专业服务机构应该先自动化什么？

**简短回答：**先从一个经常发生、占用大量员工时间、每次做法基本相同、且不主要依赖判断的工作流开始。自动化之前，先确认流程本身是通的。如果不通，先把它理顺：一个有问题的流程，自动化之后仍然有问题。

用四个问题给候选工作排序

#

列出团队反复在做的工作，然后对每一项问这四个问题。粗略的回答就足以排序，不需要精确数字。

最好的第一个工作流在这四点上都表现良好。一项工作如果频繁、成本高但主要依赖判断，仍然可以先由 AI 起草、再由人完成；只是它不适合作为端到端自动化的起点。

规则、阅读、判断

#

很多工作流混合了三类工作，所以要逐个步骤拆分：

• 遵循规则的，就自动化。 套用模板、在系统之间传递数据、按你的内部格式排版。
• 需要阅读的，由 AI 起草。 总结文件、从你自己的资料中找到答案、写出初稿：始终基于人已审核过的资料，或作为由人检查的草稿。
• 需要判断的，由人决定。 提供建议、签字确认，以及任何涉及专业或客户风险的事项。

自动化负责组装，而非签核。

先把流程理顺

#

如果一个工作流本身有问题（没人说得清的步骤、卡住的交接、因输入不清而产生的返工），把它自动化只会把问题固定下来。所以每一次合作都先观察今天的工作是怎么做的，再去选择任何模型或工具：参见我们如何合作。如果我发现的是流程问题而不是自动化机会，我会在动手构建之前直接说明。有时正确的第一步是先理顺流程、清理数据，或使用简单的确定性自动化，而不是 AI。

我已经自动化过的工作流

#

以下每一项都按它在你的机构中运行的方式来描述；“之前"是这类工作的典型情形，而不是经过测量的客户案例。每一项都有人把关：要么在每份输出发出之前签核，要么事先批准系统可以使用的资料或答案。

基于内部知识和公开数据的品牌化报告

#

• 之前： 每份报告都要手工收集资料、撰写和排版。
• 之后： 报告根据内部知识加公开数据起草，按你的品牌生成可编辑的 Office 文件，由人审核并定稿后再发出。

参见一个基于公开数据的实例。

模板化文档

#

• 之前： 每份文档都从上一份改起，再手工重新排版。
• 之后： 每份文档根据你批准的模板和源内容生成，每次都符合品牌规范，并在发出前由人批准。

参见企业文档生成，由 DocMark 驱动。

根据你自己的文件回答问题

#

• 之前： 员工去问同事或翻共享盘，一个早已有人回答过的问题又被重新研究一遍。
• 之后： 员工或客户提问，从你已审核的资料中得到答案，并附上出处以便核查。

参见企业知识管理。

日常来电

#

• 之前： 一通日常来电需要有人腾出手来接听。
• 之后： AI 接线员接听电话，只说某位具名人士已经批准过的句子；如果没有已批准的答案，它会如实说明，并提出安排人回电。

我自己的办公电话就是这样运作的：来电由 Citaline 接听，这是我正在构建的 AI 接线员，作为面向其他企业的产品即将就绪。在此之前，我会直接为你的电话线路构建语音助手，它根据你已审核的知识并附出处来回答，而不是只说已批准的句子：参见 AI 语音助手。

从一个工作流开始

#

有了候选工作流之后，AI 工作流价值检查可以在免费沟通之前，为它给出一个粗略的价值估算。

和你沟通的人

Tao Ling

Founder, Xcelerent · 悉尼，澳大利亚

Microsoft 认证数据工程师 · MarkLogic 认证管理员与开发者

关于 Tao · LinkedIn （在新标签页打开）

为一个工作流做价值检查 或 预约沟通，聊聊你的哪个工作流应该先自动化。

常见问题

#

为一个工作流做价值检查 · 我们如何合作 · 全部服务