老板该用 AI 做的三件事，和绝对别做的两件事。

AI 是放大器，不是修复器。该用 AI 放大的：高判断密度的工作、组织的隐性知识、客户体验的等待与摩擦。绝对别用 AI 替代的：没做好的 SOP、领导该承担的决策。一份两年咨询里反复说的清单。

序言：AI 是放大器，不是修复器

过去两年，我做了几十场企业咨询，最常被问的一个问题是：

"我们公司该怎么用 AI？"

这个问题听上去很合理，但它隐含了一个错误的前提——好像 AI 是一种"工具"，找到对的场景，把它放进去，就能产生价值。

实际上不是。AI 是放大器。它放大你已经做对的事情，也放大你已经做错的事情。一个 SOP 跑通了的部门，加上 AI 会更稳定、更高效；一个 SOP 没跑通的部门，加上 AI 会更混乱、更失控。一个判断力强的老板，加上 AI 会比同行快三步；一个判断力弱的老板，加上 AI 会比同行错得更彻底。

这是我每次见老板第一句话强调的东西。AI 不解决组织问题，它放大组织答案。

所以"该用 AI 做什么"这个问题，本质上是"该放大什么"和"该回避什么"的问题。这两年我反复观察、反复总结，归纳出三件该用 AI 做的事，和两件绝对别做的事。

该做 1：把判断密度高、重复度低的工作放进 AI

很多老板第一反应是：AI 应该做"重复劳动"。比如填表、发邮件、回客服。

这话不完全错，但容易引导到一个低价值的方向——你最后会发现：AI 处理的都是单价 50 块/小时以内的工作，省下来的钱还不够付 AI 工具的订阅费。

正确的方向是反过来：把判断密度高、但本身不重复的工作交给 AI 协助。

举几个例子：

• 战略复盘。 每个季度的业务复盘，原本要老板拉着几个核心团队开 2 天会，整理出 20 页 PPT。这件事判断密度极高（要从一堆数据里看出真问题），但每个季度都是新数据、新组合，几乎不重复。把过去 4 个季度的数据 + 业务报表 + 团队访谈丢给 AI，让它先做一份"问题假设清单"，老板和团队在会议上的工作就变成了验证假设、否定假设、给出最终判断。原本 2 天的会议被压缩到 4 小时，且产出质量更高。

• 客户分级。 一家 toB 公司有 1200 个活跃客户，老板想做 ABCD 分级。这件事如果手动做，要业务经理花两周。但如果把客户的成交历史、互动频率、合同金额、行业分类、续约率全部给 AI，让它先按多个维度做聚类，业务经理再做调整和打标，三天能完成。这里 AI 做的不是"重复劳动"，是"重型的判断脚手架"。

• 合同审查。 一份新签的供应商合同，律师审一遍要 4 小时，AI 审一遍要 10 分钟。但 AI 审出来的不是结论，是风险标记 + 对比模板 + 异常条款列表。律师在 AI 审的基础上做最终判断，30 分钟完成。原本 4 小时的工作被压缩到 40 分钟，律师的核心能力（最终判断）被放大了。

这一类的共同特征是：问题本身需要判断，但判断之前的"信息收集 + 结构化"是繁重的。 AI 替你做后者，你专注前者。

我反复劝老板，别把 AI 放在你的"省小钱"环节，把它放在你的"提决策密度"环节。后者的杠杆比前者高 50 倍。

该做 2：把组织里的"隐性知识"显性化、可继承

这是我最近半年反复推荐的一个方向，但 90% 的老板想不到。

每个公司里都有一批"老人"——做了 5 年以上的人，他们的脑子里有一套关于客户、流程、风险、判断的隐性知识。这套知识非常值钱，但它也非常脆弱：

• 老人离职，知识带走了
• 新人入职，重新交一次学费
• 跨部门协同，知识断层
• 公司扩张，复制不出第二个"老人"

过去解决这个问题的方法是写 SOP。但写 SOP 极其反人性——老人不愿意花时间写，写出来的东西也容易过时，最后变成抽屉里的死文件。

AI 改变了这件事。

现在你可以用 AI 做几件事：

• 对老人做半结构化访谈。 让 AI 提问，老人回答。AI 根据老人的回答，主动追问场景、追问例外、追问判断依据。一场 1 小时的访谈，AI 整理出来的内容相当于老人自己写 3 天文档。

• 从历史动作里反向提炼 SOP。 把销售过往 6 个月的客户沟通记录、合同、回款、复购情况丢给 AI，让它反向推导：什么样的客户最终成交了，什么样的客户流失了，关键节点在哪里。AI 给出的不是结论，是经验假设。老人再来验证、否定、修正。

• 建立可问答的知识体系。 把所有 SOP、案例、复盘、客户档案接入一个 RAG 知识库，新人入职第一周就能向"公司大脑"提问，得到的回答带着出处。一个原本要 6 个月才能上手的岗位，可能 2 个月就能进入产出状态。

这件事的本质，是把组织的智力资产从"老人的脑子里"迁移到"可继承的系统里"。在 AI 之前，这件事的成本高到没人愿意做。在 AI 之后，成本变得可以接受，但会做的公司还不到 10%。

这是接下来 3 年最大的暗机会。

该做 3：用 AI 重新设计客户体验中的"等待与摩擦"

第三件事，是把视角从内部转到客户。

每个公司的客户体验里，都有一堆没必要的等待和摩擦：

• 客户咨询完，要等 1 天才能收到方案
• 客户下单后，要等 3 天才能收到第一次回访
• 客户提了问题，要被反复追问"您的订单号是多少"
• 客户准备复购，要重新走一遍销售流程

