AI 咨询工作流：我如何把自己的工作方式改造成一条生产线

本文写的是我自己的工作方式，不是某个客户的项目。文中用来作证的运行数据，来自一个 22 个总部部门的大型集团组织改革项目——该项目的行业、客户与部门信息全部隐去，只保留工序本身和可核对的数量级。

一、问题是什么

咨询顾问的日常，说到底是三件事：听人说话、看人给的材料、然后从里面长出一个判断来。

第一件和第二件已经工业化了——录音有转写，文档有解析，材料再多也不至于读不完。真正没有工业化的是第三件。一个大项目跑三个月，我经手的原始材料一百多份：访谈逐字稿、会议纪要、部门自己填的职责说明书、组织架构图、编制统计表。这些东西消化完之后，去了哪里？

老实说：去了我的脑子，和几十份散落的 Word。

这带来的不是“效率低”这么客气的问题，而是四个具体的、每周都在发生的难受：

第一，结论没有出处。 我在方案里写下“这个部门的核心矛盾是建设职能与运维职能没有切开”，这句话是对的，我知道它是对的，因为我听过七八场访谈。但如果领导问“哪句话让你这么判断”，我要翻二十分钟纪要，而且大概率翻不到那句原话。

第二，判断只有结论，没有过程。 我三周前押过一个方向，两周后有新材料让我改了主意。改完之后，“我原来押的是什么、为什么改”这件事就永远消失了——文档里只剩下最新的那一版。这意味着复盘不可能：我说不清自己被推翻过几次。

第三，材料一进来，我不知道哪些旧结论该重查。 一批新访谈进来，正确的做法是把所有受影响的既有判断拉出来重新检查一遍。实际的做法是：凭印象通读一遍，感觉哪里要动就动哪里。漏改是常态。

第四，也是最贵的一条：所有这些只存在于我脑子里的东西，不能交给任何人。 换个人接手，得从头泡一遍材料。

这不是我个人不够勤快。这是行业的默认状态——高水平的分析在今天仍然是手工作坊：过程在人脑里，质量看当天状态，不可检验，不可复制，不可交接。

二、困难在哪里

发现这个问题之后，我做的第一件事，和大多数人一样：多用 AI。

把逐字稿丢给大模型，让它总结要点；把一堆材料塞进去，让它找矛盾；把方案草稿贴上去，让它挑毛病。这些都有用，但用了两个月之后我很清楚：它没有解决上面四个问题里的任何一个。

原因不在模型不够聪明，在三个地方：

第一，聊天窗口没有记忆，只有上下文。 每一次对话都是一个孤岛。今天这个窗口里得出的结论，明天那个窗口不知道。我不是在积累，我是在重复。

第二，AI 给的答案没有身份。 它输出一段“该部门存在职责边界模糊问题”，读起来很像结论，但它既不是事实（没有出处），也不是判断（没有押注、没有置信度、没有认错条件）。它是一种介于两者之间的、无法被追问的东西。而咨询交付里最危险的，恰恰是这种看起来很成立、其实无从查证的句子。

第三，也是最根本的——把材料整个丢给模型，等于让一位很好的律师去翻你的杂物间。 他确实聪明，但案卷没整理，辩护词一定漏洞百出。我发现自己花在“给 AI 解释背景”上的时间，比它省下的时间还多。

所以“多用点 AI 聊天”这条路是走不通的。它加速的是“处理”，而我卡住的地方从来不是处理，是沉淀——处理完的东西没有地方去，落不了地，攒不起来。

三、我发现了什么

真正的转折点是一句想明白的话：

要改造的不是工具，是工序。

工具层面我已经不缺了。缺的是：材料从进来到变成一个我敢签字的判断，中间应该经过哪几道手、每道手谁做、做完之后东西存在哪里。

一旦这样想，问题就从“AI 怎么用”变成了一个很老派的问题——这条产线怎么设计。而产线设计的核心，是回答三个问题：

信息进来之后往哪走。 一份访谈里同时有事实、有决策、有冲突、有待办、有推测。它们的可信度完全不同，去处也必须完全不同。把它们混在一份“会议纪要”里，就是所有麻烦的起点。
哪一步允许机器写，哪一步必须人写。 这不是技术问题，是责任问题。机器可以起草，但账本上的字必须有人负责过。
判断怎么留下痕迹。 一个判断不该只留下结论，还要留下：当时押的是什么、置信度多少、最脆弱的假设是什么、出现什么信号就该认错。

