业务自动化投资，该从哪里开始

企业当前面对的处境

人力成本上涨，招人变得困难。然而需要处理的业务量并未减少。许多企业想用自动化来填补这道落差，可一旦真要动手，往往就卡在"该从哪里开始"这一步。

问题不在于没有可自动化的对象，反而在于太多了。即使是已经具备全公司资源管理系统的企业，实际业务时间中也有相当一部分消耗在系统之外。典型的情形包括：把订购单从邮件里取出来重新录入系统、从物流公司网站复制运单号再贴进客户的表格、每逢结账就手工比对多张表格。

这些工作单看每一件都显得琐碎，所以很难进入改善课题清单。但如果一位负责人每天要花 90 分钟做这类事，在 20 人规模的组织里，一年就会消失约 7,500 小时，相当于 3.5 名正式员工的工作量。

更大的损失并非时间，而是差错与延迟。人工誊写的过程必然产生错字，负责人一离开岗位处理就停摆。这笔成本不会记在任何账本上，所以等问题浮出水面时，往往已经变成客户投诉或结账延迟。

为什么自动化项目达不到预期

自动化导入失败时，原因大多不在技术，而在对象选择。以下三种模式反复出现。

第一，选了由例外主导的业务。 若整体件数中有一半以上属于例外处理，自动化非但没有减少工作，反而新增了"确认自动处理结果是否正确"的工作。对负责人来说，工作量是增加的。

第二，输入数据没有标准化。 每家供应商格式各异的订购单、每次栏位顺序都在变的 Excel 文件，在自动化之前必须先完成表单标准化。跳过这一步，只会让例外处理逻辑不断膨胀。

第三，没有衡量成效的基准线。 若未事先测量导入前的耗时，日后只会留下"好像变快了"的印象。无法证明投资效益，下一个课题的预算也就拿不到。

这三点都是可以在启动之前判断的问题。所以才需要诊断。

请先区分自动化的两种类型

进入诊断之前，先把自动化分成两类，会让判断变得单纯。

规则型自动化替代那些条件与处理方式都已明确界定的工作，例如"订购单一到就读取项目并登录系统""每天早上把库存低于基准的品项列成清单发出"。结果始终一致、容易验证，建设成本也相对较低。

需要判断的自动化处理的是输入每次都不同、标准答案也不唯一的工作。分类自由格式的咨询、从格式各异的文件中抽取所需项目、以文句回答客户提问，都属于这一类。可处理的范围宽得多，但必须以可能出错为前提来设计。

两种类型的验证方式并不相同。规则型只需看"是否分毫不差地照做"，而需要判断的自动化则必须事先设定容许误差与人工介入的时点。若不作此区分而以同一套标准管理，后者必然出问题。

四阶段诊断框架

第 1 阶段 — 编制业务清单

按部门列出重复性业务，并针对每一项记录三件事。

• 每月发生件数
• 每件耗时
• 处理人员数

这一阶段的目的不是精确度，而是做出一份可供比较的清单。若想精确到分钟，调查本身就永远做不完。向负责人询问"大约要花几分钟"，照实记下即可。误差留待后续阶段候选收窄之后再细化，完全来得及。

依经验，2030 人规模的组织，这份清单会列出 4060 个项目。编制清单的过程本身就已经有价值——许多连部门主管都不知道的重复作业，往往就在这一阶段浮现。

调查时有一点需要留意：不要问负责人"你想自动化什么"。这样问，得到的会是他最不想做的事，而不是最适合自动化的事。改问"请按时间顺序说说昨天一整天做了什么"，会准确得多。

第 2 阶段 — 自动化适合度评估

以四个轴评估每一项业务。

只把四个轴全为"适合"的业务留作第一轮候选。只要有任何一项"不适合"，就应归类为需要在自动化之前先解决该条件的课题。举例来说，若输入标准性不适合，那它就不是自动化课题，而是表单标准化课题。

判断规则明确性有个简单方法：问负责人"这件事能不能只靠文件就交接给刚报到的新人"。无法以文件交接的工作，也无法交接给机器。

输入标准性不适合，也不必立刻放弃。这正是前面区分出的需要判断的自动化可以处理的领域。只是这种情况必须同时设计准确度目标与检核流程，因此准备期应拉得比规则型课题更长。

