不是所有能自动化的事都该自动化。这是我在搭建任何工作流之前会跑一遍的判断规则,以及那四个运行完美却被我删掉的自动化。
我删掉的自动化,比我现在还在用的还多。不是因为它们坏了,而是因为它们运行得完美无缺,却把事情变糟了。
这句话值得细品,因为这正是”什么都自动化”这派人从不愿正视的问题。一个稳定运行、却在悄悄拉低工作质量的自动化,不是效率上的胜利,而是一个伪装成胜利的隐患。能揪出它的唯一信号,是你在事后几周才注意到,自己产出的东西质量在不知不觉中变差了,而那个自动化,正是遮住这个衰退过程的东西。
这是我现在动手搭建任何东西之前都会跑一遍的判断规则。它是一个问题,配三个子检查,省下的时间比我原本会搭建的大多数自动化都多。
我曾搭建过四个自动化,后来都删掉了。四个都能正常运行。下面是它们做了什么,以及为什么被我砍掉。
会议记录自动摘要。 一个跑在每次会议转录稿上的模型,每次通话结束三十分钟后自动发送会议摘要。问题在于:摘要准确,但没用。会议记录需要的是取舍,不是压缩。这个自动化按”说了多少”来呈现内容比例,而大多数会议里真正重要的,往往是某人试探性地说了一次、我特意标注下来、原本会作为简报核心的那一句话。这句话在摘要里毫无存在感,看上去和另外四十九句话没什么两样。这个自动化生产的是格式工整、专业规范,但恰恰是每次会议里最不重要部分的文档。
替代方案:三标签标注系统。手动完成,无法自动化。
客户跟进邮件草稿自动生成。 一个根据会议摘要生成跟进邮件草稿的模型。问题在于:它对本该区别对待的客户关系,套用了同一种专业语调。有的客户要的是简洁直接,有的需要温度和背景铺垫,还有一位客户处境敏感,措辞需要格外小心。模型产出的邮件正确、流畅、专业,但对具体关系而言是错的,就像一张写好的慰问卡,语法没问题,场合却不对。三位客户回复的语气都让我察觉到,他们感受到了对面没有一个真人在回应。这个自动化在技术上是对的,产出在职业层面是错的。
替代方案:没有替代方案。有些跟进邮件必须手写。
每日简报摘要。 汇总过去一周所有标记为”重要”的笔记内容,做成每日简报。问题在于:每天都能拿到简报这个习惯,让我在标记内容重要与否时变得不再挑剔。当一个系统会自动汇总一切时,你就失去了在捕获信息之前先判断”这重不重要”的自律。简报越积越多,全面取代了精挑细选,而精挑细选才是重点。
替代方案:每周花十五分钟人工回顾一周的原始笔记,挑出三件真正推动了什么事的内容。这个限制本身就是承重结构。
置信度打分。 让模型给自己的研究产出打一个 1 到 10 的置信度分数。问题在于:这些数字是编出来的。模型只是模式匹配出”置信度分数看起来该是什么样”,然后给出一个看似合理的数字,而我却信了。我把对判断力的模仿自动化了,还误把它当成了判断力本身。
替代方案:我自己标注不确定性。不确定的地方,前面写”CHECK:“;确定的地方,直接写结论。这个系统是二元的,也是诚实的,而且不花一分钱。
这四个自动化被删掉,都不是因为它们坏了,而是因为它们在效率不是瓶颈的地方,拼命优化效率。
在搭建任何自动化之前,我只问一个问题:
这项任务的瓶颈,是耗时,还是需要判断力?
