小生意想做自动化，先从哪件事下手？

客户发来一条询价，你打开邮件，找地址，翻服务介绍，把资料抄进表格，再转给负责报价的同事。过两天，又得回头问一句：这位客户有人跟进了吗？

这种事单看都不费多少工夫，但每来一个客户，就得从头走一遍。小团队想做自动化，可以先看看这些反复要做、有明确结果、出错后也有人能接手的工作。

接下来要弄清楚的是：哪些步骤用固定规则就能完成，哪些地方值得让 AI 帮忙，又有哪些决定必须留给人。这篇文章会带你选出一项适合先试的工作，再算算它到底能省下多少时间。

先跟着一笔真实的业务走一遍

挑一笔最近的询价、预约或报价，请实际负责的同事把处理过程演示一遍。先别急着问“哪里能用 AI”，看看这件事究竟是怎么做完的。

处理时打开了几个系统？哪份资料复制了两次？在哪一步等别人回复？如果客户漏填信息，谁负责追问？

值得留意的地方包括：

• 同一份客户资料，要在不同地方重复录入。
• 同样的问题，每次都从头找资料、写回复。
• 前一个人已经做完，后一个人却不知道该接手了。
• 后续跟进靠人记着，忙起来就容易漏。
• 真正需要判断的事情还没开始，整理材料已经花了不少时间。

“行政工作太多”很难直接改。“每份报价前，都要从三封邮件里找出地址和尺寸”就具体多了。你能看见步骤，也能数出这周发生了多少次。

还要问一句：这一步有没有必要？有时把表单问清楚、做一个共用模板，或者去掉一道多余的审批，就已经解决了问题。

哪些交给规则，哪些用 AI，哪些仍然要人来做？

一条流程里，可以同时用到这三种做法。

固定规则适合处理条件清楚的事情。客户填完表单，就建立记录、分配负责人、设定跟进日期；某个必填项为空，就提示补充。这些步骤未必需要 AI。

AI 更适合帮忙整理不规整的信息，例如把一长串邮件归纳成几条要点，从描述里提取项目资料，或根据确认过的服务信息起草回复。不过，输出仍要按任务的风险安排检查。

涉及价格承诺、特殊情况或责任判断时，就要明确由谁拍板。

比如，同样是处理询价：

• 把完整的表单字段写进客户记录，可以用规则自动完成，并检查格式。
• 邮件太长，可以让 AI 整理摘要，但要保留原文供同事核对。
• 检查有没有填写联系电话，用规则就够了。
• 起草服务说明，可以让 AI 先写，再由同事确认后发送。
• 客户要求特殊折扣，或者双方对服务范围有分歧，交给负责人处理。

