“90%工程、10%模型”是真相吗？一个AI表格案例给你答案

手里有些AI岗位；想找工作的同学可联系，急缺高级产品经理

关注公众号，回复1，与我交个朋友吧

近来AI训练营1、2班的课程过半，课程深度开始逐渐增加，慢慢接近深水区，比如最近的整理作业已经可以将所有工作流类（降本增效类）AI应用概括介绍了：

AI企业落地真相：90%靠工程，10%才是模型？当然不是，分类都是错的...

而之前也一直在说AI表格如何如何了不起，飞书也一直在宣传多维表格，对此大家可能都没什么概念，今天就用一个大案例做介绍吧。

项目背景

首先，虽然现在chatbot貌似很火，其实各个公司中后台部门并不买单，他们最喜欢用的一直是Excel，原因很简单：一眼过去，信息量足够大。

只不过，随着业务难度增加，Excel也逐渐不满足需求，于是就有了AI表格乃至多维表格的可乘之机。

可以认为，他们是挂着AI的招牌，其实在侵蚀AI的份额

而这个场景是非常多的，比如今天介绍的电销项目案例，这家公司主要业务方向是成人职业教育培训，帮助蓝领工人的提升职业技能，快速考取职业资格证书。

公司规模100+，核心团队包括新媒体运营、电销、交付团队，无产研能力，这种无产研能力的团队在国内非常多见。其关键工作包括：

1. 短视频投流（抖音、视频号、快手），获取客户线索
2. 线索分配到电销团队
3. 销售成交
4. 学员分配到交付老师，跟进学员学习情况，学习刷题
5. 学习合格，安排考点考试
6. 取证

只不过在我们切入之前，团队正遭遇一些问题：

1. 没有使用线上业务系统，之前也买过一套业务系统，但是不好用，系统功能无法满足当前的业务变化
2. 团队协作通过excel传输进行，连钉钉线上表格都没怎么使用
3. 员工每天需要处理大量的表格任务（比如销售团队每天需要统计当天跟进的线索情况，成交业绩，录入学员信息等）
4. 业务节点流转低效，上游部门和下游部分之间的业务数据传递不能实时进行，延迟很厉害
5. 业务数据指标分析困难，难以提供精细化运营决策数据支撑

总结一句就是：业务没有线上化，不透明，团队协作效率低，有大量低效、重复的手工操作

基于上面这些诸多原因，公司老板异想天开的联系到我，想要直接AI提效，我内心翻了个白眼：大哥对于自己公司的实际情况是没点逼数啊！

于是花了几天梳理需求，整理出我们要解决的问题：

1. 协作方式变化，替代excel文件传送的协作方式，让业务全流程线上运转
2. 业务节点自动化流转，加快业务处理速度
3. 消除重复低效工作，让员工能够专注业务本身
4. 打通OA消息提醒，让任务及时触达任务处理人
5. 全链路业务数据资产能够沉淀下来
6. 业务要透明，管理者能通过数据指标看清业务实时情况

要做的事情想清楚了，接下来就是实现路径，这里考虑之前用户习惯，直接就选择了AI表格，这里换成多维表格也行，因为AI表格类应用有很多优势：

1. 完全符合之前业务人员使用习惯，这个最重要
2. 不仅是表格，更是业务系统，能够让业务流程可视化、透明化
3. 成本低，无需产研团队，懂业务、能梳理SOP加上简单代码能力就可以完成搭建
4. 效率高，完成SOP梳理后，两周即可搭建完成
5. 灵活多变，可以根据业务变化快速调整配置

