这家马来西亚第二家园公司走上了一条不归路

这家公司，就是我们自己。

起初，我们只是做了一个抢预约号的工具。

以前靠人工，一个账号每轮大约抢到3个号。

工具第一次实际使用，拿到8个；第二次，11个。

按理说，解决一个麻烦，应该能轻松一点了。

结果，我们又盯上了另一个麻烦：已经约出去的号码，有时候会被释放出来。什么时候出现，没个准。总不能让同事整天守着页面刷新吧？

于是，又做了放号监测。

系统去盯，有号提醒人处理。这个功能，我们还开放给同行一起用。

做完以后才发现：这条路，好像有点不对劲。

一个问题解决了，眼前又多了三个。

抢完号，怎么连护照都研究上了？

后来，一位新同事加入，公司开始培训。

平时老同事顺手就做完的工作，要重新拆开讲。护照怎么打印，哪几页放在一起，资料怎么检查，房产买卖合同怎么整理，都得讲清楚。

这一拆，新的问题又来了。

同一个信息，为什么要在几个地方重复输入？某个步骤为什么每天都要人做一遍？哪些经验只有老同事知道，新人只能慢慢学？

我们此前做的内部CRM、自动填表和文件管理，也是在处理这些问题。AI不再只是帮忙写文章，它开始进入业务流程；有些环节用AI，有些用规则明确的软件，哪里合适就用在哪里。

房产买卖合同整理软件，也进入了制作。

这时候，那条“不归路”已经从预约页面，一直延伸到了办公桌上的文件堆里。

不过，工具要往哪里做，线索还是从真实工作里来。

我们实际到移民局办理业务，由销售同事亲自去，不用跑腿人员。负责客户的人去了现场，才知道文件哪里不好找，哪种排列便于检查，什么资料经常被问到。

这些问题带回办公室，就成为下一次改进的起点。

以前，同事发现一个好办法，可能先留在自己的工作习惯里；现在，我们希望把它拆成清楚的步骤，能做成工具的就做成工具，下一位同事也能接着用。

一个人少重复一次，只省下一次功夫。一套流程改好了，才有机会让后面的办理一起受益。

本来想把事情做快一点，后来连“为什么快”也想研究

工具做着做着，我们又发现，手里还有一件值得认真整理的东西：过去办过的案件。

对每一组第一次办理的新申请客人来说，亲身经历的，是自己这一组申请。等了多久，经过哪些步骤，积累下来的主要是这一次的经验。

我们手里却已经积累了几百份新申请。既然有这么多真实记录，为什么不放在一起分析，让下一位新客人也能从中多了解一点？

于是，我们整理了近300宗新政策下的案件，以及官网里数千条历史记录，借助AI和数据分析，把付款、文件审核、背景安全审查、补件、进入会议、批文生成等节点重新梳理出来。