第 3 阶段 — 测算回收期

只针对第一轮候选进行精密测量，并计算回收期。

年度节省额 = 每月件数 × 12 × 每件节省时间 × 每小时人力成本
回收期（月） = 建设成本 ÷ ((年度节省额 − 年度运营费) ÷ 12)

有三点需要注意。

每小时人力成本请以总成本计，而非薪资。 把四大保险、离职金、办公空间都算进去，通常是薪资的 1.3~1.5 倍。若只按薪资计算，节省额会被低估，实际上可行的课题反而会被淘汰。

每件节省时间并非 100%。 自动化之后，确认结果、处理例外、检查系统仍然要花时间。若要保守估算，可将原有耗时的 70% 计为节省部分。

务必反映年度运营费。 服务器费用、外部 API 使用费、维护合同都属于这一项。漏掉这一项算出的回收期，会比实际情况短。

计算示例

代入数字，判断就会变得清晰。以下是为说明计算方法而设的虚拟示例，实际数值会因各企业的条件而异。

假设一项业务是：把供应商以邮件寄来的订购单转录进公司内部系统。

每件节省时间为 12 分钟 × 70% = 8.4 分钟，即 0.14 小时。

年度节省额 = 400 × 12 × 0.14 × 25,000 = 16,800,000 KRW
年度净效益 = 16,800,000 − 2,400,000 = 14,400,000 KRW
回收期     = 18,000,000 ÷ (14,400,000 ÷ 12) = 15 个月

15 个月的回收期，达不到前面提出的"第一个课题应在 6 个月以内"的基准。此时有三个选择：另找件数更多的业务、缩小建设范围以降低成本，或将这个课题往后排。

把同样的计算套用在每月 1,200 件的业务上，年度节省额会变成 5,040 万 KRW，回收期则降到 5 个月以下。件数主导回收期，这正是这套计算的核心。比起每件耗时长的业务，即使每件时间短但发生频繁的业务，通常应该排在前面。

第 4 阶段 — 决定启动顺序

按回收期由短至长排序，但第一个课题不要只看回收期来挑。第一个课题有两个条件。

• 回收期在 6 个月以内
• 即使失败，本业也不会停摆的业务

第二个条件很重要。如果第一次自动化在核心业务上出了问题，组织内部对"自动化"这件尝试本身就会失去信任。反过来说，第一个成功案例能为后续课题争取到预算与业务部门的配合。第一个课题应该以确定性而非规模来挑选。

各行业最先浮现的候选

依行业别，会进入第一轮候选的业务大致是固定的。编制清单时可作为参考。

制造与流通 — 各供应商订购单的汇总与录入、库存低于基准的提醒、出货指示单生成、物流公司运单号的收集与客户通知、月结时多张表格的比对。

服务与 B2B — 报价单开立、合同状态追踪与到期提醒、定期账单开立、咨询类型分类与负责人指派、商谈记录摘要。

电子商务 — 订单状态变更通知、退换货受理分类、商品信息多渠道同步、评论收集与分类、补货通知。

共通 — 考勤与费用报销文件查验、新进员工账户开通、定期报表汇总、外部系统之间的数据同步。

这份清单只是起点。实际候选应仅承认通过第 2 阶段评估者。因为即使是同样的业务，各企业的例外比例与表单标准性也不相同。

导入前的确认项目

若已决定启动，请确认以下五项是否就绪。

是否测量了基准线。 必须记录导入之前的耗时、处理件数与错误件数。导入之后才开始测量，就没有可比较的对象。

是否设计了把例外交给人工的路径。 自动化处理不了的案件必然会发生。此时不该悄无声息地失败，而应转交给负责人。缺少这条路径，遗漏的案件往往要几天后才被发现。

是否有办法察觉自动化停摆。 人做的事，人不做就看得出来；自动化却是悄悄停下的。至少要具备"处理件数与平常不同就发出提醒"这种程度的监控。

对象系统变更时的维护责任是否已确定。 串接对象的界面或 API 会在毫无预告的情况下改变。届时由谁、在何时之前修好，必须在合同或内部规范中订明。

是否确认了个人信息与法规要求。 若自动化对象业务涉及客户信息或员工信息，有些项目必须在启动前理清。

• 处理过程中个人可识别信息存放在哪里、保存多久
• 若数据会传送至外部服务，该数据储存于哪个国家
• 是否留有处理记录，事后可供追溯
• 访问权限是否按负责人加以区分