成本对比

在详细介绍项目前，先给大家一个宏观的数据对比，让大家清晰的感知到AI表格的威力：

一共投入1个人力（高级经理水平，具有梳理SOP + 实践落地的能力），总共花费7周时间，最终整体效率提升60% 。

其中4周梳理全业务流程SOP，2周完成系统搭建，1周试运行以及根据反馈调整。

如果招聘一个产研团队或找外包团队开发，无论是费用和周期、人力都是几倍才能搞定，下面是个对比表格：

有了基本对比参数，然后是实现效果：

最终效果

AI表格驱动的系统上线后，对于这类电销公司属于：公司级的全流程重塑：

一、协作方式变革

替代excel文件传送的协作方式，让业务全流程线上运转，线上流程确保所有步骤符合规定，避免人为错误

二、业务流程自动化，加快业务处理速度

根据电话号码自动识别归属地、OCR自动识别文件信息、线索自动分配给销售、学员订单自动流入财务审核、学员报名完成自动分配交付老师、学习通过后自动分配考点老师、智能预警学员考试风险

三、AI赋能效率提升

AI建议客服回复话术、AI自动生成线索跟踪情况、AI智能推荐报考方案、AI智能推荐考点

四、数据指标建设，自动生成报表

消除人工统计工作，让员工专注业务本身；

业务流程透明化，业务全貌清晰可见，增强决策者信心，实现精细化运营，这里为方便业务人员更容易找到自己的表格，还做了一层封装：

实施过程

至此进入项目实施正题，首先是这类项目的统一流程：

1. 项目立项
2. 业务SOP梳理
3. 使用AI表格搭建业务系统
4. 系统试运行，迭代优化

项目立项

1. 项目目标宣讲，争取上下理解一致及各部门支持
2. 确定每个部门关键人及备用人
3. 确定内部固定接口人，对接人的要求：
1. 对公司全业务流程比较熟悉
2. 能协调各部门内部资源，解决跨部门障碍
3. 成为内部最懂系统的人（优先教会对接人）；
4. 协助内部人员熟悉和使用系统；
5. 收集和整理内部问题反馈，解决一般问题；
6. 收集整理内部新需求，统一对外反馈；
4. 部门内部准备工作
1. 提前梳理部门内部的SOP（现在流程图 + 操作规范）
2. 梳理部门内部重复性工作事项

SOP梳理

这里的核心方法论是：

具体梳理过程包含几步：

一、明确关键业务流程：

二、明确关键部门及上下游关系

1. 新媒体运营部门
2. 销售部门
3. 交付中心
4. 财务部门

三、现状调研

1. 根据业务流向，从上游部门至下游部门逐一访谈、甚至到一线感受业务流程
1. 收集部门负责人输出的SOP
2. 收集现有参考资料、文档
3. 收集实际业务数据
4. 收集当前重复性的工作
5. 收集诉求
2. 汇总所有部门访谈内容，梳理全业务流程
1. 以为对齐了100%，实际只对齐了80%
3. 召集全部业务部们再次拉通对齐，达到90%

剩下部分主要是客户公司内部也不清楚或者两个关联部门没有明确到底是负责，A部门认为是B部门负责，B部门认为是A部门负责，这部分不确定的内容只有让一把手确认处理。

最后就是根据全业务流程图进一步细化、诊断：

1. 发现业务流程哪些环节耗时多，重复工作多，有哪些卡点
2. 发现哪些环节可以使用AI进行效率提升
3. 发现哪些环节使用自动化或规则进行效率提升

梳理结果

梳理结果需要形成很多文件，其中最重要的就是业务全景流程图：

梳理好后就进入到具体的系统实现了：

系统实现

表结构设计是核心中的核心，这里也会有一套可参考的设计逻辑：

1. 根据业务流程先确定主线：线索 -> 学员 -> 考试，核心是学员，这样就能确定主表；
2. 其次就是梳理出基础信息表，这部分常常在被主表某些字段引用；
3. 业务在运作执行过程中一定会有分支逻辑，这部分常常可以用设计为过程表。

