AI項目能跑起來的前提，是先把AI降級

當(dāng)企業(yè)過度聚焦于模型強(qiáng)度與功能清單時，常忽略流程混亂與數(shù)據(jù)孤島才是真正的瓶頸。本文通過真實(shí)招聘提效案例，拆解如何通過重構(gòu)主線流程、建立數(shù)據(jù)閉環(huán)，讓AI在可控邊界內(nèi)發(fā)揮長期價值，而非制造新負(fù)擔(dān)。

———— / BEGIN / ————

這半年我在不同客戶的項目里，反復(fù)遇到一個很有意思的場景：

大家一開始都以為，AI項目要跑起來，關(guān)鍵是模型要更強(qiáng)、提示詞要更準(zhǔn)、知識庫要更全。于是立項材料里最醒目的部分，通常都是：“AI時代不容錯過，我們要用AI做什么”。

但真正到推進(jìn)階段，就會遇到一個殘酷的現(xiàn)實(shí)：項目最容易卡住的地方，反而不是技術(shù)實(shí)現(xiàn)，而是一個更基礎(chǔ)、更不性感的問題：

這件事的流程到底長什么樣？數(shù)據(jù)到底從哪里來？誰來維護(hù)？怎么回流？出了錯怎么兜底？

這些問題沒搞清楚，你會發(fā)現(xiàn)再強(qiáng)的模型，也只是把不清晰的流程再重復(fù)一遍，甚至反而讓事情變得失控。很多項目就是在這里慢慢被消耗：

試點(diǎn)時看起來能用，一推廣開來就錯誤頻出；或者能回答一部分問題，但員工用一次就不再用了；又或者是表面節(jié)省了時間，但把后續(xù)核對、解釋、糾錯的成本，全部轉(zhuǎn)移給了業(yè)務(wù)。

所以我越來越傾向于在項目一開始就做一個反直覺的動作：

先把AI在項目中的地位降級，再把流程和數(shù)據(jù)拉到臺前。

不是因?yàn)锳I不重要，而是因?yàn)樵谄髽I(yè)環(huán)境里，AI一旦被放到不該放的位置，風(fēng)險、成本和不信任會被同時放大。相反，AI退一步，流程和數(shù)據(jù)往前一步，項目往往反而更快、更穩(wěn)、更容易活下來。下面我就用一個最近參與的真實(shí)項目來講清楚這件事。

從一個招聘提效項目說起

在最近參與的一個AI人資項目里，我一開始面對的，就是這樣一個典型場景：

當(dāng)招聘規(guī)模擴(kuò)大、崗位層級變多、歷史簡歷不斷累積之后，原本依賴人工經(jīng)驗(yàn)和零散工具的流程，開始明顯跟不上節(jié)奏。HR團(tuán)隊急需可以提效的手段，于是AI能力就被提上了共創(chuàng)會的日程。

會議一開始，大家都在討論AI能做什么：

• 能不能自動篩簡歷？

• 能不能自動打標(biāo)簽？

• 能不能減少人工匹配崗位的工作？

• 能不能自動給候選人發(fā)通知？……

但隨著討論不斷深入，團(tuán)隊還會面臨一個更現(xiàn)實(shí)的問題：

現(xiàn)在的問題，真的是缺AI能力嗎？還是人力數(shù)據(jù)本身，并沒有被當(dāng)成一個可以長期運(yùn)營的流程資產(chǎn)？

如果這些數(shù)據(jù)只是被動地存下來，并分散在不同渠道和團(tuán)隊手里，那么無論引入多少自動化能力，效果都會非常有限；

在此基礎(chǔ)上，我給出的建議是：

只有當(dāng)流程被重新梳理清楚，數(shù)據(jù)被集中清洗、結(jié)構(gòu)化、自動化后，AI才有真正介入的空間。

有了這樣的方向指引，團(tuán)隊也開始逐漸意識到：與其急著強(qiáng)調(diào)上AI，不如先把注意力放回到招聘流程本身，重新拆解每一個關(guān)鍵環(huán)節(jié)。

把問題背后的主線流程梳理清楚

很多AI項目失敗的共通點(diǎn)都是：一上來就在討論功能清單。

比如要不要自動打標(biāo)、要不要意圖識別、要不要自動生成建議、要不要對接外部渠道、要不要自動回寫系統(tǒng)……每個點(diǎn)單獨(dú)看都合理，但把它們拼在一起，卻并不等于一個可運(yùn)行的業(yè)務(wù)系統(tǒng)。