如果答案是耗时,值得考虑自动化。
如果答案是判断力,自动化就该尽量避免,至少要确保包含判断的那一步,是自动化绝不能碰的那一部分。
由此延伸出三个子检查:
子检查一:失败会是什么样子,又会多快浮现? 有些失败明显又迅速,自动化崩了,什么都不工作,你马上就能发现。有些失败隐蔽又缓慢,自动化照常运行,产出看似合理的结果,质量却在数周之内悄悄下滑。后一种更糟。搭建之前我会问:如果这个自动化悄悄产出了糟糕的结果,我要多久才能发现?如果答案是”超过一周”,我就需要在结果被使用之前,而不是之后,加一道人工检查点。
子检查二:我自动化的是工作的呈现形式,还是工作本身? 这是我发现的最关键的区分,也最容易被忽略,因为好的 AI 产出看起来就像好的工作成果。整理简报格式、起草摘要、搭建文档结构,这些是思考的呈现形式,不是思考本身。如果底层的思考是你自己完成的,把这些呈现形式自动化风险很低。但如果自动化在思考尚未发生之前就先产出了呈现形式,你得到的东西看起来完整,实际上并不完整。我该搭建的自动化,是在我完成判断工作之后负责整理产出的那种;我该避免的,是取代判断、直接产出结果的那种。
子检查三:这项任务会不会复利增长? 有些活动会随着反复去做而越来越有价值,你会发展出模式识别能力、积累关系认知、不断打磨对某个客户处境的理解模型。如果你把一项会复利增长的活动自动化了,你就中止了这种复利。机器替你跑了这些重复动作,而你没有。一年下来,差距就很明显了。三年下来,这就是”对自己所在领域有真正深刻理解的人”和”只是工具用得好的人”之间的鸿沟。凡是会复利增长的事,我都留在自己手里。
要说清楚:我自动化的东西其实很多。这条规则不会让人变成一个事事手工完成的怀疑论者,它带来的是对自动化落地位置的精确判断。
我会自动化排版和结构。我会自动化对已经过我整理和标注的素材的压缩。我会自动化检索,搭建能按需调出既往思考的系统。我会自动化排期和路由,也就是任何工作流中纯粹属于”把东西从一个地方挪到另一个地方”的行政环节。
我不会自动化我对任何事的第一次立场表达。我不会自动化关系维护。我不会自动化那个需要我判断轻重的步骤。我也不会自动化任何失败模式是”听起来自信但其实错了”的事,因为这种失败模式在被发现之前是隐形的。
问题从来不是”这能不能自动化?“,而是”如果它给出一个看似合理却错误的答案,真实代价是什么,谁会发现?”
我维护着一份简短的文档,一个决策日志,记录我考虑过但没有搭建的每一个自动化,以及原因。目前大约有两打条目。说实话,它比我实际在运行的自动化清单更有用,因为每条记录都包含了”为什么这项任务属于判断工作”的推理,而这套推理可以迁移到新的决策上。每次我又想为类似任务搭建点什么,我都会先查这份日志。
不自动化的决定,和自动化的决定一样,都应该是深思熟虑的。刻意做出这个决定,写下来,它就不再是一个错失的机会,而变成了一项政策。
那份文档,也就是我用的工具决策矩阵和决策日志格式,现在做成了一份模板。里面的逻辑和我在这里讲的完全一样,模板只是让它能被反复复用在类似的决策上。
→ Tool Decision Framework,售价 $39。 结构化决策矩阵 + 决策日志。可直接放进 Obsidian 或 Notion 使用。(先向新闻通讯订阅名单开放,下方可注册。)
四个自动化被删掉,每一个都教会了一件”先构建再说”这派人不会明说的事:问题从来不是”这能不能自动化”,而是”两个月后回头看,你会庆幸自己这么做了吗”。
系统专栏下一篇 → 如何让 AI 产出保持诚实,交付给客户之前我会跑的那些检查。
完整的 Obsidian 模板与全套提示词链——结构化的情报笔记、对照式提示词,以及激发式检查清单。放进你的知识库,四十分钟内就能带你的下一个潜在客户走完全程。
没有固定节奏,没有凑数内容,没有赞助植入。只有当一次新的搭建值得你花十分钟时,才会发出——通常每 2 到 4 周一次。
"我只会发给你即便没人付钱我也会写的东西。哪天这一点不成立了,这份通讯就停刊。"