「减少78%时间」从何而来:如何拆解自动化的效果归因

「减少78%时间」这个数字看起来像是产品自带的属性,但事实并非如此。它是三项彼此独立的改动叠加的结果,每一项单独实施也能起作用,但没有哪一项单独能达到这样的效果。

「我们上线了系统,拿到了78%」和「这78%由什么构成」之间的区别是实际操作层面的。前一种说法无法迁移到其他场景:换一个流程,它会给出另一个数字,原因不明。后一种说法可以完整迁移,因为它指出的是机制,而不是结果本身。

自动化效果由哪三部分组成

拆解的依据不是系统的组成模块,而是消失或发生变化的工作类型。每一部分构成都有各自的机制、受益对象和边界。

用规则组装取代手工操作。过去,经理要打开价目表、用计算器核算、在仓库目录里找图片,再在文本编辑器里排版文档。现在只需选择条目,其余内容自动填入。这部分构成贡献了最明显的时间节省,而且立竿见影:从第一份文档起效果就能看到。它的边界是可规则化的范围——凡是无法写成规则的工作,仍然需要手工完成。

将结果交付到记录系统(system of record)。文档通过一次操作从交易卡片发出,同时归档到同一个位置。这部分构成几乎不节省执行者本人的时间——它节省的是所有其他人的时间:查找发给客户内容的主管、核对条款的会计、接手交易的同事。效果是滞后显现的,因此常常不会被计入投资回报的核算。

回传到闭环的事件触发(event trigger)。客户是否打开了邮件、是否点击了链接——这些事实会触发下一步动作。这部分构成完全不节省时间,它改变的是结果本身:提高最终促成沟通的交易比例。在「节省小时数」的核算中,它的贡献是零;但在营收中并非如此。

请留意第二列。不同的构成部分让不同的人群受益,这也解释了实施过程中常见的矛盾:执行者只看到第一部分,主管期待的是第三部分,而公司要为三者一起买单。

技术效果为什么离不开互补性组织投入

认为可以把技术的贡献和组织变革的贡献分开计算,这种想法早就被经济学数据推翻了。

先说明局限:这是上世纪八九十年代之交的相关性数据,不是实验结果,不能把其中的百分比直接套用到今天的实施场景。真正有价值的是结论的结构:技术投入与组织变革构成互补性组织投入(complementary organizational investment)的关系,也就是说二者的效果是相乘而非相加的。这正是最终百分比无法归因于其中任何一方的原因。

平均效果为什么会掩盖真实差异

另一种验证总数字若不拆解就没有意义的方法,是查看带对照组的研究。可以看到「平均效果」其实是由差异很大的数字组成的。

截至目前,这仍是一份工作论文,尚未经过最终同行评审,数据也只来自一家使用单一工具的企业,因此不能直接套用其中的百分比。可以推广的是其中的机制:平均效果是由某一群体的巨大提升和另一群体接近于零的提升共同构成的,「要不要上线」这个决定应该取决于你团队的构成,而不是平均数。

这里关键在于正负号。同一款工具、在同一家公司,在一类任务上带来正向效果,在另一类任务上带来负向效果。把这两个数字取平均,得到的数值不能描述任何一种真实的使用场景。

如何在自己的流程中拆解效果

这种方法既不需要对照组,也不需要统计学工具,只需要把改动按顺序依次引入,而不是一次性全部上线——而恰恰是这份耐心通常最缺乏。

「上线前」的基线测量是唯一无法事后补做的部分。三个数字只需要半天时间就能测出:完成一份结果要花多长时间、结果中有缺陷的比例、能促成客户回复的比例。没有这些数字,后续任何比较都只会变成对记忆的争论。

步骤之间留出间隔,不是为了让报告看起来更严谨,而是为了保持可控性。如果一次性上线之后效果低于预期,你将无法判断三项改动中究竟是哪一项没有起作用,下一步也只能靠猜。

为什么试点效果无法在规模化后复现

这种拆解方法也能解释最常见的失败情形:试点阶段效果明显,但推广到全公司后效果消失。在试点中,通常只有第一部分构成在起作用,第二部分只是有条件地存在,第三部分则完全不存在。

这是一份行业报告,不是同行评审研究,样本也并未说明是随机抽取的——很可能偏向那些愿意公开披露结果的公司。但其中描述的机制与本文的拆解相吻合:试点展示的是第一部分构成,而真正创造回报的是第二和第三部分,试点阶段通常不会搭建它们,因为这需要系统集成和明确的流程负责人。关于这一点,详见效果究竟产生在哪里的拆解。

如何让效果数字变得可复现:四个步骤

关于自动化效果归因的常见问题