01业务问题
先把目标、角色、约束、卡点说清楚
很多流程优化或 AI 应用之所以跑偏，是因为一开始没有把真实业务问题定义清楚。这里先确认要解决的不是“用什么工具”，而是“哪件事现在被什么因素卡住”。
解决什么问题
- 问题描述过于模糊，只剩一句“想提高效率”。
- 不同角色对目标、边界和优先级理解不一致。
- 约束条件没有前置，导致方案看起来完整但落不了地。
需要拆哪些信息
- 业务目标、参与角色、决策人和使用人。
- 时间、数据、权限、预算、合规等限制。
- 当前卡点出现在哪个环节，影响的是速度、质量还是协作。
AI、工具、人的分工
- AI 辅助整理访谈、归纳问题和生成候选假设。
- 工具承载资料、表单、记录和基础数据汇总。
- 人负责判断目标是否真实、优先级是否值得投入。
产出一份问题定义：目标、角色、约束、卡点和判断标准。
02流程节点
把事情发生的顺序、数据流和反馈点拆出来
业务问题明确后，下一步不是马上搭自动化，而是把流程画清楚：事情从哪里开始，经过哪些节点，谁输入什么，谁接收什么，哪里需要反馈。
解决什么问题
- 只看到单个任务，没有看到前后环节的依赖。
- 数据流、审批流和沟通流混在一起，导致责任不清。
- 反馈点缺失，流程跑完才发现结果不可用。
需要拆哪些信息
- 流程起点、终点、关键节点和分支条件。
- 每个节点需要的输入、产生的输出和交接方式。
- 异常情况、人工确认点和复盘反馈点。
AI、工具、人的分工
- AI 辅助把散乱描述整理成节点清单和流程草图。
- 工具承载表格、看板、文档、接口或自动化连接。
- 人负责确认顺序、依赖关系和真实操作习惯。
产出一张流程节点图：顺序、数据流、责任边界和反馈点。
03人机分工
判断 AI 辅助、工具连接和人的判断各放在哪里
不是每个节点都适合交给 AI。我的判断会先看任务类型、风险、数据质量和验证方式，再决定哪些交给 AI 做草稿、归纳或提示，哪些交给工具连接，哪些必须由人负责。
解决什么问题
- 为了使用 AI 而使用 AI，反而增加了检查成本。
- 自动化连接过早，流程变化后维护成本过高。
- 人的关键判断被弱化，导致风险和责任不清。
需要拆哪些信息
- 节点是否重复、是否有明确输入输出、是否可校验。
- 错误成本、权限边界、数据敏感度和人工复核要求。
- 现有工具能力、接口条件和团队使用习惯。
AI、工具、人的分工
- AI 适合做归纳、生成初稿、分类、提醒和辅助分析。
- 工具适合做记录、同步、触发、权限和状态追踪。
- 人负责目标取舍、例外判断、最终确认和复盘。
产出一份节点分工表：AI 辅助点、工具连接点、人工判断点。
04系统复用
把跑通过的清单、节点、连接方式和复盘沉淀下来
流程跑通之后，我会再看它是不是值得沉淀。不是所有方案都要产品化；只有当清单、节点、连接方式和判断标准能够被复用时，才有继续系统化的价值。
解决什么问题
- 一次性方案做完就散，下一次还要从头解释。
- 经验只停留在个人脑子里，无法迁移到相似场景。
- 系统越搭越复杂，却没有形成可维护的复用边界。
需要拆哪些信息
- 哪些清单、字段、节点和规则在多个场景中反复出现。
- 哪些连接方式稳定，哪些只是临时绕路。
- 复盘中暴露的异常、维护成本和后续调整空间。
AI、工具、人的分工
- AI 辅助整理复盘记录、提取模式和生成改版建议。
- 工具沉淀模板、字段、自动化连接和版本记录。
- 人判断复用边界、投入价值和是否进入产品化探索。
产出一套可复用资产：清单、节点、连接方式、复盘记录和迭代判断。