他用AI把原本每周两小时的苦差事，压缩成了5分钟

Part01

ENTERPRISE

先说一个场景，你可能有点熟悉。

每周一，项目经理小D要查找三个系统的数据，先是OA系统里的项目利润表，再是研发管理系统的周报，然后去飞书多维表格里拼凑项目数据。在执行的一共15个项目，一个一个查、一个一个填，顺利的话105分钟搞定，如果遇上数据格式出问题，下午两点之前根本别想收工。

这种活儿其实一点技术含量都没有，但就是非常耗时间，而且不能出错，做的人心烦。

Part02

ENTERPRISE

后来他做了一件事，把这个流程交给了AI。

工具选的是OpenClaw，核心能力是打通OA系统和飞书两套环境之间的壁垒。

小D先把整个流程拆开，逐一分析哪些节点可以让机器干：

• 从表格里读项目编号
• 登录OA系统查项目利润表
• 登录研发管理系统拉取周报
• 再去飞书多维表格里捞数据
• 最后对数据做汇总、标注、推送

这些步骤看起来互不相关，但其实每一步都有规律可循，AI是很擅长去做这种有规律性的重复操作的。

Part03

ENTERPRISE

不过落地的时候踩了几个坑。

比如产品经理和项目经理提交周报的时间不一样，没办法设定一个定时任务把这件任务全包揽了。后来他拆成了三个独立的定时任务，分别卡在不同的时间窗口里跑，彼此互不干扰。

还有数据格式的问题。OA系统里某些字段导出是39.93%这种带百分号的文本，直接写进多维表格会出错，发现了这个问题后，他专门加了一层数据格式的处理，把文本格式转成数字格式再写入多维表格。

另外有一段时间他用browser tool这个AI工具来模拟人工操作浏览器，因为这个方式不太稳定，且token消耗也大，后来他改成了审计任务脚本，稳定性一下子就上去了，成本也降了下来。

Part04

ENTERPRISE

经过四周时间的验证，通过机器干活的成功率达到100%，执行效率大幅度提升，从每周的105分钟直接降到5分钟，每月可以节省6.67小时，算下来一年可以节省80小时，差不多10个工作日。这还只是一个人的一个场景。

仔细分析这个案例，处理逻辑其实是可以复用的，完全可以平移到其他部门。比如财务的报销数据同步、采购的供应商报价汇总、行政的项目数据整合，都是像"定期从多个系统取数、汇总、输出"这类的场景，流程几乎是一样，分析调整一下数据源应该就能跑通。

小D还总结出了一套五步方法论：找场景 → 拆流程 → 抠节点 → 验落地 → 做迭代。

我觉得这五步当中最值得借鉴的地方，是"抠节点"这个动作。很多人上来就想搞"全自动化"，做到时候才发现每个环节都有些特殊情况要特殊处理，最后不了了之。小D的做法是把流程拆到足够细，找到那几个"可以稳定替换"的节点，先让机器接管这些，剩下的节点还是继续让人来把关。

这套流程走下来，就真的是把人解放出来，而不是把人换掉。

#职场提效 #AI提效 #流程拆解 #AI应用