我在項目討論會里最常做的，就是帶著團(tuán)隊把討論主題從“要做什么功能”，拉回到“要跑通哪條業(yè)務(wù)流程”。

在剛剛的項目里，大家表面上討論的是系統(tǒng)、工具、表格、渠道，以及AI能不能用，但很快就形成了一個更清晰的共識：

真正要解決的不是到哪里找簡歷、怎么設(shè)計面試問題，而是要有一個可持續(xù)激活、可共享、可篩選、可追蹤的“人才庫”。

你會發(fā)現(xiàn)這個表述一出來，后面所有討論就都會變得更清晰：

• 如果目標(biāo)是“人才庫”，那就必須回答：這個人才庫要不要激活？怎么激活？

• 如果要“可共享”，那數(shù)據(jù)就不能分散在個人手里。

• 如果要“可篩選”，那字段和標(biāo)簽就必須可用、可維護(hù)。

• 如果要“可追蹤”，就必須有狀態(tài)流轉(zhuǎn)和回寫機(jī)制。

這些都是流程和數(shù)據(jù)的問題，不是AI的問題。

當(dāng)你把這條主線確定下來，AI的位置自然那也會被重新定義：

AI在這條主線中的位置，是為了讓它更省人力、更穩(wěn)定、更可規(guī)模化。

拆解主線流程，找到AI的可介入點(diǎn)

梳理主線流程的目的是什么？是避免讓AI一上來就面對復(fù)雜的現(xiàn)實(shí)場景。

現(xiàn)實(shí)場景的特征通常是：信息不完整、字段不統(tǒng)一、口徑不一致、噪聲很多、異常很多。你讓AI直接讀這些數(shù)據(jù)做分析做輸出，結(jié)果就是看起來回答得像模像樣，但準(zhǔn)確性和穩(wěn)定性肯定會打折扣。

那個項目里，我們的討論最后收斂成了一個很清晰的三步流程（讓會議可控的關(guān)鍵，就是逐漸收斂議題，這樣才好迅速達(dá)成共識）：

第一步：所有渠道數(shù)據(jù)先統(tǒng)一收到到一個資源池。這個池子的數(shù)據(jù)不追求干凈，但要完整：充分覆蓋各渠道、不丟數(shù)據(jù)、不割裂、不重復(fù)到無法處理。它可以很大、很雜、很糙。

這一步聽起來簡單，但很多組織做不到。因?yàn)榍捞唷v史太復(fù)雜、個人臺賬太多，各部門還有自己的習(xí)慣。但你不先定義好這個統(tǒng)一的收口，后面所有智能化都是空談。

第二步：從資源池里清洗出一個精準(zhǔn)的目標(biāo)庫。這一步才是關(guān)鍵。目標(biāo)庫不追求大而全，而是要干凈、可復(fù)用、可運(yùn)營。 它是按業(yè)務(wù)場景過濾出來的，字段口徑是統(tǒng)一的，標(biāo)簽?zāi)芮逦S護(hù)，也方便去重。

你可以把它理解為：資源池負(fù)責(zé)收集，目標(biāo)庫負(fù)責(zé)精選使用。

很多企業(yè)AI做不起來的原因，就是因?yàn)樗麄兲^了目標(biāo)庫這一步，直接讓AI面對源數(shù)據(jù)池。一旦這樣做，AI就只能用概率去補(bǔ)齊各種缺失和混亂，結(jié)果就是不穩(wěn)定、不可信、無法規(guī)模化。

第三步：在目標(biāo)庫上做激活與意向判斷，再交給人深度跟進(jìn)。這里的關(guān)鍵，是把人力放到更有價值的地方。 先用低打擾方式觸達(dá)，觀察反饋，再把真正有活躍度、有意向的人交給HR介入。這樣既降低人力消耗，也提升候選人體驗(yàn)。

你會發(fā)現(xiàn)，三步流程一拆開，AI的介入點(diǎn)就變得很自然了：

AI不需要從第一步要理解一切數(shù)據(jù)，它更適合在第二步和第三步的某些環(huán)節(jié)，做結(jié)構(gòu)化、可約束的任務(wù)。也就是說，要讓AI在一個它能穩(wěn)定發(fā)揮的區(qū)間里工作，才能發(fā)揮其最大價值。

所謂AI降級，到底在降什么

很多人聽到“降級”，會認(rèn)為是一種擔(dān)心出錯、不敢創(chuàng)新的心態(tài)。但我想說，降級不是降低目標(biāo)，而是降低AI的決策權(quán)和參與面，讓項目更可控。

慶幸的是，在項目對齊會上，大家對AI能做什么、不能做什么，討論得還是非常理性的。我特別認(rèn)可這種理性，因?yàn)檫@恰恰是大多數(shù)AI項目缺失的部分。

