Al的价值，不是让旧流程跑得更快，而是让流程变简单

就在上周末，我刚刚为海亮教育结束了为期三天的AI赋能师训练营培训。

趁着这股热劲，想写一写这三天里的一些心得、感想和思考。

海亮教育是我服务多年的客户。过去几年里，我一直能感受到他们在 AI 人才培养这件事上的投入和坚定。

从 2025 年 4 月的第一期， 9 月的第二期，再到这次——26 年 5 月的第三期，我连续三届担任海亮教育 AI 赋能师训练营的主讲老师。对我来说，一方面很感谢客户长期以来的信任，另一方面，我也确实在这个过程中和客户、学员在一起成长。

每一期训练营结束时，看到学员从课堂里走出去，把 AI 真正用到自己的岗位和业务里，甚至开始带着团队做新尝试，还是很有成就感的。

但这一次，我的感受和前两期不太一样。

前两期更多是在解决一个问题：怎么让更多人理解 AI、会用 AI、愿意在岗位里尝试 AI。

第三期开始，问题变了。

它不再只是让学员学会几个工具，也不是完成几个智能体作业，而是要求大家带着真实业务问题入场，在三天内组队做出一个可演示的 AI 应用 Demo，并在最后向评委路演。

这件事的难度明显高了很多。

因为它已经从培训，变成了一场带有真实业务压力的 AI 黑客松。

一、从三期训练营看企业 AI 人才培养的变化

回过头看，海亮教育这三期 AI 赋能师训练营，很像企业 AI 人才培养方式的一次演进。

第一期考验的是学习深度。

连续 4 天脱产培训，课程内容比较系统，课后还有一周时间让学员完成作业、提交作品，再进行评优和颁奖。那个阶段的重点，是让学员建立比较完整的 AI 认知，知道 AI 能做什么、怎么用、可以和哪些岗位任务结合。

第二期考验的是学习精度。

培训时间压缩为 1 天，另 1 天安排海亮内部学员分享自己的 AI 赋能经验。这是一个很重要的变化。企业 AI 培训不能一直靠外部老师讲，内部必须有人站出来讲自己的实践。只有当员工开始讲自己的案例，AI 才真正从外部输入变成内部经验。

第三期考验的是组织参与度。

学员不只是听课和完成作业，而是要在三天内和小组成员一起，围绕一个真实业务场景，完成问题定义、方案设计、工具选择、Demo 搭建和路演汇报。

这第三期的训练营，本质上是一场组织级的 AI 实战演练。

这也是我今年在很多企业里看到的趋势：越来越多企业开始用 AI 大赛、AI 黑客松、AI 创新营的方式推动内部 AI 应用。因为这种方式比单纯培训更容易激活组织。

培训解决的是个人认知问题、黑客松则可以让组织动员起来，通过路演让业务达成共识，并以 Demo 的形式让设想可被验证。这几件事加在一起，才有可能让企业高层、业务负责人和一线员工同时看到 AI 的价值。

不过，AI 黑客松看起来热闹，真正做起来并不轻松。

普通培训只要讲清楚、让学员听明白、练一练，就已经算完成了大部分任务。但 AI 黑客松要在很短时间里，让一群来自不同岗位的人，把一个模糊问题变成一个可演示成果。

这里面有太多不确定性：学员的工具基础不一样、业务场景的成熟度不一样，小组成员的投入度也不一样。

所以真正难的不是上课，而是组织整个过程。

好在赛事组织方做足了准备，在正式开营前，就已经提前提供了学习资料，给每个小组安排了有 AI 工具实操经验的助教，并且提前引导每个小组明确业务场景、要解决的痛点、计划使用的 AI 工具，以及最后如何讲清楚业务价值。

我们也反复强调不要只做工具展示，而是必须讲清楚原来的业务流程有什么损耗，以及 AI 介入后改变了哪个环节，尽量做出输入、处理、输出的最小闭环。

因为 AI 黑客松最怕的是大家现场才开始想做什么。三天时间一旦耗在方向讨论上，后面就很容易做出一个看起来热闹、但业务价值不清楚的 Demo。

这次训练营按照业务场景特点，分出了数据分析组、内容创作组、知识问答组、增收增长组、流程提效组、教学辅助组等多个小组。每个小组都围绕自己的岗位任务和业务问题，尝试提出 AI 改造方案。

