AI 真进业务后：最先被重写的不是岗位

最近我问得越来越少的一个问题是：AI 会不会把某个岗位取代掉。

这件事当然不算小，但它太容易把讨论带偏。因为在真正的业务现场里，AI 最先动的往往不是“岗位本身”，而是信息要怎么传递、关键判断要在哪儿落地、后续动作如何继续顺畅推进。

不少团队把 AI 接进来后，表面上仍是原班人马，组织架构也没怎么动，可流程里的“等待”“转述”“补资料”“反复确认”会开始重新分布。谁越早看清这一点，谁就越可能更快拿到实际结果。

图 1：AI 最先改变的，通常不是岗位数量，而是这条业务链路上的交接方式。

为什么我现在更愿意先看交接链

很多企业推进 AI，第一反应仍是先列功能：能不能接入知识库、能不能自动回复、能不能生成周报、能不能识别图片、能不能跑通流程。

这些当然重要，但如果只盯着功能，就很容易漏掉离结果更近的那个问题：能力接进来以后，到底减少了哪一次交接，缩短了哪段等待，或者替你把某一类信息补齐得更完整。

因为真正拖慢效率的，很多时候并不在“执行动作本身”，而在动作与动作之间那段空档。

比如销售把客户需求讲完，运营再转一遍，实施再追一轮，技术又补问细节；门店收集了一堆反馈，主管用人工整理后再交给内容做触达；客服记下了问题，但工单信息不够齐，后面的人还要再补一次。看起来每个人都很忙，实际上大量时间被消耗在交接摩擦上。

所以我现在更倾向于先画交接链，而不是先画功能架构图。

AI 最先重写的，往往集中在三类交接

第一种：信息交接

这一层最容易先见效。

过去很多信息交接主要靠人工转述：客户到底说了什么、现场发生了什么、前面讨论到哪个环节、这条工单为什么卡住。人员一多，信息就可能丢失；链路一长，表达也容易走样。

当 AI 被引入后，真正有价值的第一步通常不是“替你做决定”，而是先把信息收得更全、整理得更清晰、补充得更结构化。像会议纪要、客户摘要、需求归纳、异常原因的初步判断、回访标签的建议，都属于信息交接层。

这一层价值很直接：让后一个人接手时，不用从零开始拼上下文。

第二种：判断交接

再往下一层，才轮到“判断”。

很多流程并不是没人做，而是每个人都拿不准能不能继续往下走。这个客户算不算重点？这起投诉要不要上报升级？报价能不能直接发出去？这类异常是否必须人工介入？

如果判断的标准不够清楚，AI 加进去往往只会让人更紧张。因为大家都会担心：这一关到底谁来拍板？

因此更成熟的做法不是让 AI 偷偷替人做判断，而是把判断交接变得可见：AI 给出建议、由人做确认；或者由 AI 先做分流，把高风险项先拎出来。

这样流程不会被简单替代，而是被重新分层。人不必把所有普通情况都逐一亲自扫过，但关键判断的权力也不会被抛掉。

第三种：执行交接

只有把前两层打牢，执行交接才更值得交给自动化去推动。

比如标准通知、预约提醒、日报归档、内部状态同步、规则明确的回访触达等，都可能适合让 AI 或自动流程直接继续运行。

不过我盯得很紧的一个前提是：输入要稳定、回退要足够简单，出错时不能对外部客户造成伤害。

如果这些条件没满足，所谓“自动继续”，最后很可能只是把风险悄悄转交给后面的人。

一个传统行业里很常见的误判

我用一个更贴近经营现场的例子说明。

很多本地服务、门店经营或区域运营团队，上 AI 的第一期待常常是“把人省下来”。于是很容易直接盯着客服、运营、文案、回访这些岗位，看看哪个最容易被替掉。

但现实往往并非如此。

变化发生得更早时，通常会是：

1. 客户需求不再需要被重复转述三遍；

2. 活动信息、会员标签、回访建议能在一线记录后更快成型；

3. 店长或主管不必再花大量时间做人工汇总；

4. 对外发送前的确认关口会被收紧到少数关键节点。

也就是说，先被改造的不只是“有没有这个岗位”，更重要的是这个岗位每天到底在做“创造价值的动作”，还是在做“搬运上下文的动作”。

这两者的差别非常大。

如果一个岗位大部分时间都耗在交接摩擦上，AI 接进来后岗位未必会立刻消失，但工作的重心一定会转移。过去花在重复解释、整理、抄送、汇总上的时间会被压缩；留下来的更多是判断、协作与关系维护、例外处理以及对结果的负责。

我也正是基于这个判断，觉得很多老板更该盯住的变化就在这里。

图 2：先看交接链里的等待、返工和回写，往往比盯功能清单更接近真实结果。

如果我是负责人，我会先看三组指标

如果今天让我判断一个 AI 试点有没有价值，我不会先问“模型用了多少”，而是先看下面三类信息。

1. 等待时间有没有被压短

从需求出现、工单产生、客户触达开始，到被下一个角色接住，中间有没有明显少掉某段等待？

不少项目看着很热闹，但如果交接等待没有降下来，所谓提效往往只是错觉。

2. 返工次数有没有下降

如果后一个人接到信息后总要追问、补资料、重写、重做，那就说明交接没有变好。

AI 真正有效，应该先体现在返工变少，而不是只让内容生成得更快。

3. 回写是否更完整

很多流程不是“做不动”，而是“做完了却没回写”，导致后面的人永远不知道前面发生了什么。

AI 特别适合补上这一层：把结果自动整理出来、完善状态、生成摘要、再同步给后续角色。谁把回写补得更好，谁的业务链就更容易形成闭环。

我会怎么先落一个最小版本

如果让我今天就选一个起点，我不会一上来就重做整条链。我会挑最具体、最高频、也最容易暴露交接摩擦的那一段流程，先做一张交接表。

表里至少要有四列：

• 上一个角色交付的内容是什么；

• 下一个角色真正需要的是什么；

• 中间哪些部分可以由 AI 来整理、补全、分流；

• 哪一步必须保留人工确认。

然后再补两列：

• 这一步一旦出错，谁来兜底；

• 这一步优化后，用什么指标来判断是否真的变好。

这样做的好处是，团队不会把 AI 当成抽象能力来“讨论”，而是会把它放回到具体流程里看：到底少了哪一次转述，省掉了哪段等待，或者让哪一处交接更稳定。

一个我更愿意直接拿去开会的小模板

如果你这周要开一场 AI 落地讨论会，我建议你就围绕下面五个问题展开：

1. 这条链路上最耗时的一次交接，具体发生在两个人之间的哪一段？

2. 下一角色接手时，最常缺失的三类信息是什么？

3. 这一环更需要 AI 帮忙整理信息，还是更需要 AI 做建议分流？

4. 哪个节点一旦发错，必须有人做最后确认？

5. 这个试点跑通后，第二个团队能不能直接复用？

我的结论很明确：下一阶段更有价值的，并不是谁更早把 AI 接进来，而是谁先把交接链重写好。

岗位在以后会不会调整当然要看，但在那之前，往往更先决定结果的，是信息有没有少丢、判断有没有更清楚、动作有没有更顺地继续往下走。

把这件事先做对，AI 才会更像真正能接住业务的执行层，而不是流程里额外制造的噪音。