從項目邊界上看，AI相對更容易發(fā)揮作用的部分，是規(guī)則清晰、可被約束的任務(wù)，比如：

• 從簡歷中提取學(xué)校、專業(yè)、學(xué)歷學(xué)位、所獲證書等結(jié)構(gòu)化字段

• 對明顯不合要求的情況做初篩標(biāo)記（比如年齡明顯超標(biāo)、背景明顯不匹配、年限明顯過短等）

• 做字段補(bǔ)全的輔助判斷，但要可追溯、可復(fù)核

這些任務(wù)的共同點(diǎn)是：輸入相對確定、輸出可被驗(yàn)證、錯誤成本可控。而且就算AI做錯了，人工也可以很快發(fā)現(xiàn)并糾正，不會直接造成業(yè)務(wù)事故。

AI明顯不適合直接做的，是高度主觀、強(qiáng)情境、變化快的判斷，例如：

• 意向城市（受家庭、個人變化影響太大）

• 項目貢獻(xiàn)度（受項目背景、崗位職責(zé)、成果規(guī)模影響，僅從文字描述無法準(zhǔn)確衡量）

• 是否近期愿意換工作、是否對企業(yè)感興趣等意向類結(jié)論

這些內(nèi)容的判斷和模型強(qiáng)弱沒關(guān)系，因?yàn)樗鼈儽举|(zhì)上就不是一段文本能穩(wěn)定推斷出來的。你讓AI給結(jié)論，它給得越確定，風(fēng)險越大。

所以所謂降級，核心就是要讓AI專注在這三件事上：

1. 讓AI負(fù)責(zé)輔助生成，而不是最終判斷；

2. 讓AI的輸出可追溯、可復(fù)核，而不是一句結(jié)論就結(jié)束了；

3. 把AI的工作范圍，限制在數(shù)據(jù)相對干凈、流程相對穩(wěn)定的環(huán)節(jié)

這三件事做到了，AI才可能在企業(yè)里形成長期價值。

為什么越強(qiáng)調(diào)AI的重要性，越容易制造新問題

這是很多人不愿意承認(rèn)的一點(diǎn)：AI在企業(yè)里最常見的失敗方式不是做不出來，而是把負(fù)擔(dān)從A轉(zhuǎn)移到了B。

• 表面上是希望減少HR的篩選時間，但實(shí)際卻增加了HR的核對時間；

• 表面上是增加了內(nèi)容輸出的速度，但實(shí)際卻增加了業(yè)務(wù)解釋和背鍋的壓力；

• 表面上是完成了流程自動化，但為了喂數(shù)據(jù)、糾錯、維護(hù)標(biāo)簽，新增了一堆隱性工作。

以剛剛的AI人資項目為例，業(yè)務(wù)同學(xué)反復(fù)在強(qiáng)調(diào)的，是希望AI能替HR減負(fù)，而不是制造新負(fù)擔(dān)。

這句話聽起來簡單，但真要踐行起來，就要靠前面那套流程重構(gòu)和AI降級方法，因?yàn)椋?/p>

• 有了目標(biāo)庫，統(tǒng)一了字段口徑，AI才能穩(wěn)定提取與打標(biāo)；

• 完成了三步走的流程，AI才能在可控環(huán)境下做可控任務(wù)；

• 有了回流機(jī)制，AI才能越用越準(zhǔn)。

否則你越強(qiáng)調(diào)AI，越容易“為了做AI而做AI”，最后大家都很累，效果還不好。

系統(tǒng)路線的判斷：不要一上來就追求做一套完整系統(tǒng)

在企業(yè)項目里，系統(tǒng)路線通常決定了項目生死。

很多團(tuán)隊一遇到一個新項目，就想自研一套完整系統(tǒng)：全鏈路、全自動、全打通、全回寫，因?yàn)檫@樣更可控，更能體現(xiàn)自己的工作量。

聽起來很有道理，但細(xì)想后會發(fā)現(xiàn)，這只會帶來漫長的研發(fā)時間、繁重的維護(hù)周期、以及高昂的人力成本，更可怕的是：業(yè)務(wù)變化比系統(tǒng)迭代更快，做完就過時。因此，在推進(jìn)AI項目時，一定要和團(tuán)隊達(dá)成這樣的共識：

不要為了所謂的“可控性”而自研一整套系統(tǒng)。

更現(xiàn)實(shí)的路線是：以現(xiàn)有主系統(tǒng)作為主數(shù)據(jù)源，允許用表格或者其他工具做中間層繞行，能回寫就回寫，回寫不了也先服務(wù)業(yè)務(wù)。總之就是先把業(yè)務(wù)跑通，再逐步系統(tǒng)化。

