AI 时代的工作流重构：
从价值流与业务能力出发。

报价生成更快，客户为什么还在等待？

企业引入 AI，常从会议纪要、邮件草拟、信息检索等任务开始。这些应用能帮助员工节省时间。但当目标变成缩短销售周期、改善服务体验或减少跨部门反复时，观察范围就需要覆盖整条业务链路。

一份报价文件可以很快生成，客户却仍在等待产品选型、成本确认和商业审批。如果真正的瓶颈没有改变，局部任务提速就未必能带来客户感受到的改善。

工作流重构（Workflow Redesign）需要先明确为谁创造什么结果，再判断哪些能力限制了结果，最后重新安排人、系统、规则与 AI 的工作。这样，技术投入才能与实际经营问题对应起来。

价值流、业务能力与流程，分别帮助我们看清什么？

这些概念描述同一段业务现实的不同侧面。把它们区分开，是为了让经营目标、能力建设和技术实施能够对应起来。业务架构中的价值流强调利益相关方及其获得的价值，能力支撑价值形成，流程则组织实际执行。[1]

价值阶段需要说明参与方获得了什么增量价值。“需求已被共同理解”，与“录入了一条需求记录”表达的含义不同。报价、订单等名称本身，也不能决定它属于价值阶段、业务对象还是流程分段。

本文采用业务架构视角；精益管理中的价值流分析还会深入观察活动、信息流与等待浪费，两者可以互补，但建模目的和粒度需要说明。工作流也不必被规定为所有企业都要采用的固定流程层级。[2]

先判断什么限制了结果，再选择 AI 的切入点。

报价慢，可能来自需求反复补充、产品规则不清、成本信息过期，也可能来自所有商业例外都要等待同一个人。这些问题对应的建设重点不同，不能都用“增加一个 AI 助手”来解决。

从价值阶段看，客户需要获得技术可行的方案；支撑这一结果的，可能同时包括需求分析、产品配置和知识管理能力。反过来，同一项需求分析能力也会影响后续商务沟通与交付准备。价值阶段与业务能力通常是多对多关系，能力地图不能被当作流程阶段的另一份副本。

业务能力通常比某个系统和操作步骤更稳定：无论使用表格、规则系统还是人机协作，企业仍需要可靠的定价能力。但能力也会随战略与业务模式发展而调整。建设时，应结合真实问题、影响范围、成本和依赖条件确定重点。

把经营判断，逐步带进日常工作。

兴道将价值流、业务能力与 AI 应用连接起来，以七个相互衔接的工作重点组织推进。它们允许根据证据返回调整，可以从一个重要场景开始。

1. 明确结果，核实当前业务。

   确定受益方和业务范围，观察客户等待、人工处理、质量及经营约束。把真正处理工作的时间，与排队、反复补充和返工区分开。

2. 理解价值阶段，确认完成意味着什么。

   围绕客户得到的结果，检查每个阶段是否真正完成。一次内部操作完成，未必代表客户已经获得足够的信息或承诺。

3. 识别关键能力，集中解决主要差距。

   判断哪些能力正在限制结果，再结合业务影响和组织承接能力安排优先级。先解决有证据的问题，再逐步扩大建设范围。

4. 重新安排工作，减少不必要的等待。

   检查重复录入、重复核验与串行交接。可以取消的工作不必自动化，可以独立准备的事项不必全部排队；标准情况与复杂例外也可以采用不同路径。

5. 明确人机分工与结果责任。

   决定哪些任务由人判断、哪些由 AI 辅助、哪些适合规则执行。人员审核需要有依据和承接能力；执行方式改变后，业务负责人仍需明确。

6. 让数据、知识和系统共同支撑执行。

   保证团队能够找到有效信息，分清已确认事实与 AI 建议。系统配置、数据连接与应用组件的选择，应服务于已经明确的业务需要，并有人持续维护。

7. 先验证，再逐步扩大使用。

   用有代表性的业务和异常情况评估，再进入小范围试点。持续观察质量、实际采用与运行成本，业务或技术变化后重新评估受影响的场景。

每项工作，采用合适的执行方式。

人机协作可以有多种组合，它们并不是从低到高的成熟度等级。同一条报价流程中，人员判断、AI 辅助和确定性系统执行往往需要同时存在。

Anthropic 的工程讨论区分了预定义路径的工作流与模型动态选择行动的智能体，并建议根据实际需要权衡复杂度、成本和延迟。[3] 放到经营场景中，这意味着：自主性需要有明确价值，采用更复杂的执行方式也需要经过验证。

