乐于分享
好东西不私藏

AI下半场:不是增加更多工具,而是重做流程

AI下半场:不是增加更多工具,而是重做流程

FANGE

AI下半场:不是增加更多工具,而是重做流程

帆歌|研究增长与发展的人

引言

之前我讨论了一个问题:

为什么每个人都更快了,公司却没有变强?

AI让员工写得更快、查得更快、算得更快。

但这些被释放出来的生产力,并不会自动变成企业的生产率。

它可能堵在部门之间。

消失在审批里。

沉淀在旧的岗位和绩效制度中。

我把这种现象称为:

AI生产率泄漏。

那么接下来,一个更重要的问题就来了:

如果生产率泄漏在流程里,

是不是只要给每一个流程节点都装上AI,就可以了?

很多企业现在正在这么做。

原来一个流程有七步。

第一步,加一个AI助手。

第二步,加一个Copilot。

第三步,做一个Agent。

第四步,接企业知识库。

第五步,让AI自动生成报告。

第六步,让AI检查。

第七步——

还是领导审批。

原来的七步,一步没少。

甚至因为担心AI出错,又增加了:

人工复核。

数据安全检查。

AI结果确认。

新的审批节点。

七步最后变成了九步。

于是一个非常荒谬的场景出现了:

AI越来越多,流程反而越来越长。

所以我越来越认为:

如果旧流程一条都不敢动,AI就不是在改造企业,只是在给旧组织安装外挂。

1

提效、自动化、重构,是三件完全不同的事

FANGE

今天企业谈AI落地,经常把三个概念混在一起:

提效。

自动化。

流程重构。

其实它们完全不同。

比如,过去一个员工写一封客户邮件需要30分钟。现在AI五分钟生成初稿。

这叫:提效。

人还在。

流程还在。

只是原来的任务做得更快了。

再比如:

过去客户订单发到邮箱以后,需要员工打开邮件、读取内容,再把信息录入ERP。现在AI可以直接读取邮件、识别订单内容,再自动录入系统。

这叫:自动化。

原来的任务还在,只是执行者从人变成了机器。

真正的流程重构是什么?

是企业开始问:

既然AI已经可以直接读取客户需求,为什么还需要一个人先把客户邮件整理成Excel,再交给另一个部门?

这时候我们问的已经不是:

“这一步能不能让AI做?”

而是:

“这一步为什么还存在?”

这是一个完全不同的问题。

所以我把它们分成三个层次:

提效,是把原来的事情做得更快。

自动化,是让机器替人做原来的事情。

重构,是重新判断原来的事情还有没有必要做。

很多企业今天所谓的AI转型,其实还停留在前两个层次。

真正困难的,是第三个。

2

不要急着嘲笑旧流程,它们当年大多有存在的理由

FANGE

讲流程重构,很容易犯一个错误:

把传统企业过去建立的那些流程都看成官僚主义。

其实不是。

很多流程在它们产生的时候,都非常合理。

为什么销售收到客户需求以后,要先整理一次再交给技术?

因为技术部门不可能每天阅读大量杂乱的客户邮件。

为什么不同部门之间要反复填表?

因为信息分散在不同系统里。

为什么中层管理者每天要汇总报表、开会、向上汇报?

因为一个CEO不可能直接读取几百个人的工作信息。

为什么重大事项要层层审批?

因为信息不透明。

专业能力不对称。

而企业还必须控制风险。

这些流程背后,其实存在一个非常基本的约束:

人的认知带宽有限。

一个人能够同时处理的信息有限。

一个管理者能够直接管理的人数有限。

不同专业之间理解彼此信息的能力也有限。

所以企业不得不把一个大任务拆开。

分给不同的人。

再通过表格、报告、会议、审批,把这些信息重新连接起来。

这里产生了大量成本。

我们可以把它理解为:

信息摩擦(Information Friction)。

过去的企业流程,很大程度上是在一个高信息摩擦环境下形成的。

问题是:

AI正在改变这个环境。

FANGE

3

大模型真正降低的,是大量非结构化信息的摩擦成本

FANGE

过去,一封几十页的客户资料,需要人先读。

一堆Excel,需要人整理。

中文和英文之间,需要人翻译。

销售语言和工程语言之间,需要有人转译。

几百份文档,需要有人先总结,再向上汇报。

大量会议内容,需要秘书整理纪要。

这些工作为什么存在?