其中让我最有感触的，是流程提效组的智能审批项目。

二、一个小组的问题，抬高了整个训练营的层次

流程提效组的学员，大多由人资、财务这样的职能部门组成，他们日常面临的典型问题，就是审批流程的低效。

最开始，他们希望在现有的 OA 审批流里嵌入一个 AI 节点。提交人上传表单和附件后，AI 自动审核材料的完整性和合规性，识别风险点，生成风险提示，再要求提交人返回修改。

这个方案确实能减少人工审核时间，也符合很多企业当前的 AI 落地思路：

原来有一个流程，现在把其中一个节点交给 AI，让 AI 帮忙看材料、查规则、做判断、写意见。

但他们后面抛出了一个更有意思的问题：

为什么一定要把 AI 嵌入 OA 流程里？

能不能跳出 OA，重新设计一套 AI 参与下的新审批流程？

这个问题一出来，整个方案的层次就变了。

如果只是把 AI 放进 OA，那本质上还是在原有流程上做局部优化，能提效，但空间有限，有时候不但不会减少工作量，反而会增加新的工作量。

因为原来的流程节点一个都没少，只是在中间又多了一个 AI 节点。多出来的，是一份 AI 审核结果、一段 AI 风险说明、一个需要人工解释和确认的新环节。

这时候 AI 并没有真正改变流程，只是变成了旧流程里的一个新增检查岗，实际上流程反而更长了。

这也是很多企业 AI 落地时容易忽略的问题：大家以为只要加入 AI，就一定是提效。但如果不同时减少旧节点、不调整责任分工、不重排流程顺序，AI 很可能就只是把原来的流程再包一层。

而流程提效组真正有价值的地方，就在于他们没有只问：AI 能不能帮我审材料？而是进一步质疑：如果 AI 已经能审材料，那原来的审批流程还需要这么长吗？

这个问题一出来，整个思路就从局部提效，进入了流程重构。

我们可以回到审批流的本质来看。

审批流真正要解决的，是风险控制、信息确认和责任判断。

过去之所以需要层层审批，是因为很多信息只能靠人查，很多规则只能靠人记，很多材料只能靠人核对，很多风险只能靠经验判断。流程越复杂，本质上是在用更多人工节点换取更低风险。

但如果 AI 能在前置环节完成材料校验、规则比对、异常识别、信息补全和风险分级，那么后端是否还需要那么多层人工审批？

这个问题值得每个企业管理者认真想一想。

流程提效组最后的思路，是重新设计一套 AI 主导前置审核、人保留关键决策的新流程。

这背后有一个很重要的判断：

审核的核心，很多时候不只是材料本身，而是材料背后这个人、这件事、这个业务动作是否值得进入下一步。

所以更加高效的方式，不是让人一遍遍看材料有没有缺、格式有没有错、规则有没有满足，而是让 AI 先完成基础判断，再让人判断真正需要负责的部分。

这个分工一旦成立，流程就有机会被重新设计。

他们的参赛 PPT 里有一句话，我印象很深：

AI 的价值，不是让旧流程跑得更快，而是让流程本身变简单。

这句话也几乎是这次训练营里最值得被记住的一句话。

三、很多企业的 AI 落地，容易只停留在传统流程加 AI 的阶段

这几年我最常见到的企业 AI 落地思路，都是先找一个原有业务流程，再找一个看起来可以用 AI 的节点，把 AI 加进去，最后证明这个节点提效了多少。

对大多数企业来说，局部嵌入 AI 是最现实、最安全，也最容易启动的方式。你不可能一上来就要求企业重构组织流程，也不可能让业务部门立刻接受一套完全不同的管理方式。

但真正的问题是，很多企业做到这一步就停了，最后的结果就是：“一顿操作猛如虎”，但组织效率未必发生根本变化。

人还是那些人，流程还是那些流程。

很多重复解释、重复提交、重复确认的问题，并没有真正消失。

甚至在一些场景下，AI 还可能把流程变重。

比如合同审批。

原来的合同审批流程是业务提交合同→法务审核条款→财务审核付款条件→负责人最终确认。

结果企业为了引入 AI，又在业务提交之后增加了一个 AI 合同预审节点。AI 会生成风险摘要、条款提示和修改建议。

听起来很合理，但如果原来的法务、财务、负责人审批一个都没少，业务人员还要额外阅读 AI 报告、解释 AI 标出的风险、判断哪些建议采纳，那么这个 AI 节点就不一定是在提效。

