失败最多的自动化：50个项目的教训

在为阿根廷、乌拉圭、哥伦比亚和墨西哥的公司实施了50多个自动化之后，我可以确定地说，问题几乎从来不是技术性的。失败最多的自动化不是那些使用复杂技术或集成困难系统的。而是那些建立在没人花时间去理解的流程之上的。

市场上有一个危险的幻想：自动化是一条捷径。你可以拿一个混乱的手动流程，在上面叠加技术，它就会神奇地变得高效。事情不是这样运作的。从来都不是这样。然而，我们仍然看到公司一次又一次地掉入同样的陷阱。

硬数据：在我们执行的50多个项目中，35%的失败项目是因为客户想要自动化一个甚至没有文档的流程。另外25%失败是因为没人在开始前衡量当前状态。还有15%死亡是因为没人想过当机器人遇到它不理解的情况时该怎么办。

这篇文章是对我们所见错误、汲取教训以及我们开发的用来确保自动化不仅在演示中工作而且能在生产中存活的框架的详细介绍。

这是最常见也最昂贵的错误。布宜诺斯艾利斯的一家食品分销公司让我们自动化他们的订单流程。流程是这样的：销售人员通过WhatsApp发送订单给管理员，管理员将其输入到Excel电子表格中，然后手动上传到ERP。他们想要一个机器人来接收WhatsApp消息并直接加载到ERP中。

当我们梳理流程时，我们发现管理员不只是在转录——她还在纠正销售人员的错误（错误的产品编码、不可能的数量），通过检查另一张电子表格来验证库存，并在有问题时给客户打电话。按原样自动化这个流程会产生大量错误订单的灾难。

我们做了什么：首先，我们重新设计了流程。销售人员改用一个简单应用中的结构化表单（不再是自由格式的WhatsApp）。表单实时根据目录验证产品编码和数量。只有这样我们才自动化了ERP上传。结果：加载时间减少94%，错误率从12%降至不到1%。

教训是残酷但简单的：如果你自动化一个已损坏的流程，你只会让它损坏得更快。你必须先重新设计。

一家有80名员工的会计事务所让我们自动化银行对账。「这花费我们大量时间，」他们告诉我们。当我们问具体是多少时，答案是「很多」。他们没有任何指标。

我们坚持在触碰任何东西之前先衡量。结果：对账消耗了8个人每月340小时。真实成本是每月5,100美元（包括工资和间接费用）。错误率是3.2%，产生的返工又增加了每月45小时。

有了这些数字，我们能够构建一个可靠的商业案例，优先处理哪些对账先自动化（最高量、最低复杂度），并预测现实的ROI。实施后：340小时降至40小时（那些需要人工干预处理异常的），错误降至0.1%，第一年ROI为680%。

没有初始衡量，这一切都不可能。我们不会知道从哪里开始，无法向董事会证明投资的合理性，也无法在之后证明影响。如果你不能在自动化之前衡量流程，就不要自动化它。

一家保险公司聘请我们自动化理赔受理。主流程很清晰：被保险人通过网页报告，理赔被分类，分配理算师，处理理赔。我们在6周内自动化了所有内容，试点完美无缺。

投入生产两周后，问题开始出现。涉及多辆车辆的理赔，系统不知道如何处理。被保险人不是驾驶员的报告。同一理赔通过不同渠道报告两次的案例。针对第三方保单提出的理赔。这些边缘案例每个代表不到2%的量，但合计占总案例的18%。

运营团队最终比以前更多的工作，因为他们必须在处理机器人正确处理的案例之上，解决机器人错误加载的案例。自动化在最初几周创造了更多的运营负担。

解决方案：我们实施了一个「智能升级」系统。当机器人检测到一个不符合已知模式的案例时，它会标记它，提取它能处理的所有信息，并将上下文传递给人工操作员进行升级。操作员解决它，该解决方案反馈给模型，以便下次能自行处理该案例。3个月内，需要人工干预的边缘案例从18%降至5%。

这是我们在C级高管参加会议后对AI兴奋起来的公司中看到的经典情况。他们带着一份15个需要自动化的流程清单到来，想要同时启动所有流程。这是失败的完美配方。

蒙得维的亚的一家物流公司想要自动化：开票、货运追踪、客户服务、理赔管理、客户报告、货运协调、佣金结算和库存控制。全部同时进行。IT团队只有4个人。

我们做了什么：我们说了不。我们建议从一个单一流程开始——量最大、复杂度最低、可见影响最大的流程。我们选择了开票。8周内我们自动化了它，稳定了它，IT团队学会了维护它。只有那时我们才转向第二个流程。

