AI 正让中小企业（SME）更容易实现工作自动化、开发软件，并获得过去需要大量技术资源才能实现的能力。但这里有一个关键问题：技术只能基于企业真正掌握的自身业务知识发挥作用。
对于 Digital Perpetual 创办人 Charles Lau 而言，这一认识来自他深入中小企业实际运营的亲身经验。在跨国企业（MNC）的数字营销领域工作 17 年、拥有 6 年创业经验，并接受了 4 年 IT 学习后，如今他帮助中小企业在销售、运营、人力资源、会计、CRM、库存和配送等领域，用实用的数字系统取代人工操作。
而他经常发现，问题并不在于缺少技术。真正的问题往往是客户资料零散分布、业务流程没有形成文档、定义标准不一致，以及关键的运营知识只存在于某个人的脑海里。
在这次与 NewInAsia 的对话中，Charles 解释了为什么企业争相采用 AI 反而可能暴露这些问题，为什么有些流程保留人工操作反而更合理，以及随着技术成本越来越低，真正了解自己的业务究竟如何运作，为何可能成为企业更重要的竞争优势。
亮点
你的中小企业已经有 AI，但它有一份完整的客户名单吗？
问：Singapore 正在推动企业进一步采用 AI，但你仍然会遇到大量依赖电子表格、纸质文件以及彼此割裂系统的中小企业。我们是否在许多企业还没有真正做好数字化准备之前，就已经要求它们做好 AI 准备？
答： 是的——而最常见的情况，并不是一家公司完全没有技术，而是它在拥有一份完整的客户名单之前，就已经开始使用 AI 了。
我接触过一家从事培训和辅导业务的客户。在我加入项目时，他们已经使用自动化 WhatsApp 助手回复咨询——无论按照什么表面指标来看，这都可以算是一家正在采用 AI 的中小企业。
但他们的客户数据分别存放在三个互不连接的地方：两场获客工作坊的数据放在电子表格里，购买记录存在课程销售平台中，还有一部分来自网站注册。没有人能够直接回答：“我们实际上认识多少人？”除非同时打开这三个地方，再凭肉眼判断其中有多少重复记录。
我们围绕一个统一数据库重新搭建系统，而第一次得到的真实结果并不那么令人舒服：合并之后大约有 5,500 个联系人，其中相当一部分甚至无法进行分类。
于是，我们做了一件听起来像是在承认失败、实际上却是整个项目中最有价值的设计决定之一——我们建立了一个名为 “Unknown” 的阶段，把所有无法确定与公司关系的人暂时放入这个分类中。不是潜在客户，也不是客户——就是未知。
只有这个分类真正存在之后，每日数据同步才能开始逐步补全这些人的身份信息。
这正是目前许多中小企业所处的状态。AI 层已经装上去了，而且非常显眼；但它下面的基础层——一份统一的名单、一套统一的客户定义，以及一个所有姓名最终都会进入的统一位置——却根本不存在。
AI 无法解决这个问题。它只会读取你已有的信息，然后充满信心地给出答案。因此，如果底层基础本身不一致，AI 所做的只是更快速地产生充满信心的不一致结果。
所以，当政策要求企业“做好 AI 准备”时，我会把它理解为：把你的信息整理到一种机器能够直接读取、而无需再提出澄清问题的状态。
大多数中小企业只需要进行一次真正坦诚的审查，就会发现自己其实还没有达到这个状态。令人鼓舞的是，这种审查的成本并不高，而解决问题通常也只需要花几周时间，把每一项东西到底应该叫什么定义清楚。
当“100 PCS”其实并不意味着 100 件
问：AI 经常被视为提升生产力的捷径。根据你在实际业务中的观察，中小企业老板通常希望用 AI 解决哪些问题，但这些问题实际上只是披着 AI 外衣的流程问题？
