自动化只有两部分:一个目标,一个流程
一份面向非技术读者的自动化入门整理。作者把自动化拆成最朴素的两件事——目标是你最后想拿到什么,流程是你怎么到达——然后指出最常见的错误:把流程误当成目标(填表、发邮件都不是目标,只是步骤)。中段给了一套很实用的交代方法:用语音把脑中的步骤、留意点、工具、验收方式、信息来源一次说完,不用先整理。后半段讲两个进阶点:一是那些「你根本没意识到自己在做」的判断,二是让机器人自己去拿反馈来改进流程。
本文整理自一篇面向非技术读者的官方教程类长文。内容属整理稿而非逐字照搬。
文中提到的产品与功能描述沿用原文,未做外部核验,也不构成推荐。
开场那个拆法
作者说自动化「意外地难做好,即使对天天做的人也是」,然后给了一个极简的拆法。
自动化其实只是一种思维方式,任何人都能学。它就是系统性地、有逻辑地想事情,把事拆成小步骤,同时心里记着目标。
而它只有两部分:
| 部分 | 是什么 |
|---|---|
| 目标 | 你最后想拿到的东西 |
| 流程 | 你怎么到达那里 |
他举了两个日常例子,而这两个例子选得很好——一个偏「配方」,一个偏「应变」。
烤苹果派:买齐材料、组装、烘烤、放凉。
换轮胎:
你可能需要想办法把车顶起来,才能碰到轮胎;找到工具拆下旧的、换上新的;然后把一切装回去。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["目标:换好轮胎"] --> B["流程:顶车 → 找工具 → 拆装 → 复位"]上图是这个关系。注意换轮胎的流程里有「想办法」——它不是一个照单执行的配方。
自动化的定义
自动化还是这两件事,只是多了一样东西:机器。
比如面包店用来批量烤派的机器;或者代码——软件工程师以前手写代码,就是为了自动化那些计算机能做的事。
关键是把事拆成通往目标的步骤,再把流程自动化,这样你就不必每次都亲自做。
而他点出了这轮变化的意义:
一两年前,自动化只属于那些懂怎么造机器、或会写代码的人。
现在,凡是用电脑能完成的事,非技术的人也能做到了。
先说目标,而且别把流程当目标 ⭐
这一节我认为是全篇最该记住的。
我经常看到的一个错误,是人们把流程误当成目标。
比如你在工作上已经有一套很明确的流程。但目标不是「填完一张表」,也不是「发一封邮件」——那只是流程里的一步。
而正确的问法是:
想想最后的目标:这套流程是为了什么?它在业务里处在什么位置?
它是在帮公司提高收入(比如成交一笔、做出新功能),还是在降低成本(比如刚好订到合适数量的库存)?
如果答不上来,他给了很实在的建议:
跟你的经理或同事聊聊,或者干脆让机器人帮你一起想清楚。
而「先定目标」的好处他说得很清楚:
明确目标是最好的起点,因为它把你和机器人都聚焦在最终结果上。
你甚至可能发现,机器人能想出办法让流程更高效——所以别太执着于某个具体流程,它毕竟只是手段。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["填表 / 发邮件<br/>= 步骤"] --> B["流程"]
B --> C{"它到底为了什么"}
C --> D["提高收入"]
C --> E["降低成本"]
D --> F["目标"]
E --> F上图是这条追问路径。它的作用是把「我在做什么」换成「我为什么做」。
那套交代流程的方法 ⭐
这是全篇最实用的部分,而它的关键建议是「别先整理」。
给机器人这些信息最好的方式,是用语音输入边说一阵——
把完成这项工作所需知道的一切一口气说完,不用担心中间跳跃,也不用先整理思路。
该说什么,他给了六项:
| 说什么 |
|---|
| 你通常走的步骤 |
| 你会留意、会特别注意的事 |
| 你用的应用和工具 |
| 你怎么检查这项工作做对了 |
| 你从哪里拿到需要的信息(邮件、即时消息、工单、某个应用或网站) |
| 你从哪里拿到关于「做得怎么样」的反馈 |
「不用先整理思路」这个建议我觉得有反直觉的价值。因为整理的过程往往是丢失细节的过程:你会把「我当时想了一下才决定」这类关键判断当成废话删掉。
而那句提示词里有个重要的约束
在开始之前,用简单的英文复述你认为我的目标和流程是什么,这样我可以给你反馈和确认。
我不要你现在就开始执行——我们先把流程规划好。
「先复述,别执行」——这个顺序很重要。 因为一旦它开始执行,你的注意力就会被具体动作吸引,而错误的目标会被一路执行到很深的地方。
而他给了一个很宽容的提醒:
**别担心第一遍就做对。**看它说了什么,然后用更多信息去纠正它。
这样来几次之后,你应该就有了一个自己满意的东西。
那些「你根本没意识到自己在做」的判断 ⭐
这一节是全文我认为最有洞察的。
解释一个流程时,很容易忘掉一件事:有多少判断是你根本没想就做了的。
如果你在帮客户预约,你大概知道哪些服务更耗时、谁能做哪一项、两个预约之间什么时候该留余地。
这些决定在你看来可能显而易见,但你的机器人也需要这些上下文。
想一想:你自己做这件事的时候在留意什么?什么会让你改变做法?
