AI流程改造，不是把人换成模型
很多 AI 项目，第一张图就画错了。
大家一上来就问：这个审批能不能交给 AI？这个表单能不能自动填？这个岗位是不是可以少一个人？
问题看起来很务实，其实问早了。
因为你还没有看清楚，真正流动的是什么。
在线下业务里，流程里流动的可能是货，是物料，是设备，是门店里的实物。在办公环境里，更多时候流动的是信息，是责任，是风险，是一张单据从一个人手里走到另一个人手里的过程。
如果这条流还没有被还原，直接上 AI，结果往往不是提效。
而是把一个本来就别扭的流程，自动化得更快。
一、先沿着流，把 As-Is 拆到最细
做流程改造，第一步不是找工具。
第一步是沿着一条信息流，或者一条实物流，把现状完整还原出来。
不要沿着部门问。
部门会告诉你职责边界，流会告诉你真实动作。
一张采购申请从哪里产生？谁补资料？谁判断预算？谁查供应商？谁审批？审批卡住时谁催？供应商回执进了哪个系统？收货信息又是谁点确认？
这些动作要拆得很细。
细到什么程度？
细到再往下拆，就已经不是业务动作，而是在描述某个人怎么点鼠标。
一个合格的 As-Is 节点，至少要说清楚六件事：输入是什么，输出是什么，谁执行，用什么系统，耗时多久，异常怎么处理。
只有到这个颗粒度，你才知道 AI 可以放在哪里，不能放在哪里。
图1：不要从工具开始，要从流开始。
二、别急着上 AI，先过一遍 ECRS
流程拆完后，也不应该立刻问 AI 能不能做。
更好的问题是：这个动作有没有必要存在？
精益里有一个很朴素的工具，叫 ECRS。Lean Enterprise Institute 对它的解释是：消除、合并、重排、简化。
它不是一套答案，而是一组提问。
先看能不能砍掉。
如果一个节点本身不创造价值，只是因为历史习惯留下来，那就不要给它套 AI。先删掉。
再看能不能合并。
两个角色反复确认同一件事，两个表单填同一组字段，这类动作很常见。它们不是 AI 问题，是流程重复。
然后看能不能重排。
很多等待，是因为顺序设计错了。资料可以提前补，校验可以并行做，审批可以按金额自动分流。
最后看能不能简化。
原来三步完成的动作，能不能变成两步？原来要人工判断的规则，能不能变成清楚的字段和条件？
过完这一步，再谈 AI，项目会干净很多。
三、To-Be 不是删节点，而是换主语
很多人设计 To-Be 流程图，会拿着 As-Is 的图，一个节点一个节点地删。
这个动作太像传统流程优化。
AI 项目要换一个主语。
过去是人主导流程，系统做记录。
未来更像是 AI 主导流程，人做确认、纠偏和兜底。
IBM 对 AI workflow 的描述里，有一个关键点：AI 可以在结构化流程中执行、协调或增强活动，也可以与人协作。McKinsey 对 agent 的分析也提到，agent 适合处理输入输出变化较大的复杂流程，并能调用工具、收集人的反馈。
这意味着，未来流程图不应该只是“人少做几步”。
它应该被重新编排。
每个节点都要问：AI 能不能先做？人要不要确认？什么情况必须升级给人？失败后怎么退回？证据链怎么留下？
这就是 human-in-the-loop 的意义。
人不是被 AI 挤到流程外面。
人被放在更关键的位置上。
图2：采购流程可以从“人一路跑到底”，变成“AI 先干，人确认关键点”。
四、用采购举个例子
比如采购。
过去的流程很可能是：员工提需求，采购员补信息，主管审批，采购员下单，供应商发货，仓库收货，财务和资产管理员再处理后续记录。
人一直跑到底。
换成 AI 主导流程，画法会不一样。
员工发起采购需求。
AI 先把需求补齐，检查预算，识别采购类别，匹配历史订单和供应商规则，再生成审批材料。
审批人不再从零看材料。
他看到的是 AI 整理好的摘要、风险提示、金额判断和推荐意见。
关键审批仍然由人确认。
审批通过后，AI 生成采购单，推送给供应商。供应商回执后，系统监听到状态变化，agent 自动生成预收货单。
货到了，员工或仓库人员只做实物确认。
确认后，AI 完成入库建议、资产编号、台账更新和后续凭证信息准备。
这里的变化不是少了某一个岗位。
变化在于，流程的驱动力变了。
以前是人找信息、填信息、传信息。以后是 AI 先组织信息，人只在关键判断处按下确认。
五、没有目标，To-Be 只是漂亮图
画出现状图和未来图之后，项目还没有结束。
你必须定义目标。
这一步很容易被忽略。
因为大家会被“AI 已经跑起来了”这个事实迷惑。
