想降低人力成本，应该先在哪个部门用 AI？

1. 为什么很多公司在错误的地方开始用 AI

开会讨论该从哪个部门开始时，答案通常来自最能说的人或者最头疼的人，而他们那里未必是最划算的起点。更公平的做法，是从各部门收集同一组数字，让数据来决定。

很多公司的第一步，是给每个人买工具账号，或者在官网上加一个聊天机器人，因为很快就能看到成果。可是没有人问过，到底哪部分工作真正在吃成本。结果员工偶尔用 AI 帮忙写点东西，报价单照样慢，订单照样重复录入，经理照样手工做报表。项目看起来很新潮，单位成本却一点没变。

另一种错误是从最重要的流程入手，比如定价、信用审批或生产计划。这些工作影响大、数据复杂、例外情况多，测试要花很长时间。其实准备文件、核对数据这类风险更低的工作，可能更快帮公司省下时间。

2. 企业主的项目排序公式

对每一项候选工作问四个问题：多久做一次？每次花多长时间？对错容易检查吗？出了错损失有多大？经常要做、容易检查、出错能补救的工作，是最稳妥的起点。

把各部门的流程汇总起来，按六项打 1–5 分：工作量、每次耗时、数据的标准化程度、答案是否容易核查、出错的风险，以及工作负责人的准备程度。前四项加上准备程度，再减去风险分，得分最高的工作就是试点项目的候选。

别凭感觉评估，先试着收集 5–10 天的数据。数字常常会显示，大家以为很大的工作可能每月只出现几次，而每次五分钟的查文件、复制数据却会发生几千次，占用的成本更高。

3. 销售部门：适合准备工作比销售本身更耗时的团队

销售部门往往是不错的起点，因为成果直接关系到收入。AI 能帮忙的工作包括：读取来自多个渠道的销售线索（Lead）、梳理客户需求、核查公司信息、准备要问的问题、起草方案、总结会议、录入 CRM 和设置跟进提醒。谈判仍然由人来做，系统负责让销售人员每次沟通前都掌握完整的信息，也不会漏掉跟进。

合适的项目是这样的：线索很多但团队回复慢，或者报价单格式重复、做起来很费时间。衡量指标应该是从收到线索到首次回复的时间、人均报价单数量、跟进完成率和转化率。AI 生成了多少条消息，说明不了什么。

4. 客户服务：适合问题重复、答案现成的情况

如果客户反复询问订单状态、价格、使用方法或者同样的政策，客服部门就能很快腾出时间。AI 可以从知识库里查找答案、从系统调取状态、总结历史记录，并为客服人员起草回复。到了下一阶段，再只对低风险问题开放自动回复。

开始之前，要检查知识是否分散在各处、彼此是否矛盾。如果每位员工答得都不一样，先要统一的是服务标准，技术是后一步的事。应该整理出统一的标准答案，指定内容负责人，并定期复核。知识库做好了，AI 才能帮公司扩大服务规模，团队也不必随着客户数量一起扩张。

要衡量的是系统首次就能解决问题的比例、每个个案的平均处理时间、需要转交的个案数量和满意度评分。不要只看机器人关闭了多少个案，因为系统可能关得很快，客户却又回来就同一件事重新提问。

5. 市场营销：适合用来提速，但不一定能减少人手

有了 AI，团队起草广告、文章、图片、活动创意和测试版本的速度快了很多。可是内容产量增加，并不等于利润增加。如果没有销售渠道，对客户也没有清楚的了解，公司可能只是发了更多帖子，结果和以前一样。

比“写得快”更有价值的，是把销售数据和活动策划连起来，比如总结客户不买的原因、按行业准备不同的宣传话术、把一套产品资料改成适合多个渠道的素材，再把测试结果汇总回来供团队决策。工具应该缩短从需求简报（Brief）到发布的时间，同时守住品牌调性和审批流程。

如果公司的产品定位清楚、销售渠道运转正常、瓶颈在于做活动的产能，就可以把市场部作为第一个部门。如果问题出在产品与市场契合（Product-Market Fit）上，内容做得再快也解决不了根本原因。

6. 财务、采购和后台工作：容易忽略的省钱领域

后台工作涉及大量单据和规则，很适合把自动化和 AI 结合起来用，比如读取发票、检查必填信息、核对采购订单、给费用分类、提醒缺失的单据、汇总现金流，或者收集供应商的报价。系统负责准备材料、标记异常，付款审批和重要的记账仍由有权限的人来做。

好处是时间和差错都能清楚地衡量，但要特别注意财务数据和访问权限。没有签数据协议，就不要把重要文件传进公共工具。系统必须按角色分配权限、保留操作记录，没有经过审批流程，不允许 AI 修改源数据。

7. 运营部门：回报高，但必须了解真实流程

运营部门从 AI 得到的好处可能最大，因为省下的每一分钟都直接影响成本，比如把订单转成工单、检查原材料是否到位、安排作业顺序、汇总现场问题，或者提醒可能延迟交货的风险。不过这类数据往往分散在好几个系统里，现场的例外情况也很多，光在会议室里设计是做不好的。

让开发团队跟着真实的工作走一遍，从接单一直到交付，留意哪里在等待、哪里在重复录入、哪些决定要靠员工的经验。然后先让 AI 准备数据或发出提醒。在数据质量过关、也有明确的办法随时叫停系统之前，不要急着让系统自动排程或下达指令。

8. 14 天决策表

1. 第 1–3 天：请各部门主管列出重复性工作，每个部门不超过五项，并附上发生次数和大致耗时。
2. 第 4–7 天：收集真实数据样本，给得分高的工作实际计时。评估时不要用假设的数据。
3. 第 8–10 天：按六项打分，计算每月的工时和成本，并注明风险。
4. 第 11–12 天：选出排名第一的流程和一个备选，确定负责人、KPI，以及 AI 不得涉及的范围。
5. 第 13–14 天：写一页纸的目标，比如 30 天内把制作报价单的时间从 45 分钟缩短到 10 分钟，错误率不高于现在。

对大多数公司来说，好的起点通常在销售、客服或后台单据工作，因为数据拿得到，结果也容易检查。不过这没有固定规律，最后要由您公司自己流程里的数字来决定。

总结：从“工作已经准备好”的部门开始用 AI，光有“管理层感兴趣”是不够的。第一个项目要量大、能计时、数据够用、答案容易核查、风险可控。在一个点上做出成果之后，再带着这次的经验、数据和信心，推广到更复杂的流程。