您是否曾思考过工具与系统之间的区别？
工具是我们在工作中使用的物品。系统类似地也能提高工作效率。
有些人可能会认为系统只是一个更复杂的工具。
然而，如果我们将工作分为两类——迭代工作和基于流程的工作——工具与系统之间的区别就会变得异常清晰。
迭代与流程
迭代工作是您通过试错、灵活调整，逐步创建可交付成果的过程。
对于迭代工作，一个工具包会很有用，它能让您为特定任务选择合适的工具。
另一方面，基于流程的工作则涉及分阶段推进，在最终阶段产出可交付成果。
对于基于流程的工作，拥有一个系统来指导工作按流程进行，可以显著提高生产力和质量。
基于流程的工作转型与系统化
人类完成的大部分工作要么是迭代工作，要么是系统化流程工作的组成部分。
将迭代工作转变为基于流程的工作，并将其系统化，将显著有助于提高生产力和质量。
工业革命与信息技术革命
工业革命和信息技术革命正是通过将迭代工作转化为基于流程的工作并随后进行系统化，从而大幅提高生产力和质量的典型例子。
在工业革命之前，制造业是以迭代工作的形式进行的，人类熟练地使用工具，每次都自由地改变安排和程序。
信息技术革命之前的信息处理工作也是迭代工作，人类使用工具，以非标准化的方式进行。
通过将这些流程系统化，就像工厂生产线和企业IT系统一样，生产力和质量得到了提升。
然而，不仅仅是系统化，更重要的是这种迭代工作的流程化转型。正是因为实现了流程化转型，系统化才成为可能。
生成式AI革命
在业务中利用生成式AI以提高生产力和质量时，如果仅仅将AI作为工具使用，将无法产生真正的价值。
主要目标是将迭代工作转化为基于流程的工作，然后对这种基于流程的工作进行系统化。
生成式AI能够灵活适应，可以处理迭代任务。然而，无论是人类还是生成式AI执行，迭代工作的生产力和质量都存在局限。
这就是为什么致力于基于流程的转型和系统化至关重要的原因。
有人可能会争辩说，如果基于流程的转型即使由人类员工执行也能提高生产力和质量，那么在生成式AI出现之前就可以采取此类举措。
然而，以人类员工为前提的基于流程的转型实际上是一个非常困难的问题。人类员工无法立即适应任务分配或内容的变化。
另一方面，当执行者是生成式AI时，通过试错来重新配置任务分配和任务内容就变得容易。
与人类不同，生成式AI可以“忘记”之前的步骤，即时读取和理解新程序，并根据这些程序进行工作。
因此，在业务中利用生成式AI的主流方法将是把迭代工作转化为基于流程的工作，并对其进行系统化。
使用生成式AI提高业务效率
接下来，我们来考虑一个使用生成式AI提高业务效率的例子。
例如，考虑一下回复员工关于公司规章制度咨询的任务。
通过使用生成式AI，可以搜索公司规章制度并起草答案。
然而，生成式AI有可能引用过时的规则，或者错误地臆想并提供规则中未明确说明的答案。
此外，咨询会以各种形式出现，例如电子邮件、即时通讯工具、电话或口头沟通。
因此，处理咨询的员工仍然需要像以前一样接收这些咨询。
可以想象，通过当场回答可以解决的问题，对于那些需要验证规则的问题，将咨询内容输入生成式AI以生成答案草稿，从而提高效率。
此外，对于常见问题，有必要将其作为常见问题解答（FAQs）发布在公司的内部主页上。
生成式AI还可以用于输入典型问题和答案，并创建用于网站发布的项目符号草稿。
再者，当需要修订规则时，生成式AI可以用于起草提案。
此类应用可能会使一定比例的咨询处理任务变得更高效。
然而，这仅仅是将咨询处理保留为迭代工作，并将生成式AI用作工具。
因此，效率提升非常有限。
基于流程的工作转型
为了最大限度地提高示例中给出的咨询处理任务的效率，此任务必须转换为流程。
为此，负责人员在处理咨询时执行的任务需要详细化和规范化。
- 通过各种渠道接收咨询。
- 如果咨询与之前已回答的问题相同且相关规则没有变化，则提供相同的答案。
- 对于新的咨询或涉及规则变更的咨询，确认规则并起草答案。
- 检查答案草稿是否引用了过时规则或包含规则中未说明的信息。
- 检查回答前是否需要批准，必要时获得批准。
- 通过接收咨询的渠道进行回复。
- 在咨询历史数据中登记咨询内容、批准结果和回答结果。
- 定期检查咨询历史数据，并为更新常见问题和答案创建草稿。
- 获得批准后更新公司内部主页。
- 规则更新时更新引用的规则数据。
- 同时，在过去的咨询历史数据中记录已发生的相关答案和规则更新。
- 确认常见问题和答案是否因规则变更需要审查，并在必要时进行更新。
通过如上所述清晰定义所执行任务的细节，这些任务可以相互连接，将灵活的迭代工作转变为更清晰的基于流程的过程。
系统化示例
通过创建这个工作流程，系统化路径变得清晰。
为了实现系统化，如果可以接受牺牲一些员工便利性，一个选择是整合咨询渠道。
反之，如果员工便利性是优先考量，系统应保持通过所有渠道接收咨询的能力。
基本上，系统应直接接收咨询。只有口头咨询才由负责人员输入到系统中。
收到咨询后，IT系统和生成式AI应尽可能按照流程执行后续工作。最初，系统中应穿插人工检查和审批，并且操作人员应能够进行更正。
然后，随着系统用于处理咨询，如果生成式AI犯了错误，应更新对生成式AI的指令，加入警告、检查点、错误示例和正确示例，以防止再次发生。
这有助于减少生成式AI的错误。如果将更新生成式AI指令的过程转变为基于流程的任务而非迭代任务，效率会更高。
通过这种方式，通过将基于流程的工作系统化，即使是那些看似需要人工干预的任务，也可以被以生成式AI为中心的系统所取代。
常见误解
许多人认为生成式AI目前的商业应用效果不佳，或者为时尚早。
然而，这些观点中相当一部分人常常陷入两种误解模式。
第一种误解源于将焦点放在把生成式AI用作工具。
正如本文所示，将生成式AI作为迭代任务的工具并不能显著提升业务效率。亲身经历或听说这种情况导致了这种误解。
第二种误解源于将焦点放在让生成式AI执行迭代任务。
确实，试图让当前的生成式AI执行迭代任务效果不佳。因此，生成式AI无法完全接管人类执行的职责，仅仅关注这一点就会导致误解。
最后
如本文所讨论，通过将迭代工作转化为基于流程的工作并将其系统化，可以期待比单纯使用工具更高的效率。
此外，即使迭代工作本身无法完全处理，基于流程的许多单个任务也可以由当前的生成式AI管理。即使初始错误较多，也可以通过更新指令实现持续改进。
或者，可以根据需要拆分任务，将起草与检查分开，或实施多阶段检查。
如果能够以这种方式实现系统化，那么每次任务都会带来改进，并且随着时间的推移，操作将变得更高效。
这是一种能够实现机制本身持续改进的工作方式，类似于工厂生产和IT系统实施。
要利用生成式AI，需要转变思维：不再仅仅改进自己的迭代任务，而是需要客观地将自己的工作转化为基于流程的流程并将其系统化。