夜雨聆风你在优化工具，不是优化流程
过去一年我见过至少 5 家企业的 AI 转型方案。说一个结论：其中超过六成花的钱，跟把钱扔水里唯一的区别是——钱扔水里还能听个响。
不是 AI 没用，是他们买错了东西。
大多数企业做 AI 的思路是这样：先找个通用大模型，给各部门买账号，让 IT 做一轮培训，然后等"奇迹"发生。三个月后一看，除了市场部拿它写周报，没人真在用。于是结论就来了——"AI 不成熟"。
真正的问题，从来不在模型能力上。
Anthropic 今年 3 月发布的 Economic Index 报告给出了一个关键信号：Claude 的 top 10 高频任务集中度从 24% 降到了 19%，使用场景在快速泛化，但企业端价值产出高度不均衡。一部分团队拿同样的模型做出了 5 倍以上的效率提升，另一部分团队感觉"好像有点用，但说不清到底用了什么"。
差距不在谁选对了模型，而在谁把流程重构了。
流程是骨，工具是肉
说到底，AI 的能力边界不取决于模型参数量，取决于你给它喂进去的业务流程有多清晰。
在国内头部音频公司参与过一个端到端运营流程重构项目，复盘后最深的感受是：旧流程下节假日营销活动从立项到上线需要 10 到 12 个工作日。每一步单独拆开都不慢——方案对齐 2 天、文案撰写 1 天、设计出图 2 天、页面搭建 1 天、审核修改 3 天、上线部署半天。真正拖垮周期的不是单个环节的耗时，是各环节之间的衔接成本。每次交接都意味着信息衰减、重新对齐、以及无休止的微调返工。
很多企业管理者算 AI 投资回报的时候只看工具采购成本，忽略了一个更大头的数字：流程摩擦成本。McKinsey 一项针对知识工作者的研究指出，他们平均每周花 28% 的时间处理"因流程设计不当产生的非增值工作"。翻译成人话就是——你付的工资里有将近三分之一是用来对抗流程本身的。
AI 在这里的真正角色不是替代某个岗位的人，是把流程里的摩擦力磨掉。但磨掉摩擦力这件事，前提是你先承认摩擦力的存在。
三层架构：把AI真正嵌进业务骨架
那个营销活动项目涉及的团队角色至少有 5 个：运营、策划、设计、前端开发、编辑。中间有 7 个以上的交接节点。单点提效没有意义——瓶颈不在某一个节点上，在节点之间的传递损耗。
解题思路是一个三层架构。
第一层：知识层。 把"谁在什么场景下需要什么信息"这件事显性化。不是建知识库，是建决策规则——哪些内容资源可以用、哪些表述符合合规、哪些模板在哪种活动类型下调用。这一层解决的是"信息对不齐"的问题，也是大多数 AI 项目一上来就翻车的节点：大模型不知道你的上下文，因为它没有你的规则。
第二层：能力层。 用 6 个独立的 Skill 分别替代 6 个执行环节。Campaign Orchestrator 做活动策略编排，Copywriting Gen 做多品类文案生成，Image Gen 做视觉素材产出，Layout Engine 做页面布局渲染，Album Selector 做内容选品决策，Page Publisher 做一键多端发布。每个 Skill 是一个独立的能力单元——可以被编排层按需调度，也可以脱离其他 Skill 单独迭代升级。
第三层：编排层。 这是真正拉通端到端流程的地方。编排层不关心单个 Skill 内部怎么实现，它只定义"先做什么、后做什么、什么条件走哪条分支"。本质上，它替代的是项目经理手工追踪 7 张 Excel 表格的工作量。
三层跑通之后的数据：一个营销活动从 10-12 天压缩到不超过 2 个工作日。不是说某个环节快了 5 倍——是中间那些"谁去跟谁对一下""这个版本和那个版本不一致""设计稿和文案不匹配要返工三回"的碎片时间被消灭了。这些碎片时间加起来，占原来周期的一多半。
这个架构的核心原则就一条：先定义流程，再定义工具。大多数公司的顺序是反的——先买工具，再琢磨流程。工具买了，流程没变，结果就是花了大价钱给旧流程包了一层好看的壳。
Skill 思维 vs. Agent 思维
市场上现在有一种主流声音：Agent 是 AI 的下一个范式，什么都应该 Agent 化。
我对这件事的判断是：Agent 是执行范式，Skill 是能力范式。二者不冲突，但顺序不能乱。先有 Skill，后有 Agent，不是反过来。
Skill 的本质是什么？是把一个确定性的、可复用的能力封装成独立模块。它不是 prompt 模板——prompt 模板只关心"说什么"，Skill 还关心"怎么做"和"在什么条件下做"。这两层信息差，决定了输出的稳定性。
有一个具体的例子。在国内头部音频公司做过一个色彩提取 Skill，需求是这样的：运营上传一张活动 banner 图，系统自动提取主色调和辅助色，用于页面整体配色方案。很多人的第一反应是——"让模型看图给颜色不就行了？"