但跑起来不等于创造价值。
你要回到每个节点，算四类账。
1节点账：少了多少动作，少了多少重复录入。
2工时账：每个角色节省了多少分钟，等待时间少了多少。
3交期账：原来 50 天，现在能不能变成 30 天，甚至 20 天。
4质量账：一次通过率、返工率、异常处理时间有没有改善。
目标不是写给汇报看的。
目标是后面评测、验收和复盘的尺子。
图3：AI 项目要同时看节点、工时、交期和质量。
六、再选平台，再挖 skill
有了目标，才轮到平台选择。
平台大体有两种路线：自建，或者采购第三方。
但不管哪种路线，都要看几个能力。
第一，能不能做流程编排。
第二，能不能建设和管理 agent。
第三，能不能把 agent、系统、权限、数据连接起来。
第四，能不能记录过程，保留审计和回放。
第五，能不能支持评测。
很多人卡在这里。
流程已经画出来了，但不知道应该放什么 agent，也不知道哪些动作可以沉淀成 skill。
这很正常。
因为业务人员懂流程，但不一定懂 AI 的边界。技术人员懂模型，但未必知道业务里的隐性规则。
所以中间需要一个动作：基于流程挖掘 skill。
我这里也整理过一个“挖掘 skill 的 skill”。
如果你想要，可以关注我们的公众号，把这篇文章转发到朋友圈，然后私信找我们领取。
一个 skill，不只是提示词。
它应该包含输入边界、处理步骤、工具调用、判断规则、输出格式、失败处理和评测标准。
当你把流程节点转成 skill 清单、agent 清单、产品建设清单，就能判断哪些要开发，哪些要外采，哪些先用人工规则过渡。
图4：从流程拆解到平台上线，中间必须有 skill 资产化。
七、上线不是终点，评测才是发动机
等平台和 skill 都 ready 后，不要一次性铺开。
先选一两个 case 试运行。
试运行只看三个问题。
第一，流程能不能真的跑通。
第二，人和 AI 的边界是否清楚。
第三，节省效果有没有达到目标的一半，或者达到你预先设定的门槛。
如果跑不起来，说明编排有问题。
如果人一直插手，说明 AI 节点设计太虚。
如果效果达不到，说明目标、数据、规则或场景选择出了偏差。
这时候不要急着宣布失败。
AI 项目和传统系统项目不一样。
传统系统更像交付一个确定功能。AI 项目更像训练一套组织能力。
你需要不断评测 skill，更新评测集，观察失败样本，把业务判断沉淀进新的版本。
这里我也做过一个“评测 skill 的 skill”。
同样，关注公众号并转发到朋友圈，私信我就可以要。
上线只是进入真实环境。
真正的价值，是在一次次评测和打磨里长出来的。
最后，真正要迁移的是团队能力
做 AI 流程项目，最现实的意义，不只是节省几个人天。
它会逼着团队重新理解自己的业务。
过去很多流程靠经验跑，靠老人兜底，靠微信群补洞。AI 一介入，这些隐性知识必须被写出来，被结构化，被评测。
这件事短期会麻烦。
长期看，它是在给组织建立新的生产资料。
迁移路径也很清楚：先选一条高频、规则相对清楚、价值能衡量的流程；沿着信息流或实物流拆出 As-Is；用 ECRS 清掉不合理动作；按“AI 先干，人确认”的原则画 To-Be；再把节点拆成 skill、agent、系统接口和人工审核点；最后用目标指标做试运行和验收。
不要把 AI 项目理解成买一个平台，或者接一个大模型。
平台只是承载物。
真正值钱的是这套打法：流程能拆，skill 能建，agent 能编排，评测能闭环，团队能复用。
当一个团队掌握这套能力，采购可以改，合同可以改，报销可以改，客服可以改，项目管理也可以改。
AI 不再是外面来的工具。
它会变成组织内部持续改造流程的一种工作方式。
参考依据
1. Lean Enterprise Institute：ECRS 包含 eliminate、combine、rearrange、simplify，用于分析和改善流程。查看来源
2. McKinsey：生成式 AI agent 适合处理复杂、开放、输入输出变化大的业务流程，并能调用工具和收集人的反馈。查看来源
3. IBM：AI workflow 可以在组织流程中执行、协调或增强活动，并支持人与 AI 协作；human-in-the-loop 可用于监督、决策和责任控制。AI workflow / Human-in-the-loop
4. APQC：流程自动化要建立在清晰的流程定义、流程记录、指标管理和改进计划之上。查看来源