先看一个问题：从官网显示收到付款，到有条件批准函生成，经历了多久？

早期有些记录不完整，我们就只选两个时间都能确认的案件来算。在这批可用的历史记录里，我们看到比较典型的时间是80多天，也有约半个月的快例，以及超过8个月的慢例。

数字有了，新的问题又来了：差别为什么这么大？时间主要花在哪一段？哪些情况值得提前核对？

原本是想回答“要多久”，结果越整理，越想知道“为什么”。

不归路，又往前走了一截。

如果能更早看见下一步，对客人意味着什么？

接下来值得研究的，是能不能把这些记录用在更具体的安排上。

比如，进入某个阶段以后，条件相近的案件通常还会等多久？如果某一步停留明显久了，能不能提醒同事去核对？哪些资料容易反复确认，能不能在准备时就提示检查？

这些，是我们想继续探索的方向。

对申请人来说，这能帮助客人把生活安排得更具体：目前走到哪里，估计的依据是什么，眼下有没有可以先准备的事。

预测更适合从有依据的时间范围做起。还在等待的案件也要算进研究里，不能只看已经办完的；估计得准不准，要用之后的实际结果检验。

我们希望AI帮忙把安排做得更有依据。审批的决定和节奏，仍然由审批机关掌握。

做着做着，又想把这些东西交到客人手上

数据整理好了，如果只有办公室里的同事看得到，好像还差一点。

于是，我们已经着手开发客人网页，也同步了旅游部的进度表（实测可行）。这项开发要让客人能够近实时地查看自己的申请进度，知道走到哪个阶段，以及下一步该做什么。

然后，又往前多想了一步：以后把AI和我们的知识库接进来呢？

客人需要了解第二家园信息的时候，就可以继续回来查、继续问。随着知识库更新，获取新的信息；申请走到不同阶段，也能找到下一步需要了解的内容。

这里最吸引我们的，是“持续”这两个字。

一篇文章读完了，还会有新问题。一次咨询结束了，情况也可能变化。我们希望把知识库逐步做成一个可以持续使用的入口，让公司的经验和整理过的信息，能够一直帮助客人。

这件事还牵出一个问题：当客人知道得越来越多，我们靠什么赚钱？

如果客人什么都更容易查到，我们还剩下什么？

很多服务行业里，信息差本身就有商业价值。熟悉业务的人，知道去哪里查、怎样理解；第一次办理的人，却得花时间一点点摸索。

第二家园申请也有这样的距离：流程走到哪里、一个进度状态意味着什么、某项收费包含哪些工作，客人未必一开始就弄得清楚。

这些原本可以解释清楚的事，如果一直只有服务商知道，客人就很难判断，自己付的钱对应着什么价值。

我们希望知识库和AI做的，就是让这段距离小一点。

能公开说明的，尽量讲明白；有依据的信息，让客人能找到依据；收费和服务范围，也应该让人看得懂。

我们想赚的，是把事情做好该赚的钱。

帮你判断资料、整理文件、跟进办理、处理实际问题，这些工作需要时间和经验，也应该有合理的服务费。

我们不希望客人付钱的理由，只是“这些事情我不知道，所以只能听你说”。

让客人更懂，当然会让我们面对更多问题：这笔费用做了什么？这个建议根据什么？这一步为什么需要这样处理？

那就把事情做好，再把理由讲清楚。

看来这条“不归路”，还顺手给自己增加了要求。

更有意思的是，客人以后可能带着自己的AI来问

Patrick Collison在《Agentic Economy》里讨论的起点，就是企业与消费者之间的信息和分析能力差距。个人AI助手可能帮助消费者更充分地研究商品与服务，也让真实质量更容易获得回报；这仍取决于助手是否站在消费者一边。

放到第二家园业务里，我们自己的知识库，是让客人更容易获得信息的一步。未来，客人还可能让自己的AI去查、去比较、去追问不同公司的说法。

资质在哪里核实？费用包含什么？服务究竟怎么做？承诺有没有依据？

如果真走到这一步，一句“我们很专业”，大概就不够用了。

但这恰好让我们更愿意继续折腾。

公司用AI改善工作，客人用AI了解和比较服务。如果双方都能把事情看得更清楚，我们在文件、流程和跟进上花的功夫，也就多了被认真看见的机会。

我们希望，到时候别人了解CYMM2H，能看到具体的做法，也能弄明白自己付的服务费，对应着哪些实际工作。

所以，这条路大概真的停不下来了

一个抢号工具，让我们开始研究监测。

一次新人培训，让我们重新拆开文件流程。

一批历史案件，又让我们开始研究时间、差异和下一步。

再接着，就有了正在开发的客人网页，以及未来让AI连接知识库、持续为客人提供信息的想法。

AI最吸引我们的地方，就在这里：以前一些觉得只能靠人反复做的事，现在值得再试一次；以前散在文件和记忆里的东西，现在有机会被整理出来，继续派上用场。

我们想争取的改善，都很具体：让客人少为一个问题来回确认，让同事少做一次重复输入，让一次进度说明多一点依据。

也让客人知道得更多，选择更有依据，付钱付得更明白。

我们用了AI以后，越做越停不下来。

因为一个问题解决以后，下一件可以做得更好的事，已经在那里等着了。