实际情况是，让大语言模型视觉能力来"猜"色彩，一致性极差。同一张图问三次，主色调的色值偏差能到 30% 以上。对于品牌页面来说，这种不确定性不可接受。
正确做法是用确定性算法。Python 移植了 Android 的 Palette 算法，核心逻辑是像素聚类后对图像中心区域做高斯加权——这是基于"用户视觉焦点在画面中心"这个客观事实，不是拍脑袋。再对深色场景做 DarkMuted 转换处理，输出三组色彩：主色调、辅助色、文字推荐色。这个 Skill 上线后，运营每次配色耗时从手动取色约 15 分钟降到 2 秒以内，准确率基本稳定在 100%。
Skill 思维的要义一句话：该用确定性的地方，别让概率模型上。大模型擅长的是编排决策——判断"这个场景该调哪个 Skill"——而不是高精度执行。
Anthropic 在去年底正式发布的 Agent Skills 标准——微软已在 VS Code 和 GitHub 中集成，Cursor 和 Goose 等开发工具也已接入——本质上在推同一个方向：把"做事的能力"标准化封装。这不是巧合。行业正在从"模型竞赛"转向"能力竞赛"，而能力竞赛的胜负手，是 Skill 的设计质量。
双飞轮：为什么第一步应该最小化
一个务实的问题：企业如果要做 AI 流程重构，从哪开始？
我的建议是不要从"全公司 AI 转型"开始。从一条端到端流程开始。
内部提炼出一个"双飞轮"模型。第一个飞轮叫落地飞轮：挑一条最痛、频次最高的流程，用三层架构把它跑通，拿到可量化结果，再用结果说服下一个部门参与。第二个飞轮叫能力飞轮：跑通一个场景后，提取可复用的 Skill 沉淀到能力层——新场景进来，70% 的能力是现成的，只需要开发 30% 的新东西。
这个模型的实际回测数据：第一个场景（营销活动端到端流程）跑通用了 6 周，其中前 3 周全在梳理流程和建规则——一行 prompt 都没写。第二个场景只用了 2 周。到第三个场景，不到 1 周就拿出了可用版本。不是因为团队变强了，是能力层的复用率从零涨到了 70%。
说一个反共识的判断：企业 AI 转型的第一年，不应该着急买任何新工具。真正值得花钱的是雇一个懂业务的 AI 产品经理，花 3 个月把现有流程拆解明白，再花 3 个月把第一条流程跑通。这个投资回报率比先刷 10 个 SaaS 订阅高得多。
Google Cloud 2026 AI Agent Trends Report 有一个相当直接的结论：Agentic AI 在供应链管理场景下的端到端流程周期平均压缩了 62%。Salesforce 今年 4 月发布 Agentforce Operations 时，核心卖点就是"无需替换现有系统即可实现端到端流程自动化"。大厂都在往这个方向走，但他们的产品能不能直接套到你的业务流程上？答案取决于你的流程有没有被先标准化过。
这套方法不适合谁？
必须说清楚边界。三层架构不是银弹。
以下三类场景，直接套这套方法大概率会失败。
第一，流程没有标准化基础的公司。如果你的业务目前还处在"不同人做同一件事方法完全不同"的阶段，先做流程标准化。不用 AI——用 Excel 把 SOP 写清楚就行。没有标准化基础，AI 只是在加速混乱：混乱加速的结果不是效率，是更快的翻车。
第二，一把手不参与的转型。AI 流程重构本质上是一次组织变革，因为它会改变岗位职责、协作路径和问责边界。如果只有 IT 部门在前面推，业务部门在后面观望，三个月后 IT 自己也不会再用那套东西了——不是因为技术不好，是因为没有组织推力让新流程"合法化"。我在内部见过不止一个项目死于"老板说要做，但老板自己不用"。
第三，所有环节都依赖深度"人的判断力"的高创造度流程。不是所有流程都适合自动化。如果一个流程中 70% 以上的决策需要资深领域知识和创造性思维，AI 在里面做的是辅助而非替代。这时候投入重资源做端到端重构，ROI 可能跑不正。花三个月建架构，然后发现业务同学还是得花同样时间做决策，这种投资是净损失。
真专家该敢说"不适用"。每套方法论都有它的适用半径。超出这个半径强行套用，毁的不只是项目预算，还有团队对企业 AI 的信心——第二项比第一项贵得多。
想清楚这四个字，比想清楚用什么模型重要：适—不—适—合。
执行起点：一个你可以今天就开始的动作
如果读完上面这些，你认同"先定义流程再定义工具"这个逻辑，这里有一个不需要任何预算的起点动作：
拿一张 A4 纸，画一条你团队最痛的业务流程的端到端节点图。不要画系统架构图，就画"信息从哪来、经过谁的手、下一步到谁、最后变成什么"。然后拿一支红笔，把每个"人等别人给东西"的节点圈出来。你圈出来的那些红圈，就是 AI 的第一批切入点。
不是先上大模型，是先画这张图。画完了，你自然知道该先动哪一步。
这篇提到的【三层架构 SOP 与 Skill 设计清单】我整理成了文档，公众号后台回复「流程重构」领取。
✍️ 本文由麻豆鹿原创，欢迎转发分享。
