AI 该出现在收入工作流的哪些环节（以及不该出现在哪里）

一旦一支收入团队开始接受 AI，诱惑就在于想把它用到一切地方：潜客挖掘、资格审查、预测、谈判、成交。如果一点自动化有帮助，那更多自动化理应帮助更大。但我们所了解的那些真正在规模化运行 AI 的领导者，往往会得出一个更审慎的结论：AI 在工作流的某些特定环节确实举足轻重，在另一些环节则会造成真实的伤害，而大部分的技巧，就在于分清究竟哪个是哪个。

吞吐型工作与判断型工作

真正有用的问题不是"哪些任务"，而是"哪种类型的工作"。收入工作流中的几乎每一件事，都偏向以下两种类型之一。

吞吐型工作：高频、高度模式化、且大多数情况下含义明确。研究客户资料、记录活动、起草邮件初稿、更新记录、监测信号、整理队列。它的价值在于跨越成百上千个客户，快速而一致地完成，且不会感到厌倦。

判断型工作则恰恰相反：高风险、高度依赖上下文、依赖于人际关系。在一场谈判中察言观色，决定是否要放弃一笔交易，应对一位不悦的高管，在数据无法完全支撑的情况下对一个客户下注。

AI 非常擅长第一种，却在第二种上表现得并不可靠。设计原则由此直接得出：让 AI 主导吞吐型工作，把判断型工作留给人，并谨慎处理二者之间的衔接。这是"副驾驶 vs. 自动驾驶"这个问题的一个更犀利的版本，也与自动化成熟度曲线相吻合：吞吐型工作会较早实现自动化，判断型工作则应缓慢推进，甚至可能完全不去触碰。

它显然该出现的地方

工作流中的某些部分，几乎是纯粹的收益。

信号监测是最明显的一个。没有一个销售代表能够整天盯着每一个渠道上的每一个客户，但 AI 可以，而且它还能对发现的内容进行排序。这种广度是一项真实的优势，我们在AI 如何读取人类容易忽略的收入信号中对此有更深入的探讨。

其次是研究与数据补全。从十几个分散的来源中，把一个客户或联系人的背景信息拼凑起来，正是这种繁琐、模式化的工作——AI 处理得很好，而人往往会拖延不做。

初稿撰写：外联邮件、跟进邮件、会议纪要、提案的框架初稿。AI 起草加人工编辑，比人从空白页开始写起要更快，而且最终决定发送什么内容的，依然是人。

行政收尾工作：CRM 更新、活动记录、任务创建。这正是阻碍销售代表专注于销售的琐碎事务，也是回报最高、风险最低的起点，没有人会怀念亲自去做这些事。

以及各种建议：在人决定是否采纳之前，先提出下一步该怎么做。

这些工作的共同点在于：要么原本就没有人能把它做好，要么它的输出只是一份供人核查的草稿。任何一次单独出错的代价都很小。

它不该出现的地方

同样重要的是，把 AI 排除在某些位置之外。

关系本身。买家能够察觉出自己是否正在被"流水线处理"。那些建立信任的对话，必须始终由人来完成。AI 可以帮销售代表为通话做准备，但它不应该出现在通话现场。

不可逆的高风险决策。折扣权限、放弃交易、合同承诺——这里一旦出错，代价高昂且难以挽回。

无人监督的自主外呼。让 AI 在没有任何人工介入的情况下向买家发送消息，正是品牌形象受损的常见原因：语气不当的信息、糟糕的时机、超出产品实际能力的承诺。没有监督的规模化，就是一项实打实的责任风险，没有任何商量余地。

任何你无法审计的东西。如果你无法解释 AI 为什么做出了某个举动，它就不应该在无人监督的情况下去做这件事。这正是护栏机制与可问责性所论证的全部核心。

我们见过的种种失败案例，都有着相同的形态：有人把 AI 放在了一个需要判断力的位置上，赋予它不可逆的权限，同时又撤掉了人工审核环节——三件事同时发生。

边界该划在哪里

这条边界是会移动的。随着技术的进步，以及你在某个具体工作流中逐渐建立起信任，你会逐步放松缰绳。一种合理的推进方式：

1. 从错误代价低廉且可逆的地方开始：行政工作、调研、起草。先在低风险的胜利上建立起组织内部的信任，再去争取更大的权限。
2. 在任何有买家参与的环节，都保留人工介入。AI 提出方案，由人审批并发送。这就是人在回路模型，在一个工作流证明自己之前，这应该是默认设置。
3. 只在你能够衡量并审计结果的地方，才扩大自主权限。如果护栏机制经受住了一个季度的考验，就有意识地逐步放松。
4. 永远不要把你无法解释的东西自动化。缺乏可追溯的来源依据，就意味着这项任务必须继续处于监督之下。

一个工作流能否支撑起这一切，取决于它底层的架构。一个AI 原生系统能够在整个工作流中进行感知和行动；而一个被外挂到单一工具上的 AI，只能局限于那个工具所能看到的范围，而这通常不足以支撑起多大的信任。

关键要点

• 先对工作进行分类。吞吐型工作（高频、模式化）是 AI 真正能创造价值的地方，判断型工作（高风险、依赖人际关系）则是它会失手的地方。
• 稳妥的选择包括：信号监测、调研、初稿撰写、行政清理，以及供人决策采纳的各种建议。
• 让它远离买家关系、不可逆的决策、无监督的外呼，以及任何你无法审计的事情。
• 这条边界会随时间移动。从低成本的地方开始，让人始终靠近买家，只在你能衡量结果的地方才扩大权限。
• 真正的风险，是三件事同时发生：一个判断性决策、不可逆的权限，以及没有人工审核。

只要处理得当，AI 就能清理掉吞吐型工作，让人们把时间真正花在判断力发挥作用的地方。如果你正在为自己的业务动作规划 AI 的定位，Revnewo 在一个编排层内部划定这条界线的方式，值得作为一个有用的参考。