下面我们讲表分为四类（要注意，这里是珍贵的方法论）：

每张表都会有一个实体对应，确定这个实体由哪些基本信息构成，有哪些角色参与，基本可以确定哪些字段，字段名称尽量与跟现有业务统一，减少理解成本。

比如这里的线索表设计：

接着梳理出所有执行岗位，每个岗位需要执行什么操作、拥有哪些数据查看权限和操作权限，需要确认到数据行和数据列。这一步需要决定了我们需要创建哪些子任务，以及任务的类型是什么（表单、表格、卡片）

这里跟前端展示是一一映射的：

接下来就是很多自动化任务了：

自动化任务

自动化任务为定时任务、间隔任务、实时任务，主要通过脚本编写或提示词实现，可以现任意复杂逻辑。

主要根据业务流转节点来确认需要哪些自动化任务：

这里要注意，不同AI表格系统在复杂流程实现这里实现逻辑大同小异，比如多维表格本身有工作流功能，但如果过于复杂就会使用Coze协助搭建工作流了

在这个基础下正常推进，就可以形成全局的任务面板：

至此系统也介绍的差不多了，一些细节就不完全展示...

多维表格

这里特别提一嘴多维表格，使用多维表格搭建业务系统的核心能力是自动化任务。

在业务系统的搭建中，多维表格的功能边界，很大程度上取决于自动化任务的灵活性与可扩展性。

目前市面上主流的多维表格工具—如飞书多维表格、维格云等。在表格操作体验上已经相当成熟，甚至在交互体验比AI表格好很多。但在自动化任务的灵活性方面，还是有点不足，这属于为门槛降低了灵活性。

这里特别提一嘴多维表格的一些限制：

1. 自动化依赖可视化流程配置（Trigger → Action），灵活性受限。
2. 复杂逻辑难以落地，通常只能满足基础的自动化场景。

以前面分享的“线索分配”为例，分配逻辑需要综合考虑：

1. 电销人员是否在线
2. 已分配线索数量
3. 是否额外奖励线索
4. 每人分配上限
5. 根据负责的地域分配

这些条件需要通过多维度计算动态得出结果，在多维表格中，这类常规但逻辑稍复杂的场景往往无法完全实现，或者就是很费劲，这可能也是所有低代码平台会有的问题。

所以这里有个结论：

1. 如果业务逻辑相对简单，多维表格是快速搭建业务系统的高效工具。
2. 如果逻辑复杂、需要深度自动化，多维表格工具的限制明显，此时更适合考虑直接研发独立系统。

AI类表格的选择

最后给个表格选择的建议，要通过产品、技术、成本三大维度，进行思考，核心看工具能否满足业务场景需求，以及可扩展性：

其次要看技术能力维度，主要考虑数据安全、性能、可集成性：

最后就是价格维度了，按用户数、按空间、按功能分级，这个大家随意就好...

结语

与上一篇招聘案例一致，AI表格这个的难点依旧是SOP的整理，这里有几个点：

SOP 是落地的最大难点

梳理 SOP 耗时最长，且需要业务深度理解，很多客户无法准确梳理清楚自己的SOP，如果没有清晰的SOP，就没有使用多维表格搭建业务系统的可能，多维表格本身无法解决最后一公里的SOP梳理问题

AI能力的真实占比

在真实公司全业务流程中，AI提升效率的场景占比并不多，大约20%，大部分提升效率来源于规则化与程序化处理（自动化任务、批量处理、流程优化）

用SOP的思维梳理SOP

为客户用多维表格搭建业务系统，本身就是一个 标准化 SOP 流程。可以用SOP方法去指导SOP梳理，实现可复制、可培训、可交付。

可沉淀的通用与独立 SOP

从全案设计中可以抽离出行业通用 SOP 模板（如培训机构、电销型企业），同时可以拆解出独立模块 SOP，这些模块可以快速迁移到其它场景中去

工具边界认知

工具的选择一定要清楚他的边界在哪里，当前多维表搭建业务系统的限制一定在于自动化任务处理能力，复杂逻辑仍然难以实现

点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：