答： 最明显的案例来自一家为船舶供应五金和设备的企业，而问题竟然出现在再普通不过的供应商发票上。
他们的海外供应商会发送成本表，其中数量可能写成 “100 PCS/PKT”。一个正常人——或者一个语言模型——都会按照字面意思进行换算。
但我们发现，完全相同的表述，对于某一种产品意味着乘数为 5，对另一种产品意味着乘数为 20，而第三种产品则是 1。
这个换算系数从来没有写在文字里。它只存在于那个真正打开纸箱的人的脑海里。
更麻烦的是，我们后来发现，同一种产品在 1 月份曾经按照系数 1 入账，到 6 月份却变成了系数 20。也就是说，这家公司自己的历史记录本身都互相矛盾。
任何模型都无法仅凭文件解决这个问题，因为答案根本不存在于文件里。
我们最后建立的东西并不“聪明”：只是一个包含产品代码、原单位、换算系数和目标单位的表格，并根据真实出货记录整理出了 146 种换算关系作为初始数据。
如果历史记录彼此冲突，系统就会停止处理，并将该项目标记出来交由人工判断，而不是自行猜测。我们只有在检查过去五年的出货记录、确定真正的换算依据后，才会建立规则。
同时，每一次换算都会保持金额不变，因此无论最终使用哪个换算系数，发票总额都能够对得上。即使系统判断错了单位，它也绝不会把金额算错。
这就是流程工作——繁琐、不起眼，却恰恰是让自动化真正值得信赖的关键。
如果只是要求 AI “直接读取这些发票”，它很可能会生成格式非常漂亮的数字，但这些数字其实悄悄地错了，而且可能直到几个月后的库存盘点时才会被发现。
所以最简单直接的总结是：当一个中小企业老板说“我希望 AI 告诉我应该订什么货”时，他真正首先需要解决的，是所有人对“什么是一种产品”以及“一个单位究竟意味着什么”达成一致。
AI 是一个放大器——如果它放大的是一个内部标准本来就互相矛盾的流程，最终只会让这些矛盾变得更加明显。
最适合中小企业的系统，可能只是一条 WhatsApp 消息
问：你曾经在大型跨国企业工作，现在又直接与中小企业合作。关于数字化转型，有哪些假设在大型企业中行得通，但应用到小型企业时却完全不适用？
答： 我想用一家正在进行数字化改造的工程公司来回答这个问题。
第一个大型企业常见的假设是：一定有一个旧系统需要迁移。
但这家公司根本没有旧系统——公司全部商业历史都存在一个共享云端文件夹中的 Excel 和 PDF 文件里。
在大型跨国企业里，所谓迁移通常意味着在两个数据库之间进行字段映射；但在这里，迁移意味着我们必须写一个解析程序，理解某个人过去究竟是如何排版电子表格的，然后从这个文件夹中导入数百份采购订单、付款凭证，以及数千条明细记录。
这里没有所谓的数据架构。
他们的“数据架构”，其实就是某个人长期形成的工作习惯。
第二个假设是：主数据一定已经存在。
当我们把他们分散在四个不同模块里的公司记录整合起来之后，得到 275 家公司——其中大约 19 条记录其实是同一个客户，只是名称拼写方式不同。
大型企业会有专门的数据治理职能负责防止这种情况发生。中小企业呢？通常是谁那天下午打字最快，数据就由谁录进去。
第三点——也是我最希望其他顾问能够听进去的一点——是人们真正需要的，是会被实际使用的工具。
这家企业需要员工考勤系统。大型企业的答案可能是生物识别终端加上一个 HR 模块。
但我们最终开发的是一个 WhatsApp 打卡系统——员工发送一条附有照片的消息，系统就会将考勤记录归入相应项目。
这并不是最复杂、最高级的答案，却是最有可能每天真正被使用的方案，因为它不要求任何人学习新的工具，也不要求他们额外携带任何东西。
