先别急着往下滑。给你三个真实数字，感受一下这个落差。
钱砸下去了，工具发下去了，可结果是——人更忙了，事没变快，钱没多赚。
这是为什么？点开下面，看一句来自 1990 年的话。
把上面的「信息技术」换成「AI」，这段话今天发出去，照样能上头条。36 年过去了，我们还在犯同一个错。
油漆能盖住表面，但盖不住底下的裂缝。绝大多数企业的做法，是把 AI 刷在本来就烂的流程上，结果只是——让垃圾更快。
牛在地里走，会走出一条弯弯曲曲的小路。所谓「铺牛路」（paving the cow paths），意思是：不去重新设计一条直线道路，而是把牛踩出来的那条歪路，直接浇上柏油。
流程本来就是歪的，你只是让它「看起来规范了」，弯路一条没少。
英国商务部在 1000 份 Microsoft 365 Copilot 上做了 3 个月试点，结果：
他们的官方结论原话是：「我们没有找到有力证据，说明节省时间带来了生产力提升。」—— 人们喜欢用，但产出和以前一模一样。
关键认知：AI 不该被「应用」（apply）。你「apply」的是一层油漆。没人说过「应用云计算」「应用数字化」，大家说的是「数字化转型」「云现代化」——因为那是一场变革，技术只是其中一部分。AI 也一样。
这是整篇文章最硬的一个数字。Michael Hammer 研究过一家保险公司：
拖动下面的滑块，看看「干活时间」在整条流程里到底占多小的一块：
现在的宽度 = 17 分钟。真正的工作，只是这条长条上几乎看不见的一丝绿色。
假设你的 AI 大牛，把流程里每一个步骤都提速 2 倍。他省下了多少时间？
17 分钟 ÷ 2 = 只省了 8.5 分钟。
他把这报成「50% 时间节省」，拿了晋升和奖金，扬长而去。可真相是——就 8 分钟。
钱省的地方根本不在「干活」，而在那 31663 分钟的排队和交接里。你在「加速 17 分钟」上使劲，比什么都不做还糟——你烧了预算，还向董事会证明了「AI 没用」。
文章作者（Vas）他们自己的客户，从系统日志里翻出同一个问题：
「工作可以是几分钟，而流程却是几周。」
流程重构的第一步，是把一个流程里的每一步，分类到下面三个桶之一。这不是玄学，是让「该用代码的用代码、该用 AI 的用 AI、该留人的留人」。
点击下面每个「步骤」，把它分到正确的桶。分错了会抖一下，对了会变绿。
如果 AI 的输出是一个 是/否、路由到某团队、标记/不标记 —— 放心交给智能体，并测量每个输出。
但如果输出是「5 页文档，反正人要通读才能验证」—— 那不如用混合方式，别硬让 AI 生成没人会信的东西。
文章作者拿一家「每月对账 300+ 银行账户」的公司举例。重构前，他们的流程有 12 步。点「开始重构」，看看哪些步骤被干掉了。
很多人的第一反应是：「数据乱、系统不互通，那我先上统一 ERP、统一 CRM、统一数据平台，再上 AI。」听起来合理，实则烧钱无底洞。
你真正需要的不是「一个 ERP」，而是「一个流程定义 + 一个负责人」。因为智能体能容忍系统之间不一致，而传统集成从来不能。
别贪心一口吞下整个公司，也别只挑一个流程死磕 8 周（结果发现被上游流程卡死）。正确起点是部门级别。
把流程拆出这 7 个细节。点一下勾选，跟着走一遍：
只做其中一个，画面就是不完整的，这是 AI discovery 失败的最大原因。别用「AI 访谈」或派工程师去访谈来偷懒——一半的活，是和操作者建立信任、问对问题。
重构一个横跨 4 个部门的流程，需要一个能对 4 个部门说「流程要变了」的人——公司里只有极少数人能这么做。同时，真正干活的人必须想要这个新系统，因为明天是他们去用它。
而「用 AI」被看成风险：AI 成了，没人给一线升职；AI 砸了，一线会被开掉。所以维持现状，对多数人反而「安全」。
三道小题，点选答案看反馈。
Q1. 一家公司让 AI 把每个流程步骤提速 2 倍，但业绩没变化。最可能的原因是？
Q2. 面对一个「如果发票低于阈值且匹配采购单和收货单，就付款」的步骤，应该放哪个桶？
Q3. 「数据乱、系统不互通」，作者建议第一步做什么？
企业 AI 失败的根源，不是模型不够强，而是把 AI 刷在了没重构过的旧流程上。
1️⃣ 时间不在「干活」，在「排队和交接」。
2️⃣ AI 是「变革」，不是「一层新油漆」。
3️⃣ 每一步流程，分进三个桶：确定性 / 智能体 / 人工兜底。
4️⃣ 别先统一系统，先定义「一个流程 + 一个负责人」。
5️⃣ 从部门级别开始，过程挖掘 + 访谈，缺一不可。
6️⃣ 必须从顶层来，且让真正干活的人想用它。
原文：《Applied AI Doesn't Work》by Vas · CEO of Varick Agents