因为信息不能直接流动。

它必须经过人的大脑进行一次加工,才能交给下一个人。

而大模型正在大幅降低这部分成本。

它可以阅读文字。

理解表格。

处理图片。

翻译语言。

整理非结构化信息。

总结大量文档。

把一种表达方式转换成另一种表达方式。

当然,它并没有消除所有信息摩擦。

AI仍然会带来新的问题:

核验。

权限。

上下文。

数据质量。

幻觉。

系统接口。

但是一个趋势已经非常清楚:

过去因为人的信息处理能力有限而存在的大量信息中转工作,正在失去原来的技术前提。

所以我认为,AI进入组织以后,最先被冲击的未必是一个完整的岗位。

而是岗位之间大量的:

接收。

整理。

汇总。

转译。

转发。

再汇报。

这些信息搬运工作。

过去这些工作很重要。

今天我们必须重新问:

这条信息为什么还需要经过三个人,才能到达真正需要它的人?

FANGE

4

但这里一定要分清两种流程节点

讲到这里,很容易走向另一个极端:

既然AI能够降低信息摩擦,

是不是中间节点越少越好?

不是。

我认为企业必须区分两种完全不同的节点。

第一种:认知型节点

这类节点存在,主要是因为人的认知能力和信息处理能力有限。

例如:

整理资料。

汇总信息。

转换格式。

重复录入。

把一个部门的信息重新加工以后,再交给另一个部门。

这些节点,是AI时代最应该重新审视的地方。

有些可以删除。

有些可以合并。

有些可以自动化。

有些可以被AI直接穿透。

第二种:隔离型节点

它们的存在不是为了搬运信息。

而是为了:

风险隔离。

相互制衡。

合规要求。

独立审计。

责任分离。

比如重大付款的双重授权。

财务职责分离。

法务审查。

合规检查。

这些节点不能因为AI更聪明就随便删掉。

有些地方恰恰相反:

AI越快,越需要独立的风险控制。

所以:

AI应该穿透认知型节点,却可能强化隔离型节点。

这也意味着,AI流程重构绝对不是:

节点越少越好。

而是:

每一个节点,都必须重新证明自己为什么还应该存在。

想增长 谋发展

看帆歌

5

我自己的企业里,就有一个非常典型的例子:报价

FANGE

上一篇,我讲过一个实际问题:

报价慢。

一个客户需求进来以后,传统流程可能是:

客户提出需求。

销售整理。

技术确认规格。

查询历史订单。

核算成本。

生成报价。

销售经理审核。

特殊情况找老板审批。

最后发给客户。

假设整个流程需要十天。

现在企业开始用AI。

销售用AI整理客户需求。

技术用AI查询历史资料。

成本人员用AI计算。

销售再用AI生成报价邮件。

于是大家都在用AI。

但如果原来的流程一个节点都没有变化,

它本质上还是原来的流程。

只是每个人旁边多了一个AI。

这不是流程重构。

真正的重构,可能是另外一种样子。

客户需求进来以后,

AI直接读取并结构化。

自动调用产品资料、历史订单、成本数据和客户历史。

根据企业已经设定的规则形成报价区间。

然后,订单开始分流。

标准订单走标准路径。

在明确的价格、毛利、信用和授权范围内,自动完成大部分流程。

异常订单走人工路径。

毛利异常。

金额异常。

特殊客户。

特殊付款条件。

战略性定价。

重大合同条款。

这些情况再进入人的判断。

注意,这里真正发生的变化不是:

“AI替代了几个人。”

而是:

