散落在人、文档、代码、数据、规则和运行环境里。
一旦人员离开、规则变化、系统调整，原来可以依赖的结果就需要重新判断。
AI 让这个问题变得更急迫。
生成、判断、编程和执行的成本正在快速下降，越来越多事情都可以交给软件和 AI 去做。
企业真正需要解决的问题，也开始继续向前推进：
能不能做 → 为什么可以把真实业务交给它 → 条件变化以后还能不能继续交给它
“能做”正在快速普及。企业更需要知道，什么可以托付，以及这种托付能否持续。
我们长期做的事情，是把原本依赖专家经验、临场解释和个人记忆才能继续的工作，逐步落实到可以被工程承载的对象、关系、规则、依据和运行过程里。
一个结果为什么成立？谁正在依赖它？什么发生变化会影响它？后来的人还能不能接着处理？
这些问题都尽量进入软件本身可以检查和改变的结构中。
大模型进一步放大了这条工程路线的重要性。
过去我们主要面对的是人的变化、系统的变化和业务的变化；现在还要同时面对模型变化、自动生成结果增加以及责任边界更难判断的问题。
形成结果越来越容易以后，真正稀缺的是让这些结果能够进入真实业务，并且在变化以后仍然能够被检查、承接和重新判断。
我们把这个结果称为持续可托付。
所谓持续可托付，就是企业能够有根据地把真实业务中的相应作用交给软件与 AI，并在人员、模型、规则、数据、软件和现实条件变化以后，仍然能够判断这种托付是否成立、是否需要调整以及是否可以继续。
这里的“持续”，意味着托付关系能够随着现实变化接受重新判断。托付可以继续，也可以调整、缩小、暂停或者撤回。
关键在于，企业始终能够回答两个问题：
为什么现在可以托付？
变化以后，还能不能继续托付？
客户不需要一开始就处理整个系统。
一个说不清依据的数字。为什么是这个数字？凭什么是这个数字？
一个越来越难改的系统。什么变了？会影响哪里？
一个准备交给 AI 的复杂任务。哪些可以交出去？结果凭什么采用？
一项已经超出少数骨干覆盖范围的工作。换人以后还能不能继续？
任何一个真实存在的局部问题，都可以成为起点。
我们可以从其中一个问题开始，用四个动作去检验它：形成一次 → 运行一次 → 改变一次 → 接手一次
看它能不能从“做得出来”，走到“可以持续托付”。