我觉得真正更合理的做法，是重新设计合同分流机制。

• 标准合同、低风险合同，由 AI 完成模板比对、关键信息校验和风险扫描后，直接进入快速通道；

• 非标合同、高风险条款、异常付款条件，再推给法务和财务重点审核。

人的精力不再平均分配给所有合同，而是集中处理 AI 标出的例外和高风险事项。

再比如费用报销。

很多企业会考虑在报销流程里增加 AI 审核，让 AI 检查发票、识别金额异常、判断费用类型是否合规。

如果只是简单加入 AI，员工报销时还是要填写原来的报销单、上传原来的附件，还要等待 AI 审核结果。AI 提示异常后，员工还要解释异常原因后重新提交，财务仍然要照常复核，领导仍然照常审批。

这样一来，原流程没有减少，AI 反而变成了一个新的前置检查环节。员工觉得更麻烦，财务也不一定更轻松，因为他们还要判断 AI 的提醒到底准不准。

更好的做法，是把报销流程改成风险分级。

• 低金额、标准类型、票据完整、规则明确的报销，由 AI 校验通过后自动进入快速处理。

• 金额异常、类型异常、票据缺失、历史上高风险的报销，再进入人工复核。

财务不再把时间花在每一张标准票据上，而是集中处理真正要判断的异常单据。这样 AI 才真正改变了流程。

这也是我这次训练营后一个非常强烈的感受：对企业管理者而言，AI 落地不能只看单点效率，而要看它有没有改变业务流转方式。

如果企业只是把 AI 当成一个更快的工具，那 AI 的价值很容易被限制在写材料、查知识、做总结、生成话术这些任务里。

这些应用有价值，但很难真正改变组织运转方式。

而当 AI 具备资料读取、规则判断、内容生成、数据分析、系统调用和流程编排能力以后，原来的流程有没有必要重新设计？这才是企业 AI 落地里更深的一层问题。

四、AI 重构流程，需要改变的是组织管理方式

一讲到 AI 重构流程，有人会担心是不是要把原来的审批都取消，都让 AI 做决定，是不是会带来更大的合规风险？最后还得人来背锅。

这个担心是合理的。

每一个审批节点背后，通常都有历史原因。有些是合规要求，有些是风险控制，有些是责任确认，有些是组织管理习惯。

所以 AI 重构流程，绝对不是简单粗暴地把节点删掉，而是要把流程里的不同任务拆开，看哪些任务应该继续由人负责，哪些任务可以交给 AI 前置完成。

比如，一个审批流程里，可能混合了四类动作：信息收集、材料核对、规则判断、责任决策。

过去这些动作经常混在一起，由不同层级的人一层层看，每个层级的人如果都再重复一遍这四类动作，那就是相乘的时间浪费。

但如今的 AI，已经进化成可以自主完成任务的 Agent 形态，像是信息收集、材料核对、规则判断这几类任务，很多都可以前置自动化。人的精力，则可以放在关键判断和例外处理上。

这样一来，流程并不是失控了，而是治理方式变了，这才是更可落地的 AI 流程重构。

企业真正要思考的，不是 AI 能不能代替某个人，而是 AI 能不能让一些原本不必要的人工流转消失。

所以我的判断是：AI 提效的第一刀，不应该先砍人，而应该先砍流程节点。

流程低效的本质，是流程把人困住了。而 AI 最有价值的地方，不只是帮某个人把手头工作做快一点，而是帮企业减少这些不必要的流转、等待、解释和重复判断。

五、借助 AI 黑客松，倒逼组织重新定义问题

回到训练营本身，我在最初培训的时候，一直担心教的AI工具太复杂，学员学不会，成果出不来。但实际情况是，通过小组共创的方式，每个人可以分工协作，这样的安排下，最终比拼的反而不是哪个小组最会用工具，而是谁能把业务问题定义得更准。

工具当然重要。但如果只盯着工具，很容易把 AI 黑客松做成了炫技大赛。每个小组都在讲用了哪个Skill、接了哪个模型、Vibe Coding了什么好看的页面，但评委听完后，还是不知道它到底解决了什么业务问题。