想清楚这三条之后，我做的事就不再是“找一个更好的 AI 工具”，而是给自己的工作方式立一套规矩，然后用文件系统和脚本把这套规矩钉死。

四、我怎么处理

下面是这条产线现在真实运转的四道关键工序。所有数字来自它此刻的实际状态。

工序一：信息路由——先分类，再入账

我为这件事单独写了一份规范，它只回答一个问题：从材料里抽出来的东西，最终应该落到哪里。

规则大致是这样的：

决策有唯一的全局账本，同时按主责部门自动分发到各部门账本，部门账本里的那份是派生视图，不是新条目；
冲突同理，一个全局冲突地图 + 各部门镜像；
事实默认不自动进主账本——只有“跨材料反复稳定”或“对组织设计有长期影响”的事实，才由人工提炼后升级；
推测和弱信号绝对不进主账本，它们有单独的一层叫“弱信号层”，只记录“这个信号可能推翻我现在的判断，但证据还不够”；
原始笔记永远留在证据层，不上升。

这套规则的作用是防止一件很常见的事：因为某类信息“被抽出来了”，就默认它已经有了正式落点。规范里写死了一句话——抽取的结构可以比账本的结构更丰富，但更丰富的部分只有在规范里定义了落点之后，才允许升级为正式知识。

跑到今天，这套路由的产出是：一百多份材料完成消化，全局决策账本 900 余条，冲突地图近 2000 条，所涉每个部门各有一份自己的账本和事实清单。每一条都带着来源文件名。

工序二：人工闸门——机器只有起草权

这是整套东西里最反直觉、也最关键的一条：后台的消化程序对正式账本只有读权限，没有写权限。

它的工作是把原始材料提纯成结构化草稿，存进一个中间数据库。要进入正式账本，必须经过我确认。判断层的文件——判断卡、状态向量、演化记录——更严格：任何脚本都不得修改，只能人手写。

我把这条规矩写成了系统宪法的第一章，因为我很清楚自己的惰性：一旦开了“自动同步”的口子，三个月后我就不知道账本里哪些字是我背书过的、哪些是模型顺手写的。而一本我自己都不敢引用的账本，等于没有。

代价是每批材料要花几十分钟做确认。收益是：我从账本里调出的任何一条依据，都敢直接写进给决策层的报告。

工序三：判断入账——把“我觉得”变成一张可检验的卡

这是我改造得最久的一道工序，也是最有价值的一道。

每个重大判断写成一张标准结构的卡，必填字段包括：这张卡真正要回答的问题、三个相互竞争的假设（基准解释 / 反直觉解释 / 底线解释）、当前押注、置信度、最脆弱的假设、反向压力测试（如果我完全错了，最可能错在哪里）、反证信号、失效触发器、有效期，以及证据锚点。

两条硬规矩：

证据锚点不得为空。 每条支持证据必须指向一个可点回去的东西：账本路径、冲突编号、决策编号，或某份具体的访谈文件。找不到锚点的想法只能进弱信号层，不许上卡。
有效期默认 14 天，超期未复核自动降级为“观察中”。 高频变动的议题我会把有效期设成 7 天。判断会过期，这件事必须写进制度，而不是靠记性。

我特别想说一张卡的例子——一条涉及某一层管理岗位编制处理方式的规则，多个部门强烈反对，我的卡上写的是：

当前下注：暂不下注。规则本身由决策层统一下发，截至今日仍待定。项目组内部建议口径为坚持原方案，但这不构成规则已被执行的证据。 置信度：0.50

这张卡的价值不在于它给了答案，而在于它如实记录了“我现在还不能下注”，并写清了要等的是哪个信号。手工作坊模式下，这种状态通常表现为“这事儿还没定，先放着”，然后就真的忘了。

判断卡改判时不覆盖旧卡，另写一条演化记录，必填字段里最要紧的两条是改判前押什么、改判后押什么——旧版本格式只有一句“为什么改”，复盘时根本还原不出当时的状态。校验器会检查：前后押注写成一样的，直接报错，因为没有实质变化就不该产生一条演化记录。

