夜雨聆风
很多企业做 AI 机会识别，第一步就让各部门上报。
销售报一个客户画像，研发报一个资料汇总，法务报一个合同审查，运营报一个周报生成。
收上来以后，再按部门、系统模块或 L1-L3 流程架构归类。
最后得到一张很漂亮的“AI 机会清单”。
但这张表经常有一个问题。
它看起来很完整，却很难落地。
如果机会点只来自部门上报和架构归类，它往往还不是机会点，只是需求线索。
真正可落地的 AI 机会，通常不在粗颗粒架构里。
它藏在流程详细节点里。
谁在什么触发条件下，拿什么材料，做什么动作，交付给谁，结果由谁确认，异常由谁兜底。
这些细节展开以后，AI 才有输入、输出、规则和验收边界。
一、为什么“广泛收集 AI 机会”容易跑偏
部门上报不是不能做。
问题是，它很容易把“想法”误当成“机会”。
每个部门都能说出几个想用 AI 的地方。
但如果没有落到具体活动节点，就很难判断：
输入是否存在，输出是否明确，规则是否清楚，风险由谁确认。
流程架构归类也类似。
L1-L3 流程地图是骨架，它能告诉你企业有哪些主流程、哪些支撑流程。
但它不能直接告诉你，哪一个活动节点适合让 AI 先接走一段活。
粗颗粒架构能帮你定位方向，不能替你判断可落地节点。
二、先还原事实，不要一上来问“哪里能用 AI”
访谈一开始就问“哪里能用 AI”，得到的大概率是愿望清单。
更好的问法，是沿着一条真实流程追问事实。
比如新品上市流程。
机会从哪里来？谁决定立项？产品定义怎么写？研发什么时候介入？供应链怎么确认？内容和渠道怎么准备？合规怎么把关？最后由谁确认发布准备完成？
这个阶段不要急着让业务判断 AI 能做什么。
先让业务把事实讲完整。
产品经理讲输入和交付物，研发负责人讲评估参数和测试约束，内容同学讲渠道规则和禁用表达，合规同学讲认证资料和确认方式。
当这些口述材料连起来，机会线索会自己冒出来。
哪里重复找资料，哪里补字段，哪里生成相似内容，哪里做规则比对，哪里做归因总结，哪里就可能有 AI 机会。
三、泳道图不是为了好看，是为了暴露交接
访谈记录天然会跳。
有人从最痛的环节讲起，有人省略自己觉得理所当然的交接，有人把异常处理讲成主流程。
泳道图的价值，是把“谁在什么时候做什么、交给谁、产出什么”放到同一张图上检查。
在新品上市链路里，泳道可以包括市场、产品、研发、供应链、内容渠道、法务合规、客服复盘。
主链路从市场信号收集，到产品机会筛选、PRD 初稿、研发可行性评估、样机验证、供应确认、上市资料包准备、渠道内容生成、合规预检、发布准备确认，再到售后反馈回流。
这里先不要急着画未来 AI 流程。
先还原现状。
然后在产品定义、研发资料汇总、渠道内容生成、合规预检、售后归因等节点上标机会线索。
“
AI 机会识别不是先画未来，而是先把现实画清楚。
现实没有还原，机会就只能靠猜。
四、流程说明表，比一句“这里可以 AI 化”更重要
泳道图画完，还不够。
你还要把每个活动节点转成流程说明表。
这张表要和泳道图一一对应，写清楚活动、负责人、输入材料、交付物、时效、系统工具和 AI 机会线索。
更细一点，每个活动都要尽量回答 5W2H：
Who谁负责，谁确认。
Why为什么触发这个动作。
What做什么，交付什么结果。
How拿什么材料，按什么规则，在哪个系统里做。
How much做到什么标准，成本和风险多大。
比如“渠道内容生成”这个节点。
输入是产品事实、渠道规则、历史样例和禁用表达。
交付物是多渠道内容包。
AI 机会线索是内容生成、规则比对和风险预检。
这个节点就比一句“内容团队可以用 AI”更具体，也更容易试点。
五、AI 机会点要用四维打分
业务同事未必知道 AI 擅长哪些认知动作。
所以不能只靠灵感和热情。
要有一把尺子，把每个活动节点逐个打分。
| 任务可结构化 | |
| 资料可获得 | |
| AI 可发挥 | |
| 业务值得做 |
用这把尺子看新品上市流程，“渠道内容包生成”往往会是高分节点。
因为输入清楚，样例和规则容易整理，AI 擅长生成和比对，结果也可以人工确认。
“合规风险摘要”也可能进入首批或第二批，因为它有明确规则和人工确认边界。
但“产品方向判断”虽然业务价值高，却不一定适合先做。
因为它高度依赖战略取舍、竞争判断和管理层决策。
AI 可以辅助判断，但不应该替代高风险决策责任。
六、两个 Skill 连起来，才能稳定产出机会报告
这套方法如果要变成可复用能力，可以拆成两个 Skill。
第一个是“流程泳道图 Skill”。
输入访谈记录、流程边界和参与角色，输出流程现状泳道图、活动节点清单和待确认问题。
它的重点是还原现状，不提前设计未来流程。
第二个是“流程说明与 AI 机会识别 Skill”。
输入泳道图和访谈材料，输出流程说明表、5W2H 活动描述、四维评分、AI 机会点建议和待业务确认问题。
先画图，再出说明和机会点，中间必须有业务校正回路。
人的参与不能省。
AI 生成草案，业务方确认事实。
AI 标出候选机会，团队选择首批试点。
AI 可以帮你发现线索，但不能替代业务确认责任边界。
七、最后交付的，不是一张 AI 清单
一次合格的 AI 机会识别，不应该只交出“AI 可以做什么”。
至少要交出三件东西。
1一张泳道图：证明流程事实如何流动，责任和交接在哪里。
2一张流程说明表：证明每个活动怎么执行，输入、输出、规则和确认人是什么。
3一份 AI 机会报告：证明为什么某个节点适合 AI，所需材料是什么，首批试点边界在哪里。
如果没有这三件东西，机会清单就很容易变成口号。
看起来热闹，推进时却发现没有材料、没有规则、没有确认人、没有验收标准。
最后说一句
企业要抓住的，不是 AI 会不会聊天，而是 AI 能不能接走一段可控流程。
可控的前提，是你知道它接的是哪一个节点，读什么材料，产出什么结果，失败时谁接手，风险由谁兜底。
AI 机会识别不是从工具开始，而是从一条真实流程开始。
这件事听起来慢。
但它会让 AI 项目少走很多弯路。
因为你不是在追一个新工具，而是在把组织的流程经验，变成可复用、可验证、可迭代的能力。
只要这一步跑通，后面从产品研发换成订单交付、客户服务、售后复盘、合同审批或项目交付，方法都能迁移。
先跑通一条真实流程，再谈规模化复制。
信息来源说明
原文来源：詹生talk《真正靠谱的AI机会点，都藏在流程节点里》
补充来源 1：NIST AI Risk Management Framework：用于补充 AI 风险治理需要先理解用途、场景和部署边界。
补充来源 2：APQC Process Classification Framework：用于补充流程分类框架帮助企业建立可比较、可管理的流程结构。
补充来源 3：APQC 关于 Business Process Owner 的资料：用于补充流程 Owner 对端到端流程结果、目标和持续改进负责的判断。