除此之外，还有一个非常现实的问题：人的注意力是有限的。
在大型跨国企业里，数字化转型通常有项目发起人、项目经理以及培训预算。而在中小企业里，所谓的“项目团队”可能就是那位运营经理——而这个人同时还要负责报价、处理工作，甚至临时帮忙看前台。
任何要求这个人投入 40 个小时的计划，最终大概率都不会发生。
所以，我们会把系统拆成一个个小部分逐步上线，而且每一部分在上线当天就必须能够产生实际价值。
大型企业有一项原则完全适用于中小企业，那就是建立单一事实来源（single source of truth）。
大型企业已经通过惨痛经验学会了这一课。许多小企业却还没有意识到，而对于规模较小的公司而言，忽略这个问题所造成的成本，按比例来看反而更加严重。
不过，还有一个需要反过来提醒中小企业的地方：大型跨国企业往往会购买一个平台，然后调整业务流程去适应平台，因为对于拥有 40 个办公室的企业来说，实现标准化比每个地区各自优化更加重要。
但对于中小企业而言，业务流程本身往往就是竞争优势——这可能正是客户选择打电话给它，而不是选择规模更大的竞争对手的原因。
为了适应现成软件而扭曲自己的业务流程，恰恰可能让一家小企业变得和所有普通公司没有区别。
有时候，最聪明的数字化转型就是把功能删掉
问：中小企业面临巨大的“转型”压力，但每增加一个新的 CRM、自动化系统或 AI 工具，也意味着增加成本和复杂性。什么时候继续使用人工方式，反而是更聪明的商业决策？
答： 我想用我曾经为一家建筑项目公司开发、后来又亲手删除的两个功能来回答。
第一个是项目门户里的 3D 模型查看器——上传模型、直接在浏览器中查看，再把它与不同项目阶段关联起来。从技术角度来看，这个功能很令人满意。
然后我们观察究竟有谁在使用它：没有人。
所以我们把整个功能全部删除了。
第二个更糟糕，因为它实际上属于“正确”的大型企业设计——自定义团队角色、针对每个工作流程设置权限，再建立文件夹分配矩阵。
我把这些全部删除，改成共享访问，只针对那个真正需要保护的文件夹设置一道权限限制。
对于一家所有团队成员都坐在同一个办公室、每天都会互相补位的公司来说，复杂的权限矩阵保护不了什么——它只会导致某个人早上 7 点在项目现场打不开图纸，然后打电话求助。
删除这两个功能之后，产品反而变得更好了。因为每一个你不需要的页面，都是一个别人必须学习、必须滚动跳过，并最终可能向你询问如何使用的页面。
我的经验法则有三个部分。
自动化那些高频、稳定而且枯燥的工作——例如每周需要录入 100 张订单，就非常适合自动化。
对于低频或者高度依赖判断的工作，则继续采用人工方式。认真算一笔账：如果一个月连一小时都用不到，自动化几乎永远无法回本。
同时，还必须考虑自动化系统长期维护的“尾巴”：任何自动化都有可能在最不方便的时候出故障，而原因通常只是上游某个人修改了格式。
这一点往往被严重低估。
我们曾经为了安全，在一家客户那里把某个用户账号限制为只能从特定办公室 IP 范围登录。结果短短几天内，这项设置就不得不修改三次，因为真实世界中的网络环境很快就暴露出了它的复杂性。
这并不意味着系统失败了；这只是拥有一个自动化系统之后必须面对的现实。
大型企业可以让 IT 团队承担这些维护工作。中小企业承担这些工作的，却往往是老板自己的晚上。
所以真正的问题从来不是：“这件事能不能自动化？”
真正的问题应该是：“这件事值得我们永远负责维护吗？”
还有第四种情况特别容易让人掉进陷阱：不要自动化一个仍然不断变化的流程。
如果你的报价流程这个月和上个月都不一样，那么把它自动化，就意味着你每个月都必须重新开发。