例如，折扣是否越权适合规则检查，客户需求中的歧义需要人员澄清。模型自评“高置信度”不能单独证明行动可靠，还需要有效来源、规则校验与真实业务评估。

以报价协同为例，看工作结构如何改变。

以下为方法说明的设计示例，不代表已披露的客户项目，也不构成业绩承诺。

假设一家出海企业由销售、产品、财务和区域团队共同报价。销售整理需求后，依次找人选型、核价、审批，再手工生成文件并重复录入系统。客户等待的时间，分散在多次补充资料和团队交接中。

先补足需求与数据，再准备方案。

AI 可以在授权范围内帮助整理需求与待确认项，销售负责确认客户意图。相关团队可以更早发现关键条件缺失，避免方案与价格建立在猜测之上。

让规则计算与专业判断各就其位。

产品适配、价格和交期需要有效依据。规则明确的事项由业务系统校验，复杂选型与商业例外交给相应人员判断。AI 可以辅助准备材料，但不应自行编造成本、价格或交付承诺。

将草案、批准与对外承诺区分开。

准备出一份报价草案，与获得授权并发送给客户，是不同的业务动作。关键条件发生变化后，需要重新确认受影响的内容。客户负责人继续跟进反馈，让知识与工作方式在使用中得到改善。

真正的变化包括减少重复录入、让独立任务并行、缩短不必要的交接，并把复杂例外送到能够作判断的人那里。软件、插件与 AI 可以帮助实现这些安排，但需要与责任、信息和客户沟通方式一起验证。

看整体结果，也把新增负担算进去。

评价工作流重构，可以同时观察客户等待、报价质量、人工投入、真实采用与综合成本。对报价场景而言，首份有效报价的等待时间，比文件生成速度更接近客户体验；人工投入也应包含审核与异常处理。

• 客户结果：客户是否更早拿到能够用于决策的方案，反复补充与等待是否减少？
• 质量与责任：关键内容是否正确，授权是否有效，复杂例外是否有人承接？
• 采用与经济性：团队是否真正使用，新工作方式增加了多少核验、维护与运行成本？

试点应与可比较的现状基线观察，说明业务复杂度和样本差异。人工时间释放、现金费用下降与新增收入需要分别核算，不能直接等同。赢单率等结果也受到价格、竞争与需求变化影响，不宜全部归因于 AI。

风险管理需要贯穿设计、开发、使用与评估，相关原则也可参考 NIST 的生成式 AI 风险管理专题。[4] 对企业而言，业务、数据知识与系统运行都需要有人负责，才能持续维护已经建立的工作方式。

让一次应用，成为企业能够持续运行的能力。

企业可以先选择一条重要业务链路，明确当前最需要改善的结果，在团队能够承接的范围内运行，再逐步扩展。对于出海企业，还需要考虑区域公司、渠道伙伴和终端客户之间的责任差异，以及跨语言、跨时区的信息协作。

能够复用的系统与应用组件，应当支撑清楚的业务需要，也需要持续维护。AI 能调用工具，并不等于获得全部业务授权；读取信息、准备草稿与作出对外承诺，承担的责任并不相同。

兴道以价值流理解价值如何形成，以业务能力判断建设重点，再将人员、流程、数据、系统与 AI 连接到日常工作中。我们希望为客户留下的不只是一个能够演示的工具，更是团队能够使用、能够衡量，并随业务发展持续改善的工作方式。

了解 复杂解决方案销售 或 售后与服务运营 的建设方向，也可以参考 储能客户运营的分阶段建设实践。