腾讯推出WorkBuddy，阿里推出千问办公，字节也正式发布了豆包工作。国外的大模型厂商同样在不断把能力从问答、写作和编程，延伸到Agent、工具调用、电脑操作和长任务执行。

大家讲的也越来越不是“AI能不能帮我写一份材料”，而是另一件事：能不能把一件工作直接交给AI去完成。

做调研、写报告、分析数据、制作PPT、整理文件、操作网页、调用各种工具，甚至把一个复杂任务拆成若干步骤持续执行。过去需要人在几个软件、几个系统之间来回切换完成的事情，现在越来越可能只需要告诉AI一个目标。

这当然令人兴奋。

但如果站在企业管理的角度，我觉得越是在这个时候，越应该问一个不那么热闹的问题：

当AI越来越会干活，我们是不是也应该重新看看，企业里的这些“活”，本来是不是就应该这样干？

一项工作过去需要五个人参与，现在AI可以替其中三个人完成，我们很容易把这理解为效率提升。但还有另一种可能：这项工作原本就不应该被拆给五个人。

一个流程过去要经过六个环节，现在AI可以让每个环节都快30%，听起来也很好。但真正值得问的是：这六个环节是不是都还有存在的必要？

一个审批过去需要三天，现在AI可以读材料、查制度、做判断，把它缩短到一天。但如果这本来就是一项规则明确、风险很低的业务，真正的问题也许不是怎样把审批做得更快，而是为什么还需要这么多审批。

这让我想起三十多年前迈克尔·哈默推动业务流程再造时提出的那个著名观点：

“Don’t automate, obliterate.”

不要急着把原来的工作自动化，而要先重新审视它。

当年的企业面对的是信息技术。今天我们面对的是AI。技术变了，但这个问题反而比过去更加重要。

因为AI的能力越强，我们就越容易犯一个错误：用最新的技术，加速一套本来就应该重新审视的工作方式。

现在不少企业已经开始建知识库、上大模型、做智能客服、开发Agent，也要求各个部门寻找AI应用场景。于是销售有了智能助手，采购有了比价工具，客服有了机器人，办公室有了写材料、做PPT的工具。

这些事情当然都有价值。

但过一段时间再回头看，如果问几个很朴素的问题：哪条业务流程真正缩短了？哪些环节消失了？哪些过去必须由人完成的工作不再需要人做了？哪些岗位之间的分工发生了变化？公司的哪个经营指标因此真正改善了？

很多企业未必能够说得很清楚。

原因可能就在于，我们仍然习惯于从技术出发：先看AI能做什么，再到现有流程里给它找一个位置。

于是组织没怎么动，岗位没怎么动，审批没怎么动，流程也基本没动，只是在原来的工作方式上增加了一层AI。

这不是AI真正应该给企业带来的变化。

AI真正有意思的地方，不只是帮一个人少写几份材料、少做几张表格，也不只是让某个流程节点快一点。

它给企业提供了一次重构工作完成方式的机会。

过去做流程，主要解决的是人与人怎么协同：谁发起，谁处理，谁复核，谁审批，出了异常找谁。

现在多了AI以后，管理者必须多问一句：

这件事情，为什么一定要由人来做？

有些工作规则明确、重复量大，本来就应该由系统完成；有些工作涉及大量阅读、整理、比较和初步判断，AI已经越来越合适；还有一些工作涉及重大客户承诺、价格例外、利益权衡和风险承担，最终仍然需要人来判断。

所以企业真正要做的，不是简单讨论“机器能替代掉谁”，而是把工作重新分一遍。

例如报价流程。如果客户需求可以自动识别和结构化，历史成交价格、库存、成本和交期可以直接从系统取得，标准毛利和信用条件可以自动校验，那么大量正常报价并没有必要在五六个人之间来回流转。

正常业务直接走，只有价格异常、交期特殊、客户信用超限或者其他例外情况，才交给相应的人判断。

做到这里，企业得到的已经不只是一个“AI报价助手”，而是一条被重新设计过的报价流程。

两者差别很大。前者是在一个岗位上省一点时间，后者可能改变客户响应速度、人工投入和管理方式。

这也是为什么，我不太赞成企业一开始就发动所有部门“找AI场景”。

部门当然能够找到很多场景。写材料、查资料、做摘要、回复客户、分析数据、生成代码，这些都有实际价值，员工也应该积极使用。但这些首先解决的是个人工作效率问题。

站在经营层面，还要再往前走一步：公司最重要的几条经营链条，究竟哪里最慢，哪里最贵，哪里最容易出错，哪里占用了最多不必要的管理精力？

我们常说结构效率大于运营效率。当我们基于业务场景完成对业务完成方式的重构之后，你会发现同样的报价工作已经不是过去五六个人八九天时间才能做完的那个报价，工作的结构本身发生的巨大改变，而真正让改变发生的是基于业务场景细分之后对工作规则的重新优化设计，AI也好数字化系统也罢只是让改变最终落地见效的工具罢了。

AI是手段，不是目的。

一个客户线索从进来到签合同需要多少天？客户已经下单，为什么迟迟不能确认交期？一项采购从提出需求到最终付款，中间到底停在哪里？客户投诉为什么转了几个部门还没有人真正负责？应收账款已经逾期，为什么总要等到月底开会才有人关注？

这些问题离收入、成本、现金流和客户更近，也更值得管理层花时间。

所以一家企业如果准备认真做AI，我反而建议先做一件看起来没多少“科技含量”的事：选一条重要的经营流程，拿几笔真实业务从头到尾跑一遍。

不要先看墙上的流程图，也不要只听部门负责人介绍制度上“应该怎么做”，因为很多企业都存在这样的差距：制度写的是一套，实际运行是另一套。

真正需要看的，是一张订单、一份合同、一笔采购到底经过了谁，在谁那里停留了多久，数据被重复录入了几次，多少时间花在等待和沟通上，多少审批只是把已经知道的信息重新确认一次。