18个月后，他们在8个流程中自动化了6个，在生产环境中运行，有清晰的影响指标。如果我们同时启动所有流程，我确信今天他们没有一个能运行良好的。

规则：一次一个流程。如果它们是独立的且你有足够的人员，最多两个。自动化是一种你训练的能力，不是你翻转的开关。

一家数字银行让我们自动化企业客户入职流程。我们与技术团队和运营经理合作。我们设计了一个技术上完美的解决方案。当我们投入生产时，入职分析师讨厌它。

为什么？因为没人问他们实际上是如何工作的。文档化的流程说的是一回事，但在实践中分析师们已经发展出了快捷方式、非正式验证和个人标准，这些都不在任何手册中。自动化忽略了所有这些。

我们以艰难的方式学到了教训。现在，在自动化任何流程之前，我们花2-3天坐在执行流程的人旁边。不是阅读文档——而是观察。问「你为什么这样做？」和「当X发生时会怎样？」良好自动化所需的90%的关键信息存在于做工作的人的脑中，而不是在程序手册中。

额外的好处：当团队参与设计时，采用率会大幅提高。他们从「要被机器人取代的人」变成「设计机器人如何工作的人」。这改变了一切。

这听起来很基础，但我们一直看到：公司实施了一个自动化，让它运行，然后再也不看它，直到它出问题。这就像让一个新员工上岗然后永远不监督他们。

一个令人痛心的案例：一家电商公司自动化了从ERP到在线商店的价格更新。它完美运行了3个月。有一天，ERP错误发送了200个产品的零价格。机器人尽职地更新了它们。他们在有人注意到之前以0元卖出了47个产品。

从那以后，我们部署的每个自动化都包含一个不可妥协的监控栈：异常告警（异常量、超范围值、错误率），实时性能仪表板，带可追溯性的完整执行日志，以及在不对劲时暂停自动化的自动断路器。

监控不是锦上添花。它是自动化成本的一部分。如果你负担不起它，你就还没准备好进行自动化。

经历所有这些教训后，我们开发了一个应用于每个项目的框架。这不是火箭科学——它是系统化的常识。但它管用。

衡量：在触碰任何东西之前，我们衡量当前流程。每次执行的时间、频率、错误率、真实成本（包括间接费用）和团队满意度。这给了我们计算ROI和优先排序的基线。

重设计：有了数据在手，我们分析流程。它有不必要的步骤吗？可以简化吗？边缘案例被识别了吗？信息流是否合理？我们先在纸上重新设计——不用技术——直到流程合理。

自动化：只有到这一步我们才引入技术。我们根据案例选择工具（RPA、API集成、AI驱动的工作流，或组合）。我们分阶段实施：先是主流程和最常见的案例，然后逐步添加边缘案例。

监控：我们从第一天就部署可观测性栈。我们定义清晰的KPI（执行时间、成功率、处理量、异常），配置告警，并在第一个月每周审查性能，接下来两个月每两周一次。

每个阶段都有一个与客户的检查点，我们在那里决定是继续、调整还是转向。没有「自动化X东西」的承诺——有的是「改进Y指标」的承诺。这完全改变了项目的动态。

我分享过去18个月完成的项目的真实（匿名化）数字。

项目1——银行对账（会计事务所，80名员工）：总投资35,000美元。年度节省61,200美元。第一年ROI：175%。回收期：7个月。

项目2——发票处理（分销公司，200名员工）：总投资28,000美元。年度节省89,000美元。第一年ROI：318%。回收期：4个月。额外收益：消除了收款周期中2天的延迟。

项目3——客户入职（金融科技公司，120名员工）：总投资52,000美元。年度节省145,000美元。第一年ROI：279%。回收期：5个月。额外收益：新客户NPS提升了23个点。

项目4——工单分类（SaaS公司，60名员工）：总投资18,000美元。年度节省42,000美元。第一年ROI：233%。回收期：6个月。

模式是一致的：执行良好的自动化在4-7个月内收回成本。执行不好的……这就是你为什么在读这篇文章。

重要说明：这些数字包括我们的费用、工具许可成本和客户团队的时间投入。它们不是夸大的数字——是实际发生的。

在联系任何咨询公司（包括我们）之前，问自己这些问题：

你能用一段话描述这个流程吗？如果你不能清楚地解释它，它还没准备好被自动化。先文档化它。

你有当前流程的指标吗？如果你不知道它需要多长时间、运行频率和错误率是多少，先开始衡量。

流程稳定吗？如果它每两周改变一次，自动化它就是浪费钱。等到它稳定下来。

你有人可以监督自动化吗？你不需要一个全职工程师，但你需要一个审查告警并知道当出现问题时该怎么做的人。

团队支持吗？如果做工作的人把自动化视为威胁，它会失败。从第一天就让团队参与进来。

如果你对所有五个问题都回答了「是」，你就准备好了。如果你对任何一个回答了「否」，这不意味着你不能自动化——而是意味着你有基础工作要先做。而那些基础工作和自动化本身一样有价值。

在Orionis，我们两者都做：我们帮你做好基础准备，然后自动化。如果你想评估你的流程，请写信至nihao@orionis.consulting。初次对话免费且无需承诺。