用好 AI，关键是先重写 Workflow

很多团队虽然已经开始用 AI，但工作流仍然停留在上一个时代。过去的 workflow 本质上是 human-centric 的：先把内容组织成方便人 review 和 edit 的形态，再导出成软件适合处理的格式。这个逻辑在软件只是辅助工具时没有问题。

但当 AI 开始变成真正的协作者，顺序就应该反过来。更值得先问的问题，不再是“怎样最方便人先改”，而是“怎样设计 workflow，才能让 AI 在最少摩擦下做最多有效工作”。等 AI 把主要工作做完，再把结果导出成适合人查看、判断和微调的形式。

这看起来只是顺序变化，实际上是很深的重构。很多团队只是把 prompt 接在旧流程上，却没有重想数据结构、上下文边界、tool interface 和 handoff design。这样做通常效果有限，因为整个系统仍然围绕旧瓶颈在优化。

第二个关键点是：凡是 mission-critical、必须 human sign-off 的环节，AI 都应该尽量给出 concise 且 minimal 的方案。如果每次输出都长到让人看不完，reviewer 就无法稳定完成审核，也没法高质量做判断，最后 bottleneck 还是会回到人身上。对于这种场景，质量不仅是“答得对”，还包括“能不能把人的认知负担压缩到最小”。

所以我越来越偏好一种模式：AI 在后台做大量展开和试探，但在交到人手里的那一刻，必须把建议压缩成最可审阅、最可签字的形式。AI 的价值不在于生成最多文本，而在于在保留关键判断权的同时，尽量减少人的消耗。

第三个变化是组织层面的。随着 AI 更深入地进入日常运营，IT、基础设施和 workflow design 不会再只是支持部门的工作，而会成为核心运营能力。数据安全、权限边界、agent 的效率与成本、tool calling 的选择、可观测性、延迟控制，这些都会直接影响开发速度和业务效率。

将来真正把 AI 用好的公司，不是那些只是拿到了更强模型的公司，而是那些先把自身 operating system 重写成 AI-native workflow 的公司。