而他补了一条我认为特别实操的:
还要告诉它你从哪里得到这些信息,以及你怎么检查这项工作被正确完成了。
比如:一封邮件和你的预约系统显示的时间不一致,它应该信哪个?
以及那个「不算完成」的例子:
**一笔预约不是「邮件发出去了」就算完成。**预约要被正确保存,客户要拿到确认。
如果还在等某些细节,让机器人记着这件事,以便它之后接着做,而不会不小心又建了一笔重复预约。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["邮件发了"] -.->|"不等于"| B["预约完成"]
B --> C["已正确保存"]
B --> D["客户已确认"]上图是这个区分。它和前面几讲那条「已提交部署不等于成功」是同一种错。
一种让 AI 帮你找盲区的方法
他给的那句提示词我觉得设计得很好:
「帮我弄清楚,关于这个流程还有哪些是我没告诉你的。请就这些方面问我问题: 我怎么做判断、我从哪里拿信息、我怎么检查工作、以及什么时候该来找我帮忙。
一次问一个问题,然后带我走几个例子,让我在自动化之前能给你反馈。」
「一次问一个问题」这个限定很关键——因为一次抛五个问题,人会挑最好答的那个答。
让机器人自己去拿反馈 ⭐
这一节把「改进」这件事从人身上挪到了系统上。
机器人跑起流程之后,给它反馈让它改进很重要。
最好的方式是:给它配好应用和工具,让它自己去拿到那份反馈。
他的思路是一句反问:
我会想:如果是我在做这件事,而且我想自我改进,我会怎么做?
具体例子:
假设由机器人负责预约排期,一个让它自己改进的办法,是让它盯着邮件、社交媒体或者点评站上的用户评价。
它可以留意这些反馈,然后主动提出流程改进建议。
而那个诊断场景很具体:
也许有客户在点评网站上写「等了很久才有人接待」。
如果它能自己去查这条信息,同时查出你那天关于这位客户的所有记录,它就能看出可能哪里出了问题。
数据越多,自动化越强
他说得很直接:
从这个意义上说,你的业务越「计算机化」,对机器人和自动化越有利。
这些数据的可得性,才让机器人有能力提出更好的改进。
而这里有一个我觉得最聪明的提议:
最好的部分是——它还能帮你造工具来拿到这些数据。
比如你经营修车服务,你可以让它给你做一个应用,在电脑和手机上记录客户到店的细节。
记什么?他给了一条时间线:
| 时间点 |
|---|
| 客户到店 |
| 能跟服务顾问说上话 |
| 你把钥匙交出去 |
| 服务开始 / 结束 |
你就能算出他们等了多久,也更能诊断出为什么。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["到店"] --> B["说上话"] --> C["交钥匙"] --> D["开始"] --> E["结束"]
B -.->|"这段就是等待"| A上图是这条时间线。注意它把「等待」变成了一个可测量的区间——而原本这个体验只是「感觉等了很久」。
那个关于「身份」的技术前提
如果你有某种 ID——某个编号或者唯一的文本,比如邮箱地址,能给数据一个身份——机器人就能跨多个来源交叉比对。
这可以是客户 ID、邮箱、订单号、零件号、条码、员工编号等等。
如果你用多个应用和服务,让这些工具里都有唯一且一致的 ID,能帮它把数据聚合起来,让它完整理解发生了什么。
「唯一且一致的 ID」这条听起来像技术细节,其实是自动化的地基——没有它,数据就是一堆互不相认的碎片。
什么时候自动跑
下一个问题是:机器人该什么时候干活?
是收到邮件时、有人发消息时,还是按固定时间表?
而他给了一个分阶段的做法:
没有 routine 的时候,机器人只会在你要求时才干活。
刚开始用的时候这样没问题,但如果你想精简流程,就得想办法让它自动做——这样你才不再是瓶颈。
「你不再是瓶颈」——这句话点出了自动化的真正门槛:不是能不能做,而是每次都要你说一声。
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
第一,「把流程误当目标」这个错误之所以普遍,是因为流程是可见的,而目标是抽象的。 你能看见自己在填表、发邮件、点按钮;但「这降低了成本」不在任何界面上。所以人会自然地把注意力放在看得见的东西上——而自动化的价值恰恰藏在看不见的那一层。这也是为什么「这个流程为了什么」必须刻意去问。
第二,「用语音一口气说完,不用先整理」这条建议,其实是在保护那些最容易被删掉的信息。 因为你一整理,就会按「重要性」排序,而把「我当时犹豫了一下」这类判断当成废话删掉。但那恰恰是流程里最需要被自动化的部分,因为它最难、最费神。所以「不整理」不是偷懒,是防止信息的自我审查。
第三,「让机器人自己拿反馈」这一步,把自动化从「执行」升级成了「改进」。 而它成立的前提很硬:反馈必须能被机器读到。所以那句「业务越计算机化越有利」不是推销,是这套方法的结构性条件——没有数字化的反馈,机器人只能执行你教的流程;有了它,机器人才可能发现你没教的那些。
一句话总结:自动化不是把动作录下来重放,是先想清楚「我要什么结果」,再让它自己找路径。 而它真正的门槛不在技术,在你愿不愿意把那些「不用说也懂」的判断说出来。