融資1500萬美元，做AI自動化，讓"運營透明化"成為AI時代的必備能力

每個企業都在談論AI自動化。董事會在問，投資人在催，競爭對手已經開始行動。壓力之下，很多公司匆忙上馬AI項目，投入幾十萬甚至上百萬美元，期待看到生產力的飛躍。幾個月后，結果卻令人失望。自動化沒有帶來預期的效率提升，反而制造了新的混亂。問題出在哪里？我發現，大多數企業在自動化之前，根本不知道他們的工作實際上是如何完成的。他們可以看到產出數據，比如處理了多少客戶請求、完成了多少訂單，但完全看不到這些工作的流動過程。哪些步驟耗時最長？哪些環節經常出錯？哪些流程偏離了標準操作規程？這些關鍵問題都是盲區。在這種情況下談自動化，就像是在黑暗中射箭，完全靠運氣。

這讓我想起最近看到的一個案例。Reflow剛剛宣布完成超過1500萬美元的種子輪融資，這家公司正在解決一個被長期忽視但極其關鍵的問題：讓企業運營變得可觀測。創始人U?ur Kaner之前聯合創立了Collective，那是一家為自由職業者提供服務的公司，融資規模達到數千萬美元。在運營Collective的過程中，他發現了一個痛點：公司有150多名運營人員，但他很難搞清楚時間到底花在了哪里，哪些地方運轉良好，哪些地方需要改進、優化或自動化。他意識到這不是Collective獨有的問題，而是所有運營驅動型企業的共同困境。于是，他創立了Reflow，專門解決這個問題。更有說服力的是，當Reflow在Collective內部實施后，幾個月內就帶來了超過120萬美元的可衡量投資回報。這個數字不是預估，而是實實在在節省下來的成本。

企業運營的隱形黑洞

我觀察過很多企業的運營團隊，發現他們都面臨一個共同的困境：被要求提高效率、降低成本、加快響應速度，但手里卻沒有足夠的信息來支撐決策。他們知道團隊完成了多少工作，但不知道這些工作是怎么完成的。這就像是開車只看里程表，卻看不到路況、油耗和引擎狀態。你知道自己開了多遠，但不知道是在高速公路上順暢行駛，還是在擁堵路段走走停停，更不知道引擎是否即將出問題。

傳統的解決方案有幾種，但每一種都有明顯的局限性。有些公司會進行時間研究，讓員工記錄自己每項任務花了多長時間。但這種方法根本無法大規模實施，你不可能讓150人的團隊每天都詳細記錄時間分配。有些公司使用時間追蹤軟件，但這類工具往往不準確，因為它們只能追蹤在某個應用上花了多長時間，卻無法理解工作的實際內容和流程。更糟糕的是，這類工具容易讓員工感到被監視，產生抵觸情緒。還有些公司選擇自建內部工具，投入數百萬美元開發，結果發現可見性依然有限，因為很難捕捉到跨系統、跨團隊的完整工作流。最后一種選擇是聘請咨詢公司，花費六到七位數的費用，等待數月才能看到結果，而且往往只是一次性的快照，無法持續追蹤。

這種可見性的缺失帶來了真實的運營風險。領導者無法驗證團隊的實際產能，無法確保標準操作規程得到執行，無法識別自動化機會，也無法衡量AI和自動化投入是否真的有效。在AI驅動的世界里，這種可見性缺失會成為致命的阻礙。因為自動化的前提是理解人類的工作方式。如果你不知道工作實際上是如何完成的，你怎么可能知道該自動化什么？

Reflow的聯合創始人兼CEO Hooman Radfar有一句話讓我印象深刻："我不知道在沒有Reflow的情況下，如何運營一家現代化的、AI驅動的公司。"這句話聽起來可能有點夸張，但當你深入思考企業在AI時代面臨的挑戰時，會發現這確實是核心問題。AI可以自動化任務，但它無法告訴你應該自動化哪些任務。這需要對現有工作流程有深入的理解，而這正是大多數企業所缺少的。

Reflow如何讓運營變得可觀測

Reflow的核心價值在于將運營工作轉化為結構化數據。這聽起來很技術化，但實際含義很簡單：它讓你能夠看到工作是如何在人員、系統和流程之間流動的。不是通過時間追蹤，不是通過員工自我報告，也不需要復雜的系統集成。Reflow采用了一種系統級的方法，觀察完整的工作流程，揭示任務如何流轉、瓶頸在哪里形成、時間真正花在了哪里。

