核心观点：AI不会自动优化你的烂流程。它只会加速你走向失败。
来源：McKinsey & Company — Blackstone's Legal & Compliance AI transformation（2026）
一、一个反直觉的起点
很多人以为，企业上AI就是买一套工具、导入系统、培训员工，然后坐等效率提升。
Blackstone（黑石集团）全球首席法务官John Finley一开始也这么想。但在启动法律合规部的AI改造后，他很快意识到一个反直觉的事实：AI不能帮你优化烂流程。它只会加速你走向失败。
这个认知，来自Blackstone近两年的"L&C 3.0"转型。结果是亮眼的：年审25,000份文件、效率提升30%以上、预计2027年节省500万美元。但比这些数字更值得中国企业思考的，是他们的做事顺序。
二、背景：三倍规模不等于三倍预算
Blackstone是全球最大的另类资产管理公司。最近五年，其管理资产规模翻了一倍。伴随规模增长，法务合规部需要处理的投资者披露文件、监管申报、交易合同激增至每年25,000份。
这类材料的准确性是"零缺陷"要求。首席运营官Jon Gray给团队出了一个方向性问题：如果公司规模扩大三倍，预算不能翻三倍，怎么办？
这是Blackstone L&C 3.0的起点。Finley的答案是：AI将是解决方案的核心。但更难的问题是——AI在哪里能创造真正价值？如何让团队为成功做好准备？
三、三步框架：做事顺序决定成败
Blackstone没有直接买工具。他们做了三件事，顺序本身就构成了一个可复用的方法论框架。
第一步：先画图，再买工具
Blackstone找来了McKinsey，做了一件看起来很笨的事——端到端流程映射（end-to-end process mapping）。
从第一稿到最终审批，他们画出了投资者沟通的全生命周期图。结果发现了大量本以为不存在的隐性痛点：
- 责任归属不清 — 同一份文档在多个部门间来回转，没人知道最终该谁拍板
- 重复审阅 — 相似的内容在不同文件中被反复review，缺乏标准化
- 版本混乱 — 邮件里来回传递修改稿，根本分不清哪个是最新版
- 决策升级失序 — 该升级的决策没人升级，不该升级的反复等待审批
更重要的是，他们问了几个难堪的问题：
- 哪些环节，人的判断真的创造了价值？
- 哪些审阅，只是"因为一直这么做"的惯性？
- 现有控制流程，是在管理风险，还是在叠官僚层？
理论锚点：这是精益生产的核心方法——价值流映射（Value Stream Mapping）。在丰田生产系统中，任何改善必须始于"到现场观察实际流程"。跳过这一步直接上技术，等于用自动化放大既有浪费。AI是消除浪费的终极工具，但它也能无限放大浪费。
第二步：先编规则，再训练模型
团队访谈还暴露了一个更深层的问题：人员流动导致知识流失。
Blackstone的法务审阅人员经常变动——新人接手旧文件，不知道过往决策背景，重新走一遍审批流程。每个新人都从零学起，每次交接都冒着速度和一致性双双下降的风险。这是很多中国企业再熟悉不过的场景——"一个人离职，整个部门失忆"。
Blackstone的解法是：把先例编纂成结构化的决策规则，直接嵌入工作流。
过去靠资深员工口口相传的"通常这种条款我们是这样处理的"，现在变成明确的规则矩阵：
- 什么情况自动放行
- 什么情况升级给专家
- 什么情况需要跨部门会签
这样一来，AI不是凭空判断，而是站在规则的肩膀上运行。
理论锚点：这是知识管理领域的"外显化"（Externalization）——野中郁次郎SECI模型中最关键的一步，即将隐性知识（tacit knowledge）转化为显性知识。这一步做不好，AI训练基础就是混沌的。Blackstone的做法是先做人能做的知识结构化，再让AI在结构化基础上学习。很多中国AI项目之所以失败，不是因为技术选型不对，而是因为组织连自己的"潜规则"都没写清楚。
第三步：让AI做入口，不做帮手
流程理顺、规则写清之后，技术才登场。
Blackstone的AI不是"帮人审"的辅助工具，而是第一轮审阅者。它是入口（gateway），不是助手（assistant）。
文件进来，AI先扫一遍：做标准检查、检测异常、按规则分流。常规内容自动通过；有疑点的标记升级路径，直接推给对应专家。专家不必再面对海量文件说"我该先看哪个"——AI已经帮他们排好了优先级。
John Finley的原话值得品味：
"我们不是把AI当实验品。我们要回答的问题是：它能不能提高天花板——公司最快的运转速度和最好的运转质量——从最难的问题开始，不是从最容易的。"
两种AI部署模式的本质差异：
| 维度 | "AI做助手"模式 | "AI做入口"模式 |
|---|---|---|
| 工作流位置 | 中间环节 | 前端关卡 |
| 输出方式 | 建议/标记，等人确认 | 分流/放行/升级，自动执行 |
| 注意力消耗 | 增加（人要看AI的建议） | 减少（只处理AI筛出的事项） |
| 效率天花板 | 人的处理速度 + AI的速度 | 纯AI处理 + 仅异常给人工 |
理论锚点：这是Herbert Simon有限理性（Bounded Rationality）模型的实践应用——专家的注意力是最稀缺的资源。AI真正的价值不是生成更多信息，而是压缩需要人类决策的信息量。在中国企业中常见的"人审AI建议"模式，恰恰在增加认知负荷，与AI的本意背道而驰。