尤其在使用外部人工智能服务时，务必在合同条款中确认输入的数据是否会被用于该服务的训练。未确认此条款就输入客户信息，会让一个技术上运作良好的自动化变成违规。保留由人工确认自动化结果的流程，也是出于同样的考量。

自己做，还是用现成的

对象确定之后，就要选择实现方式。判断基准在于：这项业务是否是竞争力的来源。

如果某项业务的处理方式与同业不同，而这正是公司的强项，那就值得量身打造。反之，若是任何公司都以相同方式处理的业务，使用已经过验证的现成品会更快、更便宜。从零开始做考勤结算或电子签核，多半是一种浪费。

不过在评估现成产品时，请确认三件事。

我们的业务能否配合产品。 现成产品是以标准流程为前提打造的。若现行方式与该前提差距过大，改造产品的成本，恐怕还不及改变作业方式所遭遇的抗拒来得大。

能否把数据取出来。 日后转换到其他系统或与公司内部系统串接时会需要。请在签约前确认数据导出功能与串接方式。

停摆时由谁负责。 依赖外部服务的业务，该服务的故障就等同我们业务的中断。请以书面确认故障时的响应时间与补偿条件。

常见的反对意见及其处理

自动化课题卡关的原因，往往来自组织而非技术。事先掌握可能出现的反对意见，应对就会容易得多。

"现在的做法没有问题。" 这多半属实。问题不在当下，而在处理量增加之后才会浮现。面对这种反对，请提出的不是当前的不便，而是极限点。计算并展示以现有人力可处理的最大件数，会更具说服力。

"我的工作是不是就没了。" 这是最强烈的反对，必须正面回应。要先说明自动化对象正是负责人原本就不愿做的单纯重复工作，并且事先决定好省下来的时间要用在哪里再告知对方。若没准备好这个答案，从调查阶段就得不到配合。

"例外太多了，行不通。" 业务部门的这句话通常是准确的。不要反驳，而是实际去数一数例外比例。第 2 阶段评估的目的正在于此。若数下来例外确实很多，那把这项业务从候选中剔除才是正确的。

"以前试过，失败了。" 请具体确认失败原因。大多不出前面整理的三种模式之一。必须连同证据一起提出，说明这次不会重蹈覆辙。

导入之后的 90 天

上线启动不是终点，而是验证的开始。头 90 天请确认以下事项。

前 2 周 — 并行运行。 让自动化与既有方式同时运作并比对结果。这段期间发现的不一致，会告诉你实际的例外比例。不经并行就直接切换，错误的处理往往要几周后才被发现。

第 1 个月 — 整理例外类型。 把转交人工的案件按类型分类。若某一类型反复出现，那它就不是例外，而是遗漏的规则。把它纳入规则，自动处理的范围就会扩大。

第 3 个月 — 与基准线比较。 重新测量导入前记录的耗时、处理件数与错误件数并加以比较。这张比较表会成为下一个课题的预算依据。

若成效不如预期，也请把这个事实记录下来。知道自动化在哪些条件下无法如期运作，是挑选下一个课题时最宝贵的信息。

总结

自动化的成败，取决于对象选择更甚于工具选择。

• 把重复性业务列成清单，使其可供比较。
• 区分规则型自动化与需要判断的自动化，采用不同的验证方式。
• 只把规则明确、输入标准化、例外少的业务留作候选。
• 回收期请纳入总人力成本与运营费，保守计算。发生件数比每件耗时更能主导结果。
• 第一个课题请以确定性而非规模来挑选。
• 在启动前确认个人信息的处理范围与数据储存位置。

而最重要的是，请在导入前测量基准线。未经测量的改善无法证明，而无法证明的改善，也就分配不到下一笔预算。