我特別欣賞Reflow的一點是它關注的是系統和工作流程，而不是個人員工。很多企業在考慮運營可見性工具時，會擔心這會變成員工監控系統，引發隱私和信任問題。Reflow的設計理念恰恰相反，它是隱私優先的。平臺包含企業級控制功能，比如SOC 2 Type 2合規認證、可配置的元數據收集、靈活的可見性設置。企業可以完全控制數據的使用方式，可以選擇聚合視圖或匿名化視圖，可以設置明確的邊界。這種設計讓工具的重點回歸到它應該關注的地方：理解工作流程，而不是監視個人。

具體來說，Reflow幫助企業做三件事。第一件是識別瓶頸、低效環節和標準操作規程的偏差。當你能看到完整的工作流程時，那些拖慢進度的環節會立即顯現出來。可能是某個審批步驟經常延誤，可能是某個數據錄入環節容易出錯，也可能是團隊成員在執行任務時繞過了某些必要步驟。這些問題在傳統的產出指標中是看不到的，但它們正在悄悄消耗時間和資源。

第二件事是決定在哪里應用自動化或AI能產生最大影響。這才是真正的價值所在。很多企業的自動化項目失敗，不是因為技術不夠好，而是因為選錯了自動化對象。他們可能自動化了一個低頻發生的流程，或者自動化了一個本身就運轉良好的環節，結果投入大量資源卻看不到明顯效果。而當你有了完整的工作流可見性后，你可以清楚地看到哪些流程重復頻繁、耗時長、容易出錯，這些才是自動化的最佳候選對象。Reflow甚至會主動推薦自動化機會，幫你確定優先級，告訴你哪些改變能帶來最高的投資回報。

第三件事是隨時間推移衡量自動化工作的投資回報率。這點常常被忽視，但極其重要。很多公司實施了自動化項目后，就認為工作完成了，卻從未真正驗證這些投資是否產生了預期效果。Reflow讓這種衡量變得可能。因為它持續追蹤工作流程，你可以清楚地看到自動化前后的對比：處理時間減少了多少？錯誤率降低了多少？產能提升了多少？這些都是可以量化的指標，而不是模糊的感覺。

我看到一個來自Boundless首席幕僚長Robert Robles的評價很能說明問題："Reflow幫助我們理解了工作的單位經濟學，以及在工作流程、生產力和成本方面應該在哪里優化。這種清晰度使我們能夠實現更智能的自動化和更可擴展的運營。"單位經濟學這個詞很關鍵。它意味著你可以精確計算每個任務、每個流程的真實成本，然后基于這些數據做出優化決策。這不再是憑感覺或經驗，而是有堅實的數據支撐。

從時間追蹤到工作流智能的轉變

我認為Reflow代表了運營管理思維的一次重要轉變。傳統的時間追蹤和生產力工具關注的是個人活動：員工登錄了多少小時、完成了多少任務、在哪些應用上花了時間。這些信息對基本監督有用,但無法捕捉工作實際上如何在系統和團隊之間流動。這就像是用顯微鏡觀察單個細胞，卻看不到整個生物體的運作方式。

Reflow采取的是系統級視角。它不是孤立地衡量個人，而是觀察工作流程，揭示任務如何流轉、瓶頸在哪里形成、時間真正花在哪里。這種視角轉換帶來了完全不同的洞察。你可能會發現，某個團隊的個人生產力指標都很好，但整體工作流程卻存在嚴重的協調問題。或者你會發現，某個看似高效的流程實際上存在大量返工和重復勞動。這些問題只有在系統層面才能看到。

我特別認同Reflow創始人U?ur Kaner的一個觀點："AI無法改善組織不理解的東西。Reflow為領導者提供了一個清晰、共享的視角，了解工作實際上是如何發生的，這樣自動化決策就基于現實，而不是假設。在AI驅動的世界中，這種可見性成為必不可少的基礎設施。"這句話點出了核心問題。很多企業急于采用AI，但他們甚至不知道現有流程是什么樣的。他們基于假設和直覺進行自動化，結果往往是自動化了錯誤的流程，或者以錯誤的方式自動化了正確的流程。