四、中国企业AI落地的五大误区
将Blackstone的做法与中国企业的常见路径对比，可以清晰地看到五个系统性偏差：
| 误区 | 典型中国企业做法 | Blackstone做法 |
|---|---|---|
| 顺序倒挂 | 先买工具，后适配流程 | 先画流程，后选工具 |
| 避重就轻 | 选低风险场景做试点（客服、摘要、录入） | 从最难的高风险业务切入（投资者通信审阅） |
| 人机定位颠倒 | AI给建议，人做决策——人还要审AI的产出 | AI做第一轮审阅，精准分流——人只处理AI无法判断的事项 |
| 知识依赖 | 默认AI能从数据中自行学习规律 | 先编纂隐性规则，再训练模型 |
| 试点陷阱 | 试点成功→推广失败 | 选最难的场景直接做（"提高天花板"） |
顺序倒挂是最大的问题。国内最常见的路径是：选一个低风险场景试水AI——客户服务、文档摘要、数据录入。成功了再考虑核心业务。但这个路径的风险在于，低风险场景往往也是低价值场景，实验跑完了，管理层觉得"AI也就那样"。
Blackstone选择了从最难的地方切入——投资者通信审阅，涉及合规风险的"零缺陷"业务。因为只有高端业务的效率提升，才能支撑"三倍规模不三倍预算"的目标。
McKinsey同期发布的联邦采购数字化报告也从侧面印证了这一点："单纯投资数字工具、缺乏治理和工作流集成，经常导致失败甚至增加复杂性。"
五、可操作的三步自查框架
从Blackstone的实践中，中国企业可以提炼出一个可操作的三步自查框架：
流程前提自查
- 你是否画过现有流程的端到端价值流图？
- 你知道哪些环节是产生价值的，哪些是"惯性遗留"吗？
- 你的控制环节是在管理风险，还是在叠官僚层？
知识基础自查
- 你的团队中，核心经验和决策规则是写在纸上的，还是只在老员工脑子里？
- 如果一个关键员工离职，新人在多长时间内能达到同样的一致性水平？
- 你是否有一套明确的"什么自动放行、什么升级给专家"的规则矩阵？
人机分工自查
- AI在你的系统中是扮演"入口"还是"助手"？
- AI部署后，专家的注意力是被释放还是被增加？
- 你选择了最难/最有价值的场景，还是最容易/最边缘的场景？
如果这三组问题的答案不尽人意，Blackstone的做法已经给出了路标：先画图，再买工具；先编规则，再训练模型；让AI做入口，不做帮手。
六、从组织变革的视角看AI落地
Blackstone的L&C 3.0本质上也是一次组织变革。技术不是门槛，组织才是。在引进AI工具之前，企业需要审视自己在变革采纳上的准备程度：
- 关注阶段 — 团队是否理解"为什么要用AI"（vs. "老板让用的"）
- 管理阶段 — 有没有为AI落地安排好时间、资源和流程配套
- 影响阶段 — AI是否真正改变了工作方式（vs. 只是多了一个没人用的工具）
- 协作阶段 — 跨部门是否在围绕AI重新梳理协作关系
- 再聚焦阶段 — 团队是否在持续优化AI的使用方式
很多中国AI项目的失败，不是因为技术选型不对，而是因为变革顺序错了——流程未标准化之前引入自动化，只会加速混乱。
相关链接
加入「AI时代生存手册」知识星球
本文来自humanaifit研究团队。如果你希望获得：
- 每篇深度文章的配套工具模板（流程映射模板、知识编纂清单等）
- 与作者直接交流，讨论你企业的AI落地路径
- 独家行业洞察与案例库（每月2-3篇会员专享）
🔗 搜索「AI时代生存手册」知识星球，¥199/年
延伸阅读
参考文献
- Blackstone's Legal & Compliance AI transformation started with technology. It succeeded because it put people first — McKinsey & Company, 2026
- Reimagining federal procurement in the digital and AI age — McKinsey Public Sector Practice, June 2026
- Nonaka, I., & Takeuchi, H. (1995). The Knowledge-Creating Company. Oxford University Press.
- Simon, H. A. (1979). Rational decision making in business organizations. American Economic Review, 69(4), 493-513.
- Womack, J. P., & Jones, D. T. (1996). Lean Thinking: Banish Waste and Create Wealth in Your Corporation. Simon & Schuster.
- Hall, G. E., & Hord, S. M. (2015). Implementing Change: Patterns, Principles, and Potholes (4th ed.). Pearson.