最适合自动化的工作,是频繁重复、规则能写成文字、数据本来就是数字化的工作。需要判断、例外很多,或者数据还躺在纸上的工作,则需要先走另一步。
当我们问一家企业“你们有哪些工作是重复的?”时,列出的清单通常很长:做报价、给供应商发邮件、把清单录入某个系统、月度报告、从文档中提取信息。但清单上的每项工作,适合自动化的程度并不相同。有些几天就能变成工具,有些则需要先把工作本身理顺。
本文帮助您审视自己的工作,回答“这能不能变成一个工具?”这个问题。关于现成软件包与为企业定制的工具之间如何选择,我们在买现成的还是定制开发?一文中另有介绍。
三条标准:重复、规则、数字化数据
1. 这项工作是否频繁重复?
为一年只做一次、每次花半天的工作专门开发工具,通常收不回成本。而每天或每周都要做、每次都走同样步骤的工作,则是首选对象。衡量方法很简单:这项工作每个月总共要花多少小时?小时数越多,工具的价值越高。
2. 规则能否写成文字?
如果做这项工作的人能把步骤写下来,说明这项工作基于规则:“这一列的数值大于 100,就加入这张清单,否则加入那张。”如果步骤之间频繁出现“这时我要看看是哪个客户,视情况决定”,说明这项工作充满判断。需要判断的部分留给人;能归结为规则的部分交给工具。
3. 数据是否已经数字化?
工具只能处理它读得到的数据。信息如果在 Excel、电子邮件、PDF 或某个系统里,事情就好办。信息如果在纸质文件夹里,或者只存在于某个人的脑子里,就需要先把数据数字化。即便是扫描件,在这一点上也已经前进了一步:借助 AI 识读,数百份文档可以汇入一张表格。其中的原理,我们在文档转表格页面上一步步做了说明。
适合的工作举例
- 把清单录入系统。把几千行的清单逐条录入某个政府系统或公司内部程序。规则明确,数据是数字化的,重复度高。批量数据录入就是这类工作的典型例子。
- 重复记录清理。找出同一个客户的五种不同写法。匹配规则可以写出来;删除与否由人来决定。参见重复记录清理。
- 生成报价和报告。选好客户和产品,文档就按统一格式生成。
- 提醒邮件。按设定的间隔,给没有回复的供应商发送个性化提醒。
不适合或需要先做准备的工作
- 每次都需要不同判断的工作。给某个客户特别折扣,决定怎样处理一项投诉。工具在这里可以收集信息摆在您面前,但无法替您做决定。
- 例外比规则还多的工作。如果一半的步骤都以“但这个客户不一样”开头,就需要先把工作本身简化。否则工具每遇到一个例外就会停下来。
- 数据分散或不一致的工作。同一条信息如果在三个文件里以三种不同格式存放,自动化的第一阶段就是把数据集中到一处。
- 很少做的工作。一年只做一次的工作,一份写得好的检查清单通常就够了。
“不适合”并不等于“完全做不到”。多数情况下,一项工作中有一部分适合,有一部分不适合。正确的问题是:“这项工作的哪一部分可以交给工具?”
简易诊断表
| 问题 | 如果是 | 如果否 |
|---|---|---|
| 每周至少做一次吗? | 候选 | 检查清单可能就够了 |
| 步骤能写在半页纸以内吗? | 候选 | 先简化工作 |
| 数据在 Excel、电子邮件、PDF 或某个系统里吗? | 候选 | 先把数据数字化 |
| 有人负责检查结果吗? | 候选 | 需要指定负责人 |
常见错误:从最难的工作开始
企业做自动化,通常想从抱怨最多的工作入手。这可以理解;但抱怨最多的工作,往往也是最复杂的:充满判断、例外很多、牵涉多个部门。第一个工具如果写给这样的工作,项目会拖长,期望会下降,团队最后得出“这些东西不适合我们”的结论。
更好的起点,是一项能轻松满足全部三条标准的小工作。比如每周占用一个人半天时间的数据录入。这样的工作几周内就能变成工具,节省下来的时间一目了然,团队也学会了使用工具。到第二项工作时,数据更规整了,团队也清楚什么是可以做到的。
还有一个衡量的问题。在搭建工具之前,先记下这项工作现在要花多少:每周多少小时、几个人、每月纠正多少次错误。没有这些数字,工具上线后就很难说明到底改变了什么。
把工作变成工具之前
如果您找到了一项候选工作,在来沟通之前准备好三样东西,会让过程更快:这项工作目前的步骤(谁来做、从哪个文件、录到哪里)、一份输入文件样例,以及应当得到的结果样例。这三样摆在桌上,工具要做什么在第一次会谈中就能明确。Excel 什么时候就不够用了,我们在表格什么时候就不够用了?一文中另有讨论。
总结
适合自动化的工作,是频繁重复、规则能写出来、数据已经数字化的工作。判断、例外和分散的数据,会让这部分工作留在人手里,或者需要先做准备。我们为不同行业企业编写的工具如何运作,可以在案例页面查看。
常见问题
怎样最快判断一项工作是否适合自动化?
