Strategyn：先优化流程再应用AI，避免自动化低效环节

组织正在犯一个损害其 AI 投资的错误：在没有首先重新设计低效流程的情况下就对其进行自动化。

这种做法制造了一种危险的进步假象，而实际上只是在加速现有问题。

“更快但仍糟糕”的问题

在我的咨询工作中，我无数次看到这种情况：一家公司兴奋地推出 AI 解决方案，结果却发现他们让问题变得更糟，而不是更好。他们陷入了我所说的“更快但仍糟糕”的陷阱。

考虑以下真实案例：

• 一家制造商实施 AI 以自动化质量控制检查，但其底层质量标准过时且不一致，导致不合格产品被更快地批准。
• 客户服务部门使用 AI 自动路由支持工单，但其问题分类系统存在缺陷，导致客户问题被更快地错误路由。
• 营销团队在内容个性化方面实施 AI，但使用的是过时的客户细分模型，导致无关内容的交付速度加快。

在每种情况下，组织都在 AI 技术上投入了大量资源，结果只是加速了低效运营，而没有解决根本问题。

目标不应该是自动化你当前正在做的事情——它应该是重新构想什么是可能的。

这种重新构想需要一种从根本上不同的方法来理解工作流。产品团队需要的不是记录包含所有低效环节的当前流程，而是一种专注于客户试图完成什么的方法论。

想了解更多关于将成果驱动创新（Outcome-Driven Innovation）应用于你的 AI 计划吗？ 

预约与创新先驱 Tony Ulwick 和 AI 实施专家 Laks Srinivasan 的免费咨询。

流程图与工作图：关键区别

为了避免“更快但仍糟糕”的陷阱，组织需要了解流程图和工作图之间的根本区别：

流程图记录客户或员工在解决方案空间中当前正在做的事情。它们包括：

• 与当前工具绑定的特定于解决方案的步骤
• 组织约束
• 变通方法和迭代
• 通常，多个重叠的工作

工作图详述客户或员工在问题空间中试图做的事情。它们是：

• 与解决方案无关
• 对所有客户普遍适用，无论当前的解决方案如何
• 专注于消除不必要的步骤和迭代
• 以人们试图完成的事情为中心，而不是他们当前正在做的事情

工作映射过程

成果驱动创新 (ODI) 流程提供了一个系统化框架，用于在应用 AI 之前设计最佳流程。这始于创建一个工作图，该图代表了完成一项待办工作的理想步骤序列：

1. 定义 – 确定需要完成什么
2. 定位 – 收集必要的输入
3. 准备 – 设置和组织
4. 确认 – 验证一切就绪
5. 执行 – 执行核心活动
6. 监控 – 检查进度和结果
7. 修改 – 进行必要的调整
8. 结束 – 完成并评估

[下载工作图模板]

通过这种方式映射工作，组织可以识别出高效执行的最佳序列，无论当前的解决方案或技术如何。

AI 如何增强优化后的流程

一旦设计出最优流程，AI 就能通过以下方式显著增强它：

1. 预判需求 – 利用情境数据在需求出现之前进行预测
2. 消除手动输入 – 自动收集所需信息
3. 提供实时验证 – 持续检查潜在问题
4. 实现主动调整 – 在问题发生前提出修改建议

以听音乐这一工作为例： 

这项工作的本质没有改变（听音乐），但技术使得执行方式越来越高效——从 CD 到 MP3 再到流媒体服务。AI 通过预测偏好、生成播放列表以及自动适应聆听习惯，进一步提升了这一体验。

AI 实施成功路线图

希望有效利用 AI 的组织应遵循以下顺序：

1. 独立于当前解决方案，梳理待完成的工作（job-to-be-done）
2. 确定执行该工作的最佳步骤序列
3. 找出当前流程中的低效环节和重复迭代
4. 重新设计流程以消除这些低效环节
5. 确定 AI 可以在哪些地方增强优化后的流程
6. 实施能够加速价值创造的 AI 解决方案

结论

那些仅仅自动化现有实践的组织只会更快地走向错误的方向，而那些首先优化其流程的组织将释放 AI 的变革潜力。

Job Map 方法论为有效的 AI 实施提供了关键基础。通过首先关注执行工作的最佳序列，组织可以确保其 AI 投资加速价值创造而非加剧低效。

想了解更多关于如何将成果驱动创新（Outcome-Driven Innovation）应用于您的 AI 项目吗？ 

预约与创新先驱 Tony Ulwick 及 AI 实施专家 Laks Srinivasan 的免费咨询。