过去所有订单都走同一条长流程,现在不同风险的订单开始走不同的路径。

这才是流程重构。

6

流程重构最深的变化,是改变“默认路径”

这一点,我认为特别重要。

很多人理解AI流程改造,还是:

过去A由人做。

现在A交给AI。

过去B由人做。

现在B也交给AI。

这仍然是在原来的流程里换执行者。

真正更深的变化,是:

改变什么叫正常流程,什么叫例外流程。

传统组织习惯的是:

所有事情先审批。

所有材料先汇报。

所有决策逐级往上走。

没有人签字,就不往下走。

这是一种:

事前逐项审批的控制逻辑。

而在适合标准化、风险可控的场景里,AI可能推动另一种组织方式:

规则事先确定。

标准情况默认流动。

异常情况自动升级。

事后持续审计。

也就是说:

AI流程重构最深的变化,不是把人换成AI,而是把组织从“逐项审批”逐步转向“规则约束下的异常管理”。

这件事情一旦发生,

企业的速度才可能真正发生数量级变化。

想增长 谋发展

看帆歌

7

但是,“人审异常”绝不意味着让AI自己决定什么叫异常

我这里必须非常谨慎。

如果我们说:

“标准情况交给AI,异常情况交给人。”

马上会出现一个问题:

谁定义异常?

如果完全由AI自己判断,

风险很大。

因为AI最危险的错误,有时候不是它告诉你:

“我不知道。”

而是它非常自信地告诉你:

“没有问题。”

但实际上错了。

所以,企业不能只靠AI自己上报异常。

至少需要三道机制。

第一,企业自己设定边界

比如:

毛利低于多少,必须人工审批。

金额超过多少,必须升级。

客户信用低于什么等级,不得自动放行。

出现某些法律条款,必须进入法务。

这些边界不能由AI临时决定。

第二,即使AI判断为正常,也要保留动态抽样审计

定期随机检查。

看看系统是不是正在出现新的错误模式。

第三,必须有熔断机制

一旦发现异常率上升,或者环境发生重大变化,自动流程必须能够立即停下来。

所以Human-in-the-Loop真正的含义,不应该是:

人在每一步都审批。

也不应该是:

AI觉得自己不行了才找人。

真正的含义应该是:

企业自己决定,人必须在什么条件下出现。

这是完全不同的管理逻辑。

8

什么可以自动走,什么必须让人出现?

那么企业到底怎么划这条边界?

我建议先看两个维度:

不确定性有多高?

一旦错了,后果有多严重?

如果:

不确定性低,错误后果也低。

例如格式转换、标准数据录入、例行汇总。

这类任务最适合高度自动化。

如果:

不确定性低,但错误后果很严重。

比如某些财务、合规动作。

AI可以大量参与,但必须有明确规则、验证和审计。

如果:

不确定性高,但错误成本很低。

比如内部创意、探索性分析、小规模实验。

反而可以大胆让AI试错。

而如果:

不确定性高,错误后果也严重。

重大投资。

战略定价。

关键人事。

重大法律承诺。

这种事情,人必须保留最终判断。

所以企业真正应该问的,不只是:

“AI能不能做?”

而是:

“如果AI做错了,我们承受得起吗?”

这个问题,会把AI从技术问题重新拉回管理问题。

9

为什么很多流程明明知道应该改,却就是改不动?

走到这里,AI已经不是最困难的问题了。

真正困难的是组织。

为什么很多企业明明知道某个审批没有必要,

还是删不掉?

因为流程从来不只是流程。

流程也是组织权力的一张路线图。

谁拥有信息。

谁拥有审批权。

谁可以否决。

谁控制预算。

谁有资格让一件事情继续往下走。

这些东西都藏在流程里面。

所以删掉一个流程节点,有时候意味着:

一个人失去信息优势。

一个部门失去审批权。

一个岗位失去一部分存在的理由。

这就是为什么:

买AI容易。

改流程难。

但是,如果只看到“权力”,仍然没有看到全部。

还有另外一个更隐蔽的东西:

责任。

10

流程是权力的路线图,也是责任的避难所

在企业里,我们经常看到一种现象:

一件事情明明一个人可以判断,

最后却需要五个人签字。

为什么?