真正好的 AI 项目，一定是从业务痛点开始的。

原来哪里慢、哪里重复、哪里容易错、哪里因为流程太长导致体验变差？

这些问题说不清楚，后面做什么智能体、什么工作流、什么知识库，都容易做成“空中楼阁”。

所以我在这次训练营里一直要求每个组要讲清楚三个问题：

1. 原来的业务问题是什么，AI 介入后改变了哪个环节，这个改变带来了什么价值。

2. 现在我还会再加一个问题：AI 加进去之后，原来的哪些节点可以减少、合并、前置或者取消？

3. AI 黑客松不能只鼓励大家把 AI 放进流程里，更要鼓励大家重新审视流程本身。

它通过一个有压力、有截止时间、有评审机制的场景，逼着业务人员把平时说不清的问题讲清楚，把模糊的想法变成可演示的方案，把个人感受变成组织可以讨论的业务案例。

Demo 不是终点，Demo 的价值，是让组织看到这件事可以被验证。

当一个小组能在三天内把一个流程问题讲清楚，并做出一个最小闭环，评委和业务负责人就会开始产生新的判断：

这个方向是不是可以继续推进？这个流程是不是确实有改造空间？其他部门有没有类似问题？

如果能有这样的启发，这场 AI 黑客松就能成为企业 AI 场景发现和组织共识形成的机制。

六、从学员、评委到组织方，每个人都在被改变

复盘下来，这次三期训练营最有意思的地方，是让每个人对“AI 如何进入真实业务？”这个问题，都有了全新的视角。

对学员来说，他们不再只是被培训的人，而是业务问题的提出者和方案共创者。

对评委来说，他们看到的也不只是学员成果，而是自己业务条线未来可以被改造的可能性。

流程提效组路演结束后，现场评委都很兴奋，大家抢着提问，也开始讨论自己的业务能不能按照类似思路推进。这个反应就是赛事组和我希望看到的。

因为一个好的 AI 案例，最有价值的地方就是让旁边的人开始想到自己的业务。

对组织方来说，AI 黑客松也不是简单办一场活动、做一次培训，而是在搭建一套内部 AI 创新机制。

对我自己而言，更是有很大的认知升级：给企业落地一场 AI 大赛，不能只是会讲课，还要能判断业务场景、设计赛程、辅导小组、识别方案风险，最终能帮学员把技术 Demo 翻译成业务语言，让评委听懂价值。这是个咨询、培训、运营和交付混合在一起的综合项目。难，但有效。

七、从这个案例里，我提炼出了一个流程重构判断框架

训练营结束后，我一直在想：流程提效组这个案例，能不能提炼成一套更通用的方法？

我现在的初步总结是，企业想用 AI 重构流程，可以先问自己六个问题。

第一个问题：这个流程里，哪些节点本质上是在收集信息？

比如让员工补材料、填表、上传附件、重复提交证明。这类动作如果规则明确，AI 很适合前置辅助。

第二个问题：哪些节点本质上是在核对信息？

比如检查材料是否完整、字段是否一致、格式是否合规、附件是否缺失。这类动作通常不需要高级判断，而需要稳定、细致和不厌其烦，AI 很适合承担第一轮检查。

第三个问题：哪些节点本质上是在执行规则？

比如判断是否符合制度要求、是否命中风险条款、是否超过预算标准、是否符合流程条件。这类动作可以通过知识库、规则库、工作流、内部系统数据对接以及模型判断结合实现。

第四个问题：哪些节点本质上是在分摊责任？

这类节点要特别谨慎。很多审批存在的意义，不只是看材料，而是确认责任。AI 可以提供依据，但不能替代责任主体。这里更适合做风险提示、决策摘要和依据整理，而不是直接取消人的判断。

第五个问题：哪些节点是真正需要人做判断的？

这些节点应该被保留，甚至被强化。AI 前面做得越充分，人越应该把精力放在例外情况、业务取舍、风险承担和最终决策上。

第六个问题：如果加入 AI，原来的哪个节点可以被减少或调整位置？

企业在设计 AI 流程时，不应该只画一张 AI 介入后的新流程图，还应该同时画一张被取消、被合并、被前置、被简化的旧节点清单。否则就很难证明 AI 真的带来了流程价值。

