有个做运营的朋友跟我讲过一件事。他们组把每周的数据汇总做成了自动化工作流:定时抓取、自动清洗、生成图表、发到群里。上线第一个月,大家都觉得解脱了。第三个月,组长开始抱怨——怎么还是要有人盯着?
盯的不是汇总本身,而是汇总之后那些“不对劲”的地方:某个渠道的数字突然掉了一半,某张表多了一列没人认识的字段,某天任务干脆没跑完。流程把重复劳动接走了,也把判断的活儿留在了原地,甚至更集中地压到少数人身上。
被省下的是动作,不是注意力
讨论自动化工作流时,最容易算的是动作账:原来要点七次,现在点一次;原来每天花四十分钟,现在五分钟。这类账目清晰、好汇报,也容易让人产生“问题解决了”的错觉。
但真实的工作时间里,动作往往不是最贵的部分。贵的是开始之前的那段犹豫——这件事该不该做、数据从哪来、出了问题找谁。自动化把中间的执行段压缩了,前后的判断段却原封不动。于是就出现一种奇怪的手感:手上的活儿明显变少,脑子里的待办却变多。
更麻烦的是,流程自动跑起来之后,人很容易不再看中间过程。以前手工做表,每一步都过一遍眼睛,错误在半路就被发现;现在只在终点看结果,异常要等到积累到足够大才浮出水面。省下的时间,有一部分后来又以排查的形式还了回去。
- 动作被接管,判断没有
- 过程被隐藏,异常后置
- 责任被摊薄,归属变模糊
例外才是真正的工作量
任何一条流程,只要跑得够久,就会遇到设计时没想到的输入。格式变了、字段空了、上游系统改了接口、某个环节的负责人换了。标准路径可以画在图上,例外却画不进去。
于是团队的精力分配开始变形:八成时间在维护那两成例外。有人专门负责“看着它别出事”,有人负责在出错后手工补数据。这些岗位不会写进流程文档,但它们确实存在,而且是自动化工作流越铺越广之后新增的。
我见过一种处理方式比较务实:不追求把例外也自动化掉,而是给例外留一个明确的入口。比如所有跑不通的任务统一进一个待处理队列,谁看到谁认领,处理完写一句原因。流程不完美,但例外有地方去,不会散落在私聊和记忆里。
先把边界写清楚,再谈串起来
很多自动化项目的起点是工具选型,其实更该先回答的是边界问题:这一步失败了,算谁的?这一步的输出,下游能不能直接用?哪些情况允许人工介入,介入之后流程从哪继续?
这些问题听着像管理问题,实际决定了流程能不能长期跑下去。边界清楚的流程,出错时能定位、能回滚、能交接;边界模糊的流程,跑得越顺,越没人敢动它,最后变成谁都说不清的黑箱。
还有一种隐性成本常被忽略:维护。自动化工作流不是一次性交付物,上游一变它就得跟着变。如果没有人为这件事留出固定时间,流程就会缓慢腐化——不是突然坏掉,而是越来越频繁地需要人手动补救,直到某天大家默契地绕开它。
它该接走什么,不该接走什么
我的判断是,自动化适合接管那些规则稳定、出错代价低、结果容易验证的环节:定时搬运、格式转换、状态通知、重复校验。这些事人做久了会烦,烦了就会错,交给机器更稳。
不适合交给它的,是那些需要权衡、需要看上下文、需要为结果负责的环节。不是技术上做不到,而是把判断也交出去之后,人会对系统失去解释能力。一旦出问题,没人说得清它为什么这么决定。
所以回到开头那位朋友的困惑:人更忙了,未必是流程做错了,而是流程只解决了看得见的那部分。真正需要重新分配的,是流程跑起来之后空出来的注意力——把它用在例外、边界和维护上,而不是继续塞进新的任务里。自动化工作流的价值,不在于让人没事做,而在于让人有机会去做那些机器替不了的事。