三十人的厂和三百人的厂，AI 卡在不同的地方
同一个行业，同一套方案，两家厂的结果经常完全不同。
三十人的厂：方案看了觉得对，试了两周停下来，说"我们这行太特殊，标准流程跑不通"。
三百人的厂：方案上线了，流程能跑，但每个环节都有人提例外，"这种情况怎么办"的清单越列越长，最后系统里躺着几十条特殊处理。
两种失败看起来是执行力问题，实际上是同一个原因的两面：流程以什么形态存在，决定了 AI 能接上哪一层。
流程的三种存在形态
同一个业务流程，在不同规模的组织里有三种形态。
第一种，在人脑里。没有文档，没有书面标准，师傅带徒弟，遇到没见过的就问人。三十人的厂，绝大多数流程处于这个形态。
第二种，在纸上。有制度和流程图，有作业指导书，但执行的时候经常绕开。三百人左右的厂，大部分流程处于这个形态。
第三种，在系统里。流程被固化成系统里的节点和权限，绕过需要特殊授权。大型企业的主要流程处于这个形态。
这三种形态对应三种完全不同的落地障碍。
| 流程形态 | 上 AI 卡在哪 | 卡点性质 |
|---|---|---|
| 在人脑里 | 没有任何东西可以交给机器 | 前置条件缺失 |
| 在纸上 | 制度文本和实际操作不是一回事 | 对齐问题 |
| 在系统里 | 例外分支太多，权限链条太长 | 复杂度问题 |
小厂要做的第一件事不是 AI
如果流程还在人脑里，第一个障碍跟 AI 没关系。
机器要接一段流程，前提是这段流程能被写下来。写在谁的脑子里都行，但必须能被写出来。如果三个人对同一个流程的描述不一致，那么无论多强的模型都接不上，因为它拿到的是三个不同的流程。
这里有一个可以自己做的测试。找三个实际负责这件事的人，让他们各自把流程的步骤写出来，不用写细节，只写有哪些步。
然后两两比对重合度。假定三步的并集是十步，两两重合分别是 8、8、6 步，平均重合 7.3 步，一致性 73%。
这个数字怎么用：
| 一致性 | 说明 | 先做什么 |
|---|---|---|
| 90% 以上 | 流程基本清晰 | 可以直接交给系统 |
| 70% 到 90% | 有共识但有分歧 | 把分歧点先定下来 |
| 70% 以下 | 流程还在人脑里 | 先做流程文档化 |
一致性低于 70% 的时候，做 AI 是浪费。模型没问题，缺的是一段确定的流程。
文档化这件事，不上 AI 也划算
小厂最常见的抗拒是"为了上 AI 还要先写一堆文档，太麻烦"。
这个想法忽略了一件事：流程文档化本身就有收益，而且收益不需要 AI 来兑现。
人脑里的流程有三个成本。新人上手要跟着师傅几个月；师傅休假时流程会变慢；同一个问题每次处理方式可能不同，客户体验不稳定。这三件事在写文档之后都会缓解。
所以对三十人的厂，更合适的说法是先写文档，写完之后如果还有余力，再考虑用 AI 把它跑起来。顺序反过来会让第一步的成本显得像额外支出。
大厂的问题相反：例外太多
三百人的厂，流程不在人脑里，在制度和系统里。这时候障碍换了一种。
第一个是制度文本和实际操作不一致。作业指导书写的是 A，车间实际做的是 B，原因可能是 B 更快，可能是设备限制，也可能是 A 是三年前定的。系统如果按文本实现，上线第一天就会被绕过。
第二个是例外分支的数量。大厂的流程里，例外是常态。有客户规格特殊的，有设备状态异常的，有临时插单的。这些例外在人工执行时靠人的判断处理，写成规则之后会变成分支树，分支树一深，维护成本就上来了。
所以大厂的落地顺序和直觉相反。先找一个例外最少的环节接入，不要一上来就做最复杂的核心流程。例外少的环节有一个好处：它的规则是确定的，规则确定的东西才能自动化，自动化之后才有余力去处理例外多的部分。