现在的存量：判断卡十来张，演化记录十条，状态向量和判断工作台各不到十份，议题簇四十来个，压到最上面的核心判断七条（制度上限十条，超了必须合并或降级）。

数量不大，是刻意的。判断卡只对最高冲突、最高风险的议题建，一个部门通常三到五张够了。工序服务于关键判断，不是给每句话上枷锁。

工序四：红队复核与变更重审——在没有代价的地方先失败一次

最后两道是防守工序。

红队的做法是让 AI 扮演最刁钻的那位领导，基于账本里的全部材料，从反方立场连环质疑每个关键结论。为了防止它“顺着我的思路挑毛病”，我为高风险议题写了一份盲测规程：红队在独立窗口里跑，只准看原始事实清单，禁止看任何已有的冲突列表、状态向量和判断卡；另有一个白队窗口，连项目材料都不给，只给一句行业设定，让它列这类机构历史上最容易死于什么。

三方结论并排放，裁决规则很简单：三方一致就强化；白队或红队提出了、而我的主线分析里没有的问题，强制立项；只有主线有的，降级核查。这条规则是专门用来对付我自己的思维定式的——如果我用“组织 / 流程 / 岗位”这套框架看什么都像组织问题，那么隔离窗口里长出来的另一种读法，就是唯一能提醒我的东西。

变更重审解决的是“结论过期”。最近一次的运行记录是这样的：一批八份新材料进来，抽出三百多条事实、一百条冲突、三十多条决策，系统逐张比对当时的十张判断卡，输出一份冲击清单——哪张该强化、哪张该削弱、置信度从多少调到多少、哪几个部门出现了“冲突密集但没有卡覆盖”的判断空白。

这份清单最上面写着一行字：草稿，待人工确认后方可更新判断卡。

而那一批的最终处理结果里，有两张卡的初判被我推翻了：机器读出来该“削弱”的，结合当天的一次高层定调，实际应该“强化”。这件事我认为很重要——它证明这条产线的最后一段仍然是人，而机器的价值在于它把该重查的东西一条不落地摆到了我面前。

五、最终形成什么

它现在是一套在真实项目里日常运转的东西，不是演示品。此刻的状态：

材料侧：一百多份原始材料完成消化入库，证据索引覆盖近两百份材料、上万个文本片段；在评估集上，检索前 5 条结果必然包含正确依据（Recall@5 = 1.00）。单份 3 小时的部门负责人访谈，稳定提取出 21 条唯一决策、35 条唯一冲突，且逐条可回溯到原文段落。

账本侧：全局决策 900 余条、冲突近 2000 条，所涉每个部门各有账本、事实清单与状态向量，变更全部留痕。

判断侧：判断卡十来张、演化记录十条、核心判断压缩到七条。最近一次全量证据体检的结果是：覆盖 13 张判断卡、100 条证据锚点，有效 100 条，断链 0 条。证据分五个等级，其中最高一级“客户书面确认”是保留等级，工具永远不自动判定——把没确认的标成已确认，等于把可信度标得高于实际所证，这是我给自己划的一条底线。

工作方式侧，变化是这样的：

被追问“依据是什么”时，我的姿态从“容我回去查查”变成“您看，这是访谈原文”；
新材料进来，我拿到的不是“通读一遍看看哪要动”的直觉，而是一张精确的重审清单；
我第一次能回答“这个判断我被推翻过几次、每次因为什么”；
半年前的一句结论，现在能在几秒内查到它当初的出处、押注和置信度。

也有诚实的代价：每批材料要花几十分钟确认；一张判断卡要写 5 到 10 分钟；判断卡的字段一栏都不能空着，尤其是“我为什么可能是错的”那一栏——那一栏最难写，而它恰恰是整张卡的价值所在。

这套工序还在改。判断卡的字段规范已经改到第二版，演化记录的格式改过一次并且做了旧格式兼容，盲测规程还是 0.1 版草案。它不是一件完工的作品，是一台在用的机床。

六、收尾

我最后学到的一件事是：AI 没有让判断变得更容易，它只是把“你到底凭什么这么认为”这个问题，提前到了每一天。