让它先稳定下来。有时候，“我们还在摸索应该怎么做”本身就是正确答案，而对于一个尚未真正定型的流程来说，电子表格确实可能就是最正确的工具。
竞争对手无法下载的竞争优势
问：随着 AI 让软件开发和工作流程自动化变得越来越容易，中小企业真正的竞争优势，会不会最终变成一件听起来没那么光鲜的事情——仅仅是比竞争对手更了解自己的运营？
答： 我认为完全是这样，而且这已经在发生。
开发软件已经不再是瓶颈。
在我们的客户系统中，接近 5,000 条有记录的修改涉及大约 100 个系统——而真正限制我们的，从来都不是代码写得有多快，而是我们能够多快弄清楚现场究竟发生了什么。
有一个很小的例子一直让我印象深刻。
我们曾经为一个甜品品牌开发实时厨房看板——订单进入系统后，厨房可以实时看到按照口味、甜度以及份数统计的汇总数据。
系统运行起来了，但有一个问题：套餐产品会被显示成一种独立的口味，因此厨房准备出来的产品组合并不正确。
解决方法其实根本不是技术问题：套餐里的甜品部分，其制作方式和某一种标准口味完全相同，因此应该直接计入那个标准口味。
但这项知识从来没有存在于任何系统中。
它只存在于厨房里，存在于某个人的脑海中。而在有人想到应该问这个问题之前，没有任何软件能够自动把它做对。
这样的模式在我们的每一个客户那里都会重复出现。
真正困难的不是开发。
真正困难的是提出正确的问题——而这个问题，只有真正理解业务运营的人才能回答。
这对于小企业来说其实是一个令人鼓舞的消息。
如果代码正在变得越来越便宜，那么持久的竞争优势就会转移到那些能够最准确描述自身业务的人手里——真正的工作步骤是什么、例外情况发生在哪里，以及哪些决策确实需要人的判断。
这并不是技术预算的问题，而是注意力的问题。
一家只有 20 人的公司完全可能在这方面胜过一家拥有 2,000 人的企业，因为老板距离实际工作足够近，能够知道真实情况究竟是什么。
所以，我给中小企业老板的建议可能非常“不流行”：在购买任何东西之前，先把你们实际上是如何工作的写下来。
不是你认为自己如何工作，也不是软件供应商的流程图告诉你应该如何工作。
坐到真正执行这项工作的人旁边，看着他做。
这份文件如今本身就是一项真正的企业资产，因为它恰恰是 AI 要真正为你的企业创造价值时所需要的输入。
而且，与那些每个季度都在变得更便宜的工具不同，这种对自身业务的理解，是竞争对手唯一无法下载的东西。
结语：在问 AI 之前，先问真正做这项工作的人
随着 AI 降低软件开发和工作流程自动化的门槛，中小企业之间真正的差异，可能不再取决于谁能够获得技术。
Charles 在实际业务现场遇到的这些案例，揭示了一些看起来并不光鲜、却更加重要的事情：企业是否真正知道什么才算一个客户，一个单位究竟意味着什么，员工为什么以某一种方式完成任务，例外情况出现在哪里，以及哪些流程已经足够稳定、真正适合进行自动化。
对于中小企业来说，与实际工作的距离更近，本身就可能成为一种优势。
老板可能更容易接触到那些真正知道为什么电子表格会设计成现在这个样子的人；知道为什么厨房面对套餐时会采用不同处理方式的人；也更容易发现，为什么那个看起来非常先进的系统，实际上反而让某个人的工作变得更加困难。
AI 可以降低开发成本，也可以加快执行速度。
但如果一家企业从未把自己的运营知识记录下来，AI 无法自动把这些知识找回来。
所以，在询问 AI 能够改变什么之前，更有价值的问题也许简单得多：
你是否足够了解自己的业务，能够清楚地告诉 AI 应该做什么？
亮点
Read the English article here.