有些确实是必要的风险控制。

但有些不是。

有些只是因为:

多一个人签字,就多一个人一起承担责任。

于是形成一种很奇怪的组织机制:

我签了。

你也签了。

他也签了。

大家都参与了。

最后出了问题,却很难说清楚到底谁负责。

我把这种现象叫作:

分布式免责。

流程越来越长。

会议越来越多。

签字越来越多。

但责任反而越来越模糊。

所以,当AI把三个信息中转节点拿掉以后,真正困难的问题马上出现:

谁来判断?

谁有授权?

谁承担责任?

这才是AI流程重构真正碰到组织深处的地方。

我们需要的不是把所有责任重新压到一个人身上。

更不是所有事情最后都让老板负责。

真正需要的是:

责任必须清晰、可追溯,而且必须与授权相匹配。

谁拥有相应的判断权,

谁承担相应的责任。

谁承担责任,

组织就必须给他足够的授权。

否则,所有被删除的审批节点,迟早还会重新长回来。

所以:

AI流程重构最终不是技术工程,而是权责重构。

11

如果我是CEO,我会先拿三个问题重新检查流程

我不会先问各部门:“还能在哪里加AI?”

我会先把一条真正重要的业务流程画出来。

然后对每一个节点问三个问题。

第一问:中转

如果这个节点消失,信息会中断,还是反而会更透明?

如果它主要在做:

接收。

整理。

转发。

汇总。

那么它应该优先接受AI重构。

第二问:规则

这个节点是在做真正需要人的判断,还是只是在执行一套稳定规则?

如果只是重复执行稳定规则,

就应该优先考虑自动化。

如果面对的是高度不确定的问题,

人的判断仍然重要。

第三问:责任

这个审批节点真的是为了控制风险,还是只是为了多一个人签字、平摊责任?

这可能是最难问的一句话。

但也是最值得CEO亲自问的一句话。

因为很多流程的真正阻力,不是技术。

而是组织长期形成的防御机制。

12

AI下半场,不是工具升级,而是组织重构

所以,我并不认为AI时代的好流程一定更短。

有些流程会被删除。

有些会合并。

有些会自动化。

有些风险隔离和审计节点,反而应该加强。

真正重要的不是:

流程还有几步。

而是:

每一步为什么存在?

它是在创造价值,

还是搬运信息?

它是在做真正的判断,

还是重复规则?

它是在隔离真正的风险,

还是帮助组织分散责任?

如果一个流程节点存在的唯一理由是:

“我们以前一直都是这么做的。”

那么AI时代,

它就应该第一个接受重新审视。

这也是为什么我越来越认为:

AI的上半场,是把AI交给员工。

AI的下半场,是重新设计企业。

真正的AI转型,不是公司又买了多少工具。

也不是又上线了多少Agent。

而是企业开始重新设计:

信息如何流动。

规则在哪里执行。

人在哪里判断。

权力如何配置。

责任由谁承担。

当这些东西开始变化,

AI才真正从一个员工的工具,

进入了企业的组织结构。

但走到这里,一个更加危险的问题也出现了。

过去,我们是什么都不敢交给AI。

未来,我们可能走向另一个极端:

因为AI越来越好用,于是什么都想交给AI。

可是,一个企业真正的边界恰恰在这里。

哪些能力可以借?

哪些任务可以交?

哪些数据可以开放?

哪些判断可以让AI参与?

又有哪些东西,无论AI多聪明,企业都必须牢牢留在自己手里?

下一篇,我们讨论:

企业做AI,最危险的问题不是“哪里能用”,而是“哪里不能交”。

<<<  END >>>

| 想增长 谋发展 看帆歌 |

原创声明

本文内容及观点均为作者原创,依法享有著作权。

未经作者书面授权,任何机构和个人不得以任何形式复制、转载、发表或改编。

如需引用,请注明作者及出处。