返回现场笔记

FIELD NOTE / 流程、数据与组织

AI 落地为什么经常先暴露流程和数据问题?

因为人可以依靠经验绕过组织问题,Agent 却要求这些经验被明确表达。AI 没有制造流程债务和数据债务,只是让过去依赖人工补丁掩盖的问题变得可见。

隐性经验必须转化为显性规则

员工知道应该去哪个群里询问最新口径、哪个系统的数据不能完全相信、谁可以批准例外,以及制度没有覆盖时该如何处理。这些知识往往没有真正存在于流程或数据系统里,而是分散在个人经验和长期形成的默契中。

  • 流程问题:步骤因人而异,开始和结束条件不清楚,职责重叠,异常处理没有记录。
  • 数据问题:信息分散在多个系统,同一指标存在多个定义,数据过期或缺少关键字段。
  • 权限问题:系统权限与实际职责不一致,无法说明 Agent 可以读取、修改或批准什么。
  • 评估问题:没有完成条件、权威来源和异常样本,无法判断 Agent 是否做对。

把暴露问题当成一次组织压力测试

Agent 不仅生成内容,还可能跨系统连续行动。一个错误字段会影响后续判断,一项模糊规则会在多个步骤中持续传播,一次权限配置错误则可能扩大为真实业务风险。

企业应先记录真实发生的流程,明确输入、输出、负责人和完成条件;再确定权威数据源、统一关键字段,按最小权限设置操作与审批范围;最后把真实异常整理成测试案例和升级规则,从小范围受控上线开始持续修正。

真正成熟的 AI 项目,最终改造的往往不只是一个工具,而是企业定义流程、管理数据和积累组织知识的方式。

判断一个问题