这些环节的存在，不是因为有必要，是因为公司没人力。AI 给了你"几乎无限的低成本人力"，前提是你愿意重新设计这些流程。

举一个具体的例子。一家做高端定制服装的公司，原本流程是：

1. 客户进店或线上咨询
2. 销售记录需求，告诉客户"我们 24 小时内出方案"
3. 销售把信息传给设计师，设计师 8 小时出方案
4. 销售再发给客户

总耗时：约 24 小时。这 24 小时里客户的耐心和热度在不断下降。

加上 AI 之后，流程变成：

1. 客户在咨询过程中，AI 实时把对话转录、抽取需求要素
2. 客户结束咨询时，AI 已经基于公司历史方案库生成了 3 套初稿
3. 销售用 30 分钟筛选 + 调整，给客户当天回复
4. 设计师只负责进入"决定要做"的客户的精修方案

总耗时：从 24 小时压缩到 1 小时。客户转化率从 18% 提升到 31%。

这里的关键不是"AI 替设计师做事"，是重新设计了客户的等待体验。等待越少，热度越高，成交越快。

我建议每个老板都做一次自己业务的"摩擦清单"——列出客户从接触到成交、从成交到复购的所有等待节点，然后问自己：这个等待，是有意的（为了筛选），还是无意的（因为我们慢）？

无意的等待，都是 AI 能改写的地方。

别做 1：用 AI 代替你没做好的 SOP

很多老板一来就问："我们客服流程很乱，能不能用 AI 重写一遍？"

我的标准回答是：先把流程理清楚。如果你自己的 SOP 都没跑通，AI 上去只会让混乱更稳定地发生。

AI 不能代替 SOP。AI 是 SOP 的执行加速器，前提是 SOP 本身是对的。

我见过最痛的一个案例：一家做线上培训的公司，客服流程一直没理清——同一个问题不同客服给的回复完全不同，售后政策口径不一，客户经常被来回踢皮球。老板的解决方案是上一个 AI 客服系统，希望它能"统一口径"。

结果是更糟的。AI 客服根据"过往客服回复历史"学到的，恰恰是那种不统一、口径混乱的回复模式。客户更困惑，投诉更多，反而比原来的人工客服还差。

后来我们做的事情，是先让老板和团队花两周时间，把客服 SOP 重新理一遍——把 30 种常见问题的标准答案、客户分级的处理路径、退款的边界都明确写出来。然后基于这套 SOP，再训练 AI 客服。三周后上线，投诉量比之前下降 60%。

先把人能做对的事，定义清楚。AI 才能稳定地复制它。

如果你自己都说不清楚"什么是对的"，AI 给不了你答案，只会用更高的频率重复你的错误。

别做 2：用 AI 替代领导该做的判断和决策

这是更隐蔽的一种死法。

很多老板被 AI 的"看起来很懂"震撼后，会产生一种危险的依赖：让 AI 帮我做决策。

我见过最荒诞的案例：一个 CEO 把"要不要砍掉一条产品线"的决策塞给 ChatGPT，让它给出"建议"。AI 给的回答非常专业、看起来很有结构，于是 CEO 真的按 AI 的建议执行了。半年后产品线砍掉，但客户群体的反弹完全超出预期，公司元气大伤。

事后复盘的时候，他说："其实当时我心里有别的判断，但 AI 给的分析'看起来更全面'，我就压住了自己的直觉。"

这是 AI 时代最大的认知陷阱：AI 的回答看起来越像决策，越要警惕。

真正的决策有两个特征 AI 永远给不出：

1. 决策者要承担的责任和后果。 AI 给完建议，没有任何代价。CEO 砍掉产品线，要为公司的现金流、员工、客户负责。这两者的判断标准完全不一样。

1. 不可言说的"内部信息"。 老板对公司、对团队、对客户、对自己的处境有大量不可言说的判断。这些信息从来不会进入 AI 的上下文，所以 AI 的建议永远是"基于已知信息的最优解"，而不是"基于真实情况的最优解"。

正确的姿势是：让 AI 做你的副驾，不做你的方向盘。

副驾能帮你看路、提示风险、整理选项、模拟后果。但最后转方向盘的，必须是你。

每次你想让 AI"帮你决定"的时候，停一下，问自己：这个决定的后果，AI 会承担吗？ 如果不会，那就别让它替你决定。

一个判断框架：放大器测试

最后我想给一个简单的判断框架。每次你考虑要不要把 AI 放进某个场景，先做"放大器测试"：

1. 这个场景里我已经做对了什么？ 如果什么都没做对，AI 进去只会放大错误。
2. 放大的会是判断、知识、体验，还是漏洞？ 前三种值得放大，第四种千万别放大。
3. 放大之后我能不能控制？ AI 是一种高速复制器，复制错了的话，错误也是高速的。要有刹车机制。

通过这三问的，去做。通不过的，别勉强。

结语：AI 不解决组织问题

我陪跑这么多家公司，越来越确定一件事——AI 的价值高低，主要取决于公司本身的清晰度，而不是 AI 工具的先进度。

一家组织清晰、判断清晰、流程清晰的公司，用任何中等水平的 AI 工具都能拿到好结果。

一家组织混乱、判断混乱、流程混乱的公司，用最贵最先进的 AI 也只是把混乱放大。

所以该用 AI 做的事，本质上都是把"做对了"的部分放大；别用 AI 做的事，本质上都是别用 AI 掩盖"没做对"的部分。

放大对的，回避错的。剩下的，让时间来发酵。