判断一个环节的例外多不多，有一个现成的数：过去三个月里，这个环节需要人工特殊处理的次数占总处理次数的比例。这个比例高于两成，说明它现在不适合自动化。
两份方案模板写不出的东西
内容工厂那类方案文通常会给一份"AI 怎么帮忙"的功能清单。清单本身没错，但它对三十人的厂和三百人的厂给的是同一份。
按上面的框架，同样一份功能清单应该有不同的使用顺序。
| 功能 | 三十人的厂 | 三百人的厂 |
|---|---|---|
| 内容与资料生产 | 先做这个，不需要流程前提 | 排在后面 |
| 销售跟进辅助 | 先做，靠个人习惯就能跑 | 需要先跟 CRM 对齐 |
| 知识库与检索 | 关键，替代"问老师傅" | 关键，替代跨部门找人 |
| 流程自动化 | 先做文档化，再谈 | 从例外最少的环节开始 |
| 数据看板与异常发现 | 数据太少，先不做 | 价值最高的一项 |
最后一行的差别值得单独说。三十人的厂里，各项指标的数据量太小，做看板看到的多半是噪音。而三百人的厂里，数据已经够多，看板能发现的问题是人的经验发现不了的。
同一个功能，在小厂是噪音放大器，在大厂是发现问题的工具。 差别不在功能本身，在数据量够不够。
什么情况下上面的顺序不适用
四种情况。
业务本身就是项目制的时候，每一次交付都不一样，流程没法标准化。这类厂的关键是把"每次都要重新决定的部分"和"每次都一样的部分"分开，后者可以标准化，前者不要硬做。
老板就是唯一决策人的时候，流程文档化会遇到另一个障碍：文档写完了也没人照做，因为最终解释权在一个人手里。这时候先要解决的是授权问题，不是文档问题。
设备约束占主导的时候，比如关键设备只有一台，排产靠人盯，这类环节自动化收益很低，不要碰。
最后一种，规模变化很快的时候。一家正在从三十人扩到一百人的厂，流程形态每个月都在变。这时候做完整的文档化会浪费，更合适的做法是先做最痛的一段，边做边改。
一个可以当周做完的判断
两个问题各花半天。
第一个，找三个人各写一遍你最想优化的那个流程的步骤，比对一致性。这个数决定你能不能直接上工具。
第二个，翻过去三个月的记录，数一下这个流程里需要人工特殊处理的次数，除以总次数。这个比例决定该不该从它开始。
两个数出来之后，路径就清楚了。一致性低于 70%，先做文档化；一致性够但例外比例超过两成，换一个环节；两个数都过关，可以直接开始。
常见问题
问：三十人的厂是不是就不该用 AI？
该用，但用在不需要流程前提的地方。内容生产、资料检索、销售话术、客户问答这类工作，依赖的是知识和素材，不依赖流程是否标准化。先把这几样跑起来，等流程文档化有进展，再考虑更深的部分。
问：流程文档化要写到多细？
细到换一个人来做，能做到八成相似。超过这个程度是浪费，比如把每一步的操作时间都写下来。低于这个程度也没用，因为交接还是会靠口头。
问：大厂能不能干脆跳过例外处理，强制标准化？
可以，但代价是执行层会绕过去。强制标准化的前提是标准本身覆盖了主要场景，否则它会被当成一份需要应付的文档。稳妥的做法是先把例外收集起来归类，看哪些是真例外、哪些其实是标准没写全。
相关阅读
延伸阅读：AI 在企业里的三个阶段：为什么多数团队卡在第二个、企业品牌数字化的隐形护城河：被忽略的地域信息主权损耗、企业品牌数字化的隐形护城河：被忽略的地域信息主权损耗-Onworkly GEO 区域化地域管理。
三条交付线的额度与价格在定价页，基础版免费，可以先跑一次看结果。