把这些步骤接起来，才是一套能用的流程。每一步该做什么、做到哪里停下来，都要说清楚。

这三类工作，可以拿来对照自己的情况

下面都是说明思路的假设场景，不是真实客户案例。是否适合你的业务，还要看现有系统和工作量。

1. 把散落的询价整理成待办事项

假设你经营一家上门服务公司，询价既有网站表单，也有邮件。同事收到消息后，要先确认客户想做什么、地址在哪里、资料够不够。

第一步可以只做到这里：收集询价，检查是否已有客户记录，分给合适的人。对于邮件里的长段描述，让 AI 整理要点、标出缺失资料，再准备一份待审核的回复。

价格、档期和特殊要求，仍由团队确认。先别把“整理询价”一下子做成“自动接单”。

试跑时，记录每笔询价的处理时间、摘要改了多少，以及客户多久收到有效回复。内部提醒发得再快，如果没人接手，客户还是在等。

2. 少花时间拼营销报表

如果每周的营销例会前，都有人要导出广告数据、更新表格、写几段总结，这部分也可以拆出来看看。

在工具支持连接的前提下，先把约定好的指标汇总到同一个模板，再让 AI 描述变化、列出需要营销人员继续查的问题。

这里容易卡住的地方是统计口径。广告平台说的“转化”，可能和你业务里认定的“有效询价”不是一回事。这个定义要先统一，否则报表做得越快，误解也传得越快。

计算结果要能回到原始数据核对，文字解释也要有人看。例如，每次询价的成本上涨了，这是一个现象；上涨的原因，还需要调查。

除了报表准备时间，也要记下修正时间，以及这份报表有没有帮助团队作出决定。

3. 报价前，先把材料收齐

以地板安装业务为例。做报价可能需要房间尺寸、产品选择、现场照片和安装时间，这些信息却分散在几轮消息里。

可以先把资料汇总到同一个项目记录，按清单检查缺了什么，再准备一份补充资料的请求。AI 可以整理客户要求，但每条重要信息都应能找到原始消息。

报价人员负责核实尺寸、评估工作内容、确认价格。尺寸写得不清楚，就标出来问，不能让系统自行补一个数。

这类流程是否有用，可以看报价人员收到的材料是否更完整、找资料少花了多久，以及摘要出错造成了多少返工。

先选一个做得完、也看得出效果的项目

列出两三项候选工作，先过下面这几关。

接着把几个实际问题问清楚：

• 这项工作最近一周或一个月做了多少次？次数太少，可能不值得专门搭系统。
• 什么样的结果算做对了？团队能不能给出一致的判断？
• 所需资料放在哪里？现有工具能否稳定读取？
• 哪些情况能按标准步骤走，哪些必须交给人处理？
• 出错后，谁能发现、修正并把事情继续做完？
• 扣掉审核时间，再考虑搭建和日常费用，收益还值不值得？

先试的项目最好有明确负责人，范围也要小。“把询价整理好，交给同事审核”，比“把客服自动化”更容易验收。

如果大家对正确做法都没共识，先统一流程。如果只是偶尔做一次的事情，留一个好用的模板可能就够了。

省下的时间，怎么换算成价值？

先用这个公式，也可以把自己的数字填进流程节省时间计算器：

每周省下的工时 = 每周处理次数 × 每次少花的分钟数 ÷ 60

“少花的时间”要把审核、修改和异常处理算进去。AI 几秒钟生成一段话，不代表整件事几秒钟就完成了。

举个假设例子：团队每周处理 40 次请求，原来每次准备材料要 8 分钟。试跑后，连审核和修正在内，平均每次用 3 分钟。如果一年有 46 个工作量相近的星期，按每小时 45 澳元折算，结果如下。

这些是为了说明算法而设的数字，不是收益预测。实际计算时，要换成自己的记录，也要考虑淡旺季。

省下工时，和账上实际少花了钱，是两回事。你可能把这些时间用来更快回复客户、多处理几单业务，或者减少加班；员工的工资不会因为某个步骤变快，就自动减少。

最后还要对比实施费、软件订阅、使用费和维护成本。如果你也在追踪回复速度或漏跟进次数，可以另外记录，别把同一项收益重复计算。

试的时候，把不好处理的情况也放进去

正式扩大使用前，先记下现在的工作量、处理时间和常见错误，再找一小组人试跑，并指定负责人。

不要只试资料齐全的请求。客户漏填信息、同一份表单提交两次、前后说法矛盾、系统暂时连不上，这些情况都要走一遍。

审核的人应当能看到原始资料。摘要要方便核对，有疑问的地方要显眼，系统也只应拿到完成任务所需的信息。

还要试清楚：某一步失败了，谁会收到提醒？没做完的事项在哪里找？改成人工处理后，再次运行会不会重复建记录、重复发消息？

试跑结束后，对照原来的记录，看总处理时间、修正次数和完成速度。也问问实际使用的同事：工作真的少了吗？如果只是从“自己做”变成“整天检查系统哪里做错”，就还没到扩大使用的时候。

你可能还想问

最容易先做的自动化是什么？

反复发生、输入比较明确、下一步也清楚的任务，通常适合先检查。例如分配完整的询价表单、建立内部提醒、准备固定格式的报表。到底好不好做，还得看现成连接是否可用，以及特殊情况有多少。

做自动化就一定要用 AI 吗？

不一定。系统间传递结构化信息、按日期提醒，往往用规则就能完成。需要读懂不同写法、整理长文本或起草内容时，再考虑 AI。

是不是要把现有软件都换掉？

先看现在的软件能做什么，包括内置功能、连接方式、权限和套餐限制。有些需求现有工具就能支持，也有些需要增加连接工具或定制开发。

怎么判断值不值得继续做？

把实际省下的时间、服务上的改善，与整套流程的使用成本放在一起看。审核和修正时间也要计入。一小段真实试跑，比看演示后估一个很大的收益数字更有参考价值。

带一件每周都在重复做的事来聊

选一个具体例子，列出用到的工具，以及现在大概要花多少时间。这样讨论时，就能看见哪里可以改、哪些决定仍然要由团队负责。

你可以先看看我们的 AI 自动化与业务转型服务，或预约一次业务流程诊断。如果已经选好了项目，接着读小团队怎么把 AI 真正用起来，里面有试点安排和验收清单。