请做这项工作的人,像给新同事讲解一样,把步骤一步步写下来。如果步骤能写在半页纸以内,而且“看情况再说”这句话很少出现,这项工作多半是合适的。
我们的数据在 Excel 里,但很乱。还能做自动化吗?
大多数情况下可以,但第一步是整理数据:同一类信息放在同一列、用同一种格式。这一步整理带来的好处,往往不亚于自动化本身。
自动化会把工作从人手里完全拿走吗?
通常不会。重复的部分交给工具;检查、审批和例外仍由人来处理。搭建得好的工具,会把人的时间腾出来,留给需要判断的部分。
贵公司是否有一项反复重复的工作?告诉我们,我们来写出完成它的工具。
告诉我们您的需求其他文章
几千行的 Excel 清单能批量录入系统吗?
多数情况下可以。难点不在录入本身,而在于把数据整理成系统要求的格式,并确认每一行真的保存成功。如果系统不提供批量通道,就得走界面操作,这要看该系统自身的规则。
2026年9月21日阅读 →做一份报价为什么要花这么久?
写报价本身并不慢;时间都花在找价格、复制修改旧报价、每次重新排版上。价格表集中到一处、规则写下来之后,报价几分钟就能出来。
2026年9月21日阅读 →网站上的 AI 助手答错了怎么办?
风险是真实的,但可以管理。助手答错,多半是因为它在自己不了解的问题上做了猜测。解决办法是一开始就划清助手知道什么、不知道什么,并让它在不知道时转交给人。
2026年9月18日阅读 →在 Google 上排名靠前,和在 AI 回答中被提及是一回事吗?
部分是。两者源自同一个基础,但奖励的并不是同一件事:Google 为页面排名,AI 则阅读几个来源后写出一个答案,并自行决定在答案里提到谁。
2026年9月17日阅读 →为什么 ChatGPT 不提我的公司?
原因很少是“AI 不喜欢我们”。多数情况下是技术障碍、公司信息零散,或公司在网上其他任何地方都没有被提到。这三种情况都可以解决。
2026年9月17日阅读 →要让 AI 回答准确介绍贵公司,网站上应该有什么?
AI 在介绍一家公司时,会使用它在网站上找到的最明确的句子。下面的清单逐页说明:这些句子应该放在哪个页面、以什么方式呈现,以及供机器读取的标记该怎么做。
2026年9月17日阅读 →什么是 GEO?让贵公司出现在 AI 的回答中
GEO(Generative Engine Optimization,生成式引擎优化)是为了让 ChatGPT、Gemini、Perplexity 和 Google 的 AI 摘要在回答问题时找到贵公司、准确介绍贵公司,并把您列为信息来源而开展的工作。它不取代 SEO,而是叠加在 SEO 之上。
2026年9月17日阅读 →人工智能工具会学习我公司的数据吗?
简短回答:在通过商用接口运行的工具中,不会。但这个答案取决于系统是怎么搭建的,所以有必要弄清楚什么去了哪里。
2026年9月16日阅读 →表格什么时候就不够用了?
Excel 并不是糟糕的工具,应付大多数工作绰绰有余。问题在于错过了它不再合适的那个节点,却又硬撑了好几个月。
2026年9月16日阅读 →买现成的还是定制开发?
正确答案取决于这项工作在多大程度上是您独有的。大家都用同样方式做的事,买现成的更划算;您按自己方式做的事,定制开发更划算。
2026年9月16日阅读 →