这样看，AI 重构流程就变成了一种拆解方法。

• 如果一个节点只是重复收集信息，可以考虑前置。

• 如果一个节点只是机械套用规则核对材料，可以考虑交给 AI 自动比对。

• 如果一个节点涉及责任确认，要保留人，但可以让 AI 提供决策依据。

• 如果一个节点涉及重大例外和业务取舍，一定要由人来判断。

• 如果一个 AI 节点加进去后，没有任何旧节点被减少，就要警惕它是不是在制造新的流程负担。

这个框架，可能比单纯讨论某个智能体怎么做，更适合企业管理者理解 AI 流程改造。

八、AI 进入组织后，企业要重新设计人和 AI 的分工

这次训练营的课堂上，我也讲过一个观点：企业落地 AI，大致会经历四个阶段：工具阶段、场景阶段、流程阶段、组织阶段。

• 工具阶段，提升的是个人效率。

• 场景阶段，解决的是某个业务的单点问题。

• 流程阶段，AI 则是要进入业务链路，影响前后节点。

• 组织阶段，AI 会成为组织能力的一部分，人和 AI 之间要建立新的协同机制。

最难的是后两个阶段，因为这时候的问题，是企业如何重新设计人和 AI 的分工。

过去我们说人使用 AI，现在则是要把 AI 看成一个可以完成资料整理、信息识别、规则判断、报告生成、流程提醒、数据分析的数字员工。

如果这样，那企业就要继续追问：

• 哪些工作应该由人做？

• 哪些工作可以交给 AI 先做？

• 哪些流程节点可以合并？

• 哪些判断必须保留在人手里？

• 哪些岗位的工作内容会被重新定义？

• 哪些管理动作可以从事后审批变成事前校验？

• 哪些部门之间的协作方式需要重新设计？

这些问题，才是真正摆在企业管理者面前的难题。

也正因为这样，AI 落地越往后走，越不像一个技术项目，越像一个组织变革项目。技术可以让 Demo 跑起来，流程设计决定它能不能嵌进去，组织机制决定它能不能长期用下去，业务负责人决定它能不能真正产生价值。

这也是我现在做企业 AI 咨询和培训时越来越强烈的感受：

企业不缺 AI 工具，真正缺的是如何把 AI 放进业务的判断力。

九、对企业来讲，AI 落地正在进入新阶段

对我来说，这次训练营不只是交付一次培训，也让我更清楚地看到企业 AI 落地正在进入新的阶段。

第一阶段，企业关心的是员工会不会用 AI。

第二阶段，企业关心的是能不能做出 AI 应用。

第三阶段，企业会开始关心 AI 能不能进入真实流程。

再往后，企业真正要面对的是：AI 会不会改变组织协作方式。

这次训练营让很多业务人员第一次开始思考：这件事有了 AI 后，还一定要这么做吗？

这个意识很重要。

因为很多企业的低效，不是没人发现，而是没人有机会把它拿出来重新讨论。

AI 给了大家一个重新讨论流程的理由。

过去你质疑流程，别人可能会觉得你不懂管理、不懂风险、不懂组织规则。

现在你用 AI 做出一个 Demo，证明原来多个节点可以被重新设计，大家就会愿意坐下来认真讨论。

这就是 AI 黑客松的价值。

对我来说，也更加坚定了一个判断：

未来企业 AI 落地的关键，不只是会不会用工具，而是能不能把 AI 变成重新设计业务的变量。

AI 落地的第一刀，不是砍人，而是砍流程节点。

• 砍掉那些不必要的等待。

• 砍掉那些重复的确认。

• 砍掉那些低价值的流转。

• 砍掉那些只是在传递材料、分摊责任、制造解释成本的环节。

然后把人放回真正需要判断、负责和创造价值的位置上。

如果 AI 加进去之后，流程没有变短，人的负担没有变轻，关键判断没有更聚焦，那它可能只是一个新的系统节点，而不是一次真正的 AI 改造。

当一个团队开始问：为什么我们一定要按原来的流程走？

这往往就是 AI 真正发挥价值的开始。

我是申悦，企业级AI解决方案顾问，长期参与知识库、智能体、行业方案设计与落地推进，服务过银行、制造、教育等行业客户。如果你所在的公司正在做企业 AI 方案、知识库、智能体或行业解决方案相关建设，也欢迎交流项目合作、方案共建，或更长期的角色可能。

回复“ 微信 ”，加我 个人微信