AI 在运营工作中有哪些应用?

运营人员主要用 AI 完成维持流程运转所需的文案和分析工作,而不是让 AI 直接执行流程。它的价值来自那些频繁、繁琐且容易对照来源核查的任务。

以下是 ChatGPT、Claude、Gemini 或 Copilot 等通用助手可以利用你获准分享的资料完成的工作:

起草或更新SOP

将零散笔记或任务操作的口头讲解整理成带编号的操作流程,再交由流程负责人修正。

比较供应商报价

按统一口径并列比较几份报价:单价、附加费、最低要求和条款。总额要自己重新计算。

编写检查清单

将操作流程整理成适用于新员工入职、月末结账或办公室启用的检查清单。

整理列表

统一不一致的供应商名称、地址或产品代码,或建议一个电子表格公式来完成这项工作。

总结事件

将有关配送失败或系统中断的邮件往来整理成时间线、邮件中说明的原因以及待办事项。

找出交接中的缺漏

询问接手团队还需要哪些信息,而交接表却没有要求填写。

回答政策相关问题

粘贴一份内部政策,询问其中哪些条款适用于某个情境,然后亲自阅读相关部分。

应该使用 AI 助手,还是将流程自动化?

先从助手开始,由人工逐次检查输出;只有那些稳定、记录完善且出错代价较低的步骤,才考虑自动化。许多关于运营中使用 AI 的搜索,实际想找的是自动化和 AI 智能体。这是另一类项目,风险特征也不同。

以下比较旨在辅助规划,并非对任何产品的技术评估。

方法由谁检查输出常见失误适合初次使用的方式
由人使用的助手每次都由人负责使用者未能发现的虚构步骤或错误数字起草SOP或比较报价
基于规则的自动化当初制定规则的人,只做一次规则未预料到的情况以固定格式在两个系统之间传输数据
自主行动的 AI 智能体在它采取行动时,往往没有人将语气笃定但错误的操作大规模重复执行仅在流程已梳理、责任已明确且经过测试后

AI 起草的 SOP 会在哪些方面出错?

它会用听起来很规范、但并不符合你所在组织实际做法的步骤填补空白。这在 SOP 中比在邮件中更危险,因为人们往往会不加质疑地照着 SOP 执行。

一个虚构的例子。阿什福德印务是一家小型印刷店。运营负责人关于处理加急订单的记录如下:'检查设计稿是否达到印刷要求。确认纸张有库存。交期不足48小时需收取加急费。超过500件的订单必须由生产经理批准。通过电子邮件向客户发送校样。'

一条不够严谨的提示词“为加急订单编写SOP”,生成了一份条理清晰的十步流程,其中包括“订单发货时通过短信通知客户”“超过250件的订单需要总监批准”以及“如果无法按期交付,提供10%的折扣”。这些内容都不在笔记中。审批门槛和审批人都错了,而折扣是一项从未有人作出的商业决策。

改进后的提示词:'将这些笔记整理成编号 SOP。只使用笔记中已有的步骤。如果某个步骤似乎缺失,将其列为需要向流程负责人确认的问题,不要自行补充。'输出保留了五个步骤,将 500 件的审批交给生产经理,并列出三个问题:谁来检查设计稿、纸张缺货时如何处理,以及客户如何确认样稿。运营负责人作答后,这份 SOP 才正式发布。

想看看这与具体岗位有什么联系吗?

了解规划中的团队试用 ↗

AI 比较供应商报价时,如何核查其结果?

自己按相同口径重新计算比较结果,因为模型容易只比较标价而漏掉附加费用。流畅文字中的计算结果很容易让人未经核查就接受。

同一项包裹配送服务的虚构报价:供应商甲每件 £4.10,另加 12% 燃油附加费;供应商乙每件 £4.40,费用全包;供应商丙每件 £3.95,另加 £0.60 手续费。当被问到‘哪家最便宜?’时,AI 助手仅凭 £3.95 的标价回答了供应商丙。

按相同口径比较:A 为 4.10 加 12%,即 £4.592,约为 £4.59;B 为 £4.40;C 为 3.95 加 0.60,即 £4.55。供应商 B 的每件包裹价格最低,计入附加费后,排序发生了变化。实际决策还需要考虑最低业务量、合同期限和服务水平,而各份报价对这些内容的表述可能不同。让助手制作比较表,然后对照报价文件逐格核查,并在电子表格中计算总额。

如何开始在运营工作中使用 AI?

先从一份书面流程、一名负责人和一项低风险的文档任务开始,并明确核查步骤。

选择一个有明确负责人的流程

选择一项经常开展的工作,并明确指定一位足够熟悉这项工作、能够发现错误的负责人。

记录当前状况

如果流程只存在于某个人的脑海里,第一个 AI 任务就是把他的讲解整理成草稿,再交给他修正。

选择一项文档任务

SOP 初稿、检查清单和报价对比都是不错的起点,因为可以对照来源材料进行核查。

设定核查要求

确定由谁审核输出,以及依据什么审核:笔记、报价文件,还是政策。

商定数据使用规则

确定供应商条款、客户地址等运营数据可以输入哪些获批工具。

几周后复查

询问负责人,草稿需要修改的地方是否随着时间推移而减少,之后再考虑将任何步骤自动化。

在运营中使用 AI 的主要风险有哪些?

风险包括:错误因流程重复执行而不断扩散,数据被分享给不合适的工具,以及员工盲从看似权威的输出。一封邮件中编造的步骤影响一位客户;一份SOP中编造的步骤,则会影响按该流程处理的每一笔订单。

NIST生成式AI风险概况将自动化偏见,即过度信赖自动化系统,列为一种可能加剧幻觉等其他风险的风险。运营工作尤其容易受到影响,因为其中很大一部分工作就是按流程执行。如果贵组织希望有条理地思考这些风险,适用范围更广、供自愿采用的NIST AI风险管理框架是一个有用的参考。

什么时候这份指南或 Tosheo.ai 并不适用?

如果你的目标是实现跨系统流程自动化、选择企业资源规划系统、实施机器人流程自动化或开展流程挖掘,你需要的是由技术专家参与的系统项目,而不是日常 AI 使用指南。能够描述和检查流程的员工仍有助于这些项目,但这是另一类投入。

Tosheo.ai 正在筹备中,旨在培训人员,而不是实现流程自动化。规划中的运营岗位学习路径将通过短课和依据学员可见的评分标准评分的练习任务,覆盖上文 SOP 和报价示例这类任务。它不会连接你的系统,也不会替你运行工作流。

来源与范围

NIST AI 600-1,生成式人工智能概要,July 2024 ↗

NIST,AI 风险管理框架,发布日期:26 January 2023 ↗