這種推進(jìn)項目的節(jié)奏，本質(zhì)上也是一種降級：即降低對系統(tǒng)完美性的追求，來換取業(yè)務(wù)的確定性。

當(dāng)你把系統(tǒng)目標(biāo)從完美降到可用，你會發(fā)現(xiàn)團(tuán)隊的注意力反而能回到真正重要的地方：流程、數(shù)據(jù)、角色和節(jié)奏。

如何順利推進(jìn)AI項目：先搭樣板，再做推廣

很多人寫方案喜歡大而全，追求全面、完整、事無巨細(xì)。但真正落地更有效的方式，反而是先搭個“樣板間”，跑通一個流程閉環(huán)后，再擴(kuò)大推廣。如何把這個樣板順利搭起來呢？我總結(jié)了下面幾個步驟：

1. 先把正在跑的老流程完整鋪開，詳細(xì)梳理每個步驟；

2. 標(biāo)注這些步驟哪些環(huán)節(jié)最依賴經(jīng)驗(yàn)、最容易出錯、最重復(fù)耗時；

3. 在不改變目標(biāo)的前提下，把老流程中，存在每個員工腦子里的判斷邏輯和做事思路抽出來，形成一條規(guī)則清晰、步驟明確的新流程。

4. 在新流程中，標(biāo)注哪些信息需要先結(jié)構(gòu)化、哪些判斷可以歸總為規(guī)則、哪些環(huán)節(jié)必須保留人工兜底。最終形成：數(shù)據(jù)輸入 → 處理 → 人介入 → 結(jié)果回流的閉環(huán)；

5. 在沒有AI的情況下，從新流程抽出一個可控數(shù)據(jù)集的關(guān)鍵子流程，先把這個明確場景的流程跑通；

6. 在新流程中，引入被約束的AI能力，要求AI只實(shí)現(xiàn)規(guī)則清晰、輸入穩(wěn)定的任務(wù)，且輸出必須可追溯、可復(fù)核。

7. 驗(yàn)證引入AI后，是不是真的能幫助減少人工成本。統(tǒng)計哪些步驟節(jié)省了時間，哪些步驟仍舊繞不開人工。只有當(dāng)這條流程在小范圍內(nèi)被驗(yàn)證是可持續(xù)、可理解、可復(fù)制的，才可以繼續(xù)考慮擴(kuò)大業(yè)務(wù)覆蓋場景，把這套驗(yàn)證邏輯推廣到更多流程。

在上面的這條路徑里，AI是作為一種提效解決方案，被流程一步步融入進(jìn)來的，這就是我一直在強(qiáng)調(diào)的：

很多AI項目真正跑起來的前提，是先把AI降級。當(dāng)你愿意先用一個樣板間，把流程跑通、邊界跑清楚，AI才有可能在企業(yè)里成為一個長期有效的工具。

寫在最后：AI不是越強(qiáng)越好，把位置放對更重要

我現(xiàn)在幫客戶落地AI項目，越來越少問他們用什么模型、選什么智能體架構(gòu)，而是更關(guān)心三個更底層的問題：

1. 原始流程有沒有被梳理清楚？

2. 數(shù)據(jù)治理完善度如何？有沒有被集中、清洗、形成可復(fù)用的資產(chǎn)？

3. AI任務(wù)的邊界在哪里？是否可約束、可追溯、可復(fù)核？

如果這三個問題（實(shí)際上不止這三個）沒答案，你再強(qiáng)調(diào)AI也是在瞎折騰。

反過來，如果流程先跑通、數(shù)據(jù)先站穩(wěn)、邊界先收緊，就算只把AI當(dāng)個輔助工具，也能長期、穩(wěn)定地替組織省下時間、減少重復(fù)勞動，而且還會越用越值錢。

這可能有點(diǎn)反常識，但它幾乎是我做項目越多，越確定的一件事：

AI真正的價值，不是一上來就把所有任務(wù)都交給它，而是該由流程解決的先由流程解決、該由數(shù)據(jù)承擔(dān)的先由數(shù)據(jù)承擔(dān)，再把AI放在它最能發(fā)揮的那一層。

如果你也在做類似的自動化或AI項目，不妨在評論區(qū)簡單說一句：

你覺得最容易卡住的，是流程、數(shù)據(jù)，還是AI本身？

我也想看看，不同行業(yè)里，這個問題到底會卡在哪里。

本文來自公眾號：互聯(lián)網(wǎng)悅讀筆記 作者：申悅

想要第一時間了解行業(yè)動態(tài)、面試技巧、商業(yè)知識等等等？加入產(chǎn)品經(jīng)理進(jìn)化營，跟優(yōu)秀的產(chǎn)品人一起交流成長！