用 AI 实现企业自动化

1. 从脚本和 RPA 到今天，变了什么

企业自动化早就存在，而且留下了不好的记忆。脚本只做你告诉它的事，别的一概不做：供应商哪天改了一个列名，它就停下，或者更糟——带着错数据继续跑。RPA 把这个原理工业化了，办法是模仿人在软件里的点击——同样脆弱，而且界面每变一次就得把一切重写一遍。

变化不在执行速度，而在处理未预料情形的能力。一个智能体收到换了说法的请求、列顺序变了的表格、答非所问的客户，不会停下：它把眼前的情况与自己对这份工作的理解联系起来，走下一步。传统自动化之所以不好用，正是卡在这 20 % 的例外上——单独处理它们，比全部手工做还贵。

实际后果是：不再自动化一连串操作界面，而是自动化一个目标。搭建工作不再是描述步骤，而是说清一条规则，并说明动手之前哪些情况必须先回报。这就是所谓的智能体系统，它用日常语言写成，而不是用代码。

2. 什么才真正交得出去

几乎每家小公司都有同样的四分之一工时，消失在四类任务里。它们都不是一门专业，却都不可缺少，起步就该从这里开始。

• 完全重复的工作——要出的报价、要催的发票、要写的会议记录、要归档的材料。规则一句话说得完，结果一眼就能核对。
• 靠的是持续而非才华的工作——让 CRM 保持最新、在合适的时机回访潜在客户、稳定发布内容。人做一次会做得更好，智能体每一次都做。
• 读与分类的工作——过一遍进来的请求、判断成色、转给对的人、把二十条往来消息压成三行有用的话。
• 因为没时间而从来没做的工作——行业跟踪、唤回沉睡客户、更新文档、搜索可见度。这些工作缺了不会马上显出来，代价却最大。

不能交出去的，不是「太复杂」的事，而是一切会让公司承担后果的事。签约、录用、解聘、给折扣、付款、终止合同。不是智能体做不到，而是这里出错代价高昂，有时不可逆。这些动作要经过人工审批——认真的系统会把这条界线明确写出来，而不是留给各人自行谨慎。

3. 一项好的首个任务的四条标准

首个项目选什么，比选哪个工具更重要。一项好的首个任务要同时满足四个条件，四个都不能少。

• 它经常出现。至少每周若干次。低于这个频率，调试的时间收不回来，也没人会养成使用的习惯。
• 规则一句话说得清。如果你无法向一位新员工说清怎么做，也就无法向智能体说清——问题不在智能体。
• 结果几秒钟就能核对。你必须能不做调查就说出「这个可以」或「这个不行」。否则你永远不会知道系统是否奏效。
• 出错能够挽回。一封措辞失当的邮件，一句话就能补救；一笔已经汇出的款，收不回来。请从可挽回的一侧起步。

催收逾期发票同时满足四条标准，因此是最常见的首个项目——也是最容易看清成效的，因为它直接体现在现金上。其次是对进来的请求做分流。

4. 让项目失败的三个错误

起步太大。「把行政工作自动化」不是项目，而是一个意愿。它会带来六个月的分析、一份没人重读的需求书，以及零成果。一周内交付的一项任务，比一个年度计划更能改变一家公司，因为它让团队看清什么真的有用。

把坏流程自动化。荒唐的审批链条自动化之后依然荒唐——只是变快了，也更难被质疑。如果公司里没人说得出某个环节为何存在，问题不是把它自动化，而是把它取消。自动化会暴露坏流程；它不会修好坏流程。

不知道系统做过什么。这是三个月后让项目死掉的错误，也是最不显眼的一个。无法复核的委派工作，会变成不再被信任的工作，公司于是悄悄回到手工。能够看到做了什么、由谁做、花了多少钱不是管理上的舒适：它正是明年敢于交出更多工作的前提。

5. 这会改变组织里的什么

真正的变化不是裁员，而是负担的转移。消失的是没人愿意认领的工作：重复录入、催办、归档、提醒。增加的是定框的工作：说清期待什么、划定边界、复核产出。

它要求一项新本事，不妨直说：把一条规则讲清楚的本事。许多公司靠的是口头相传、从未写下的习惯，一旦开始委派才发现自己从未把标准说明白。第一周会不舒服，而这往往才是项目真正的收获——与技术无关。

一个实际后果：该来主导这件事的不是技术人员，而是懂这份业务的人。调好一个智能体靠的是把工作讲清楚，不是把它编成程序。把项目交给技术部门，最有把握得到的是一件做得没错却没人用的工具。

6. 起步阶段唯一要盯的数字

不是自动化了多少任务，也不是理论上省下多少小时，而是人工返工时间。每周需要多少分钟，才能把智能体产出的东西改到可用？

这个数字的好处是诚实。它下降，说明委派奏效，可以再加任务。它不动，说明规则写得不好——有用的反应是重写指令，而不是换模型。它上升，说明这项任务选错了：收回来自己做，另选一项，不必留恋。

第二个数字，在多个智能体同时运行后就要盯住，那就是每项任务的成本。一件不知道价钱的委派工作，也就无法判断它值不值得委派。

7. 常见问题

延伸阅读

延伸阅读：什么是智能体系统、AI 智能体在企业里究竟做什么，或治理与预算控制。