当业务成为变量

AI Native Company #04

这是我们这个系列的第四篇。我们在上一篇谈了授权和委任。今天换个思路，聊聊企业的 AI “落地”。

寻找场景、梳理流程、接入数据和系统、做权限控制、测试、培训，再把 AI 放进现有业务。这是主流思路，也是常规做法。只是 AI 本身的变化速度，已经远远超过企业的吸收速度。Ethan Mollick 在最近的 The Overhang 里提出，AI 具备的能力，与个人和组织真正使用这些能力之间，存在巨大的落差。即使模型能力暂停进步，现有能力被充分吸收，也可能需要很长时间。

一个 AI 项目从立项到生产环境可能需要数月，这段时间里模型能力和长任务执行方式早已变化。大多数项目仍然是在既有业务里寻找 AI 的位置。

业务是常量

过去几十年的企业软件发展基本遵循同一条路径。先有业务和流程，再用 ERP、CRM、Workflow 去支撑。今天很多 AI 项目也如此。客服已经有 Ticket，就让 AI 自动回复；采购已经有供应商筛选流程，就加入 Procurement Agent；财务已经有月底对账，就让 AI 帮忙核对。

这些做法都有价值，但都默认了一件事：业务本身不变，AI 去适应它。

如果今天重新设计一项业务，很多流程未必还会这样存在。

客服是个很直观的例子。传统客服围绕 Ticket 运转：用户提出问题，进入队列，L1 处理，复杂问题再升级到 L2、L3。AI 进入客服时，最容易想到的也是自动回复、分类和路由。

可如果一个 Agent 可以持续拥有完整客户上下文，查看订单、付款、物流和历史沟通，还能调用退款、补发、修改订单等工具，Ticket 本身就值得重新审视。订单延迟后，Agent 可以发现异常、判断原因、检查补偿规则，并在授权范围内采取行动，只有超出边界的情况才交给人。AI 改变其中一部分约束以后，流程本身也会跟着变化。

客服流程重构的概念示意，对应上文的假设场景。点击图片查看大图。

保险公司 Lemonade 提供了一个很好的现实案例。AI Jim 会接收理赔、核对信息并执行自动化处理，把无权结算或存在疑点的案件交给人工。Lemonade 披露，截至 2024 年底，约 55% 的理赔已经实现自动化，能够即时或近即时完成。常规案件和例外案件因此被重新分流。

旧约束留下的流程

企业里的很多流程都带着类似痕迹。员工填写 CRM，因为系统不会自己理解销售过程；信息需要多层报告，因为管理者无法直接消化所有原始信息；大量工作需要排队、交接和审批，因为人的注意力和判断能力有限。

当 AI 可以持续读取信息、保持上下文、跨系统工作，并在明确的权限边界内直接行动，流程设计的起点也会变化。哪些判断、行动和责任需要保留给人，哪些可以交给 Agent，哪些中间环节仍然有必要，会成为更具体的问题。

随着 Agent 开始根据运行结果调整工具、路径和协作方式，AI 能力与业务流程之间的迭代节奏还会进一步拉开。企业面对的不只是一次次接入新能力，也包括让业务本身保留足够的重构空间。

从 Zone 到业务重构

这也接上系列前三篇。第一篇谈 Zone；第二篇讨论 Knowledge 和 Recipe；第三篇讨论 Authority，明确 Agent 可以独立做主到什么程度。

当一个 Zone 已经具备 Knowledge、Recipe 和一定范围内的 Authority，它也具备了重新设计业务的条件。此时值得观察的，还有现有流程里哪些部分只是为了适应旧的技术和组织约束。

Mollick 讲的是 Capability Overhang：AI 已经能做很多事，但我们还没有真正用起来。企业里也存在另一种落差。AI 已经改变了一项工作的技术边界，业务却仍然维持原样。

Agent 可以全天持续工作，流程仍按层次交接设计；AI 可以直接读取多个系统，部门仍通过报表传递信息；Agent 可以动态调整执行路径，企业仍花数周固定一条 Workflow。

借用 Mollick 的说法，也许可以把这种状态称作 Organizational Overhang。

这里积压的，不只是尚未使用的 AI 能力，还有那些建立在旧约束上的业务结构。

Organizational Overhang 的概念示意。点击图片查看大图。

如果今天拥有现在这些 AI，从零开始创建同样的业务，我们还会把业务设计成现在这个样子吗？

---

本文三张配图均为 AI 生成的概念插图。

参考

• Ethan Mollick, The Overhang, One Useful Thing, 2026-09-18.
• Lemonade, 2024 Annual Report: as of 2024-12-31, roughly 55% of claims were automated.