还要关注：哪些审批环节从设立之初到现在，已经变成机械点击“通过”；哪些问题每个月都在重复发生；哪些工作实际上只是因为历史原因一直保留下来。

梳理完成后，再逐项追问：

这一步还有必要吗？如果有必要，为什么一定要由现在这个岗位完成？能不能合并？能不能前移？能不能并行？人工判断依据是什么？有没有数据支撑？规则已经明确的事情，为什么还需要人工判断？AI可以完成大部分工作的地方，能不能只让人处理例外情况？

一条流程这样重新梳理下来，真正值得投入AI的场景通常并不难发现。

而且这些场景不会只是孤立的功能点，而会自然落到经营改善上。更重要的是，这个过程也会帮助企业看清楚自己的业务基础：数据是否完整？权责是否清晰？规则是否明确？系统是否支撑？流程是否真的适合被AI承接？

这些问题如果没有解决，AI很难真正进入业务核心。

这里还有一个很容易被忽略的问题。AI越强，企业越不能简单追求“无人化”。

企业经营不是一套纯技术系统。资料整理、信息比对、标准校验和重复操作，可以越来越多地交给系统和AI，但重大客户承诺、特殊价格、重大授信、复杂合同风险以及最终责任承担，仍然必须找到具体的人。

好的流程，不是把人全部拿掉，而是把人从没有必要出现的地方拿掉。

这一点对管理层尤其重要。很多企业真正稀缺的并不是员工每天那几个小时，而是管理层的注意力。

我在和企业管理者交流时，经常看到一个现象：很多高层每天花大量时间处理各种审批。

看起来是管理严格。但换一个角度看，也可能说明大量正常业务没有被规则和流程消化，只能不断向上寻找一个人签字。

这样的管理方式，真的有效吗？答案是未必。

正常业务应该尽可能按照规则运行。

真正偏离规则、影响经营结果或者存在重大风险的事项，才应该进入管理者视野。

如果AI和数字系统能够帮助企业实现这一点，释放出来的就不仅仅是几个人的工作时间，而可能是整个组织运行效率的变化。

这也会让我们重新理解流程管理本身。

如果流程管理仍然只是画图、写制度、编SOP，它在AI时代的价值确实有限。但流程真正要解决的，本来就不是图画得漂不漂亮，而是一项经营活动究竟怎样完成，为什么这样完成，以及有没有更好的完成方式。

过去，一套好的SOP主要告诉员工：一件事情应该怎么做。

但未来，如果其中一部分工作交给AI，仅仅告诉AI“怎么做”是不够的。

企业还需要明确：数据从哪里获得；按照什么规则判断；可以调用哪些系统和资料；拥有什么权限；结果应该交给谁；什么情况必须停止；什么情况必须转人工处理。

这些过去散落在制度、系统和老员工经验中的内容，都需要逐步沉淀下来。

这件事情可能比增加几个AI应用更有价值。但它也是很多企业最容易忽视的地方。因为管理者每天面对大量紧急问题，很容易认为这些基础工作“不会马上产生收益”。

但恰恰是在这些看似琐碎的地方，决定了一家企业能否真正形成长期能力。

一家企业真正难以复制的，从来不是买到什么模型。竞争对手可以买同样的模型，也可以买同样的软件。真正有差异的，是一家企业多年积累下来的客户理解、业务规则、专业经验、风险判断和协同方式。

如果这些东西一直只存在于少数人的脑子里，AI再强也很难真正接手业务；如果能够逐步沉淀下来，并且和数据、规则、系统、权限结合，其中相当一部分就有机会变成可以重复使用的企业能力。

所以判断一家企业的AI转型做到什么程度，我不会只看有多少人在用AI，也不会只看他们开发了多少Agent。

这些当然重要。但更值得关注的是：关键流程有没有真正发生变化？过去靠人记、靠人盯、靠人催的事情有没有减少？标准业务是不是越来越少占用管理者的时间？异常和风险是不是能够更早被发现？管理者是不是每天更多时间耗费在鸡毛蒜皮的问题里，而不是花在外部业务机会挖掘上？

如果这些都没有发生，AI大概率还停留在工具层，甚至是很浅表的工具层。

工具层当然有价值，但工具很容易被复制，也很难单独形成经营上的长期差距。真正能够拉开差距的，还是企业能不能借这次技术变化，把那些长期以来已经习以为常、但效率并不高的工作方式重新设计一遍。

所以，与其一开始就问“AI能替代多少岗位”，不如先问一个更简单的问题：

如果今天重新设计这家公司，这件事情还会按照现在的方法做吗？

如果答案是否定的，就不要急着把AI装进去。先把这件事本身重新想清楚。

企业多年形成的流程、制度和组织当然不是包袱，它们沉淀了过去的经营经验。但经验有价值，不是因为沿用了很多年，而是因为它今天仍然有效。

AI带来的一个重要机会，就是让企业有条件重新划分人、系统和AI之间的工作边界，也让管理者有理由重新审视那些已经很少有人去追问、去触碰的工作完成方式。

从这个意义上说，流程仍然是AI进入企业很重要的入口。

但这里说的流程，不是墙上的流程图，也不是制度里的审批路线，而是企业每天真实发生的经营活动：客户怎么进来，订单怎么交出去，钱怎样收回来，问题怎样解决，风险怎样被发现。

先把这些事情看清楚，再决定AI应该放在哪里。

这可能没有“全面AI化”听起来那么热闹，但对一家真正要经营很多年的企业来说，往往更重要。