在AI時代，這種可見性確實變成了基礎設施。就像你不會在沒有地圖的情況下規劃路線，你也不應該在不了解現有工作流程的情況下規劃自動化。Reflow提供的就是這張地圖。它讓你看到工作的地形：哪里是平坦的高速公路，哪里是崎嶇的山路，哪里是需要繞行的障礙。有了這張地圖，你才能做出明智的決策：在哪里投資改進，在哪里應用自動化，在哪里重新設計流程。

早期客戶的真實效果

理論說得再好，最終還是要看實際效果。Reflow的早期客戶反饋給了我很大信心。Collective的財務、分析和戰略負責人Rohan Powar說："Reflow在短短兩個月內為我們節省了120萬美元。它向我們展示了優化機會，并幫助我們優先考慮具有可衡量投資回報率的最高影響力改進。"兩個月120萬美元，這不是小數目。更重要的是，這是可衡量的、真實的節省，不是估算或預測。

這讓我很好奇具體是怎么實現的。從Reflow提供的案例來看，他們發現了幾個關鍵問題。一個是工作流程的偏差。雖然公司有標準操作規程，但實際執行時，團隊成員經常會跳過某些步驟、重復某些環節或以錯誤的順序執行任務。這些偏差看起來可能不大，但累積起來會造成巨大的效率損失。通過Reflow，領導者可以對比預期步驟和實際執行情況，發現這些偏差，然后采取針對性的改進措施。

另一個發現是隱藏的產能。很多企業認為他們的團隊已經滿負荷運轉，需要招聘更多人手。但當他們使用Reflow后，發現實際情況并非如此。問題不是人手不夠，而是工作流程存在大量浪費。某些任務可能需要在多個系統之間來回切換，某些信息可能需要重復錄入，某些審批可能存在不必要的等待時間。消除這些浪費后，現有團隊的產能大幅提升，根本不需要增加人手。這就是為什么早期客戶能夠"減少不必要的人員配置同時增加產出"。

Proper.ai的質量保證和勞動力管理經理Edinson Lopez的評價也很能說明問題："Reflow為我們提供了其他工具無法提供的速度、靈活性和報告深度。它解鎖了我們無法通過其他方式獲得的工作流可見性，揭示了改變我們理解團隊工作方式的新模式。"這里的關鍵詞是"新模式"。當你獲得了前所未有的可見性后，你會發現工作方式中存在你從未注意到的模式。可能是某些任務類型總是在特定時間段出現瓶頸,可能是某些團隊成員有獨特的工作方法效率特別高,也可能是某些流程的實際執行方式與設計初衷完全不同。這些發現會帶來全新的優化思路。

我注意到一個有趣的細節。Reflow的界面會顯示每個工作流程的關鍵指標：總運行次數、平均運行時間、平均偏差時間、潛在節省。比如"發票更正和重新開具"這個流程，可能有2320次總運行，平均運行時間5分20秒，平均偏差時間1分55秒，潛在節省65.4小時/月。這種精確的量化讓優化變得非常具體。你知道如果能消除偏差，每個月可以節省多少時間。你也可以根據潛在節省的大小來確定優先級，先解決影響最大的問題。

自動化之前必須先有可見性

經過深入思考，我得出一個結論：在AI時代，可見性不是錦上添花，而是必需品。沒有可見性的自動化就像是盲目投資，可能碰巧成功，但更可能導致浪費和失望。我看到太多企業在這方面吃了虧。他們聽說某個AI工具很火，就匆忙采購，結果發現它解決的不是他們的實際問題。或者他們自動化了某個流程，卻發現這個流程本身就存在根本性問題，自動化只是讓問題發生得更快而已。

Reflow提供的價值本質上是決策支持。它不會替你做決策，但它會給你做出明智決策所需的信息。你想知道是否應該增加客服團隊的人手？Reflow可以告訴你現有團隊的實際產能利用率。你想知道應該優先自動化哪個流程？Reflow可以告訴你哪些流程重復頻率高、耗時長、潛在節省大。你想知道上個季度實施的自動化項目是否有效？Reflow可以告訴你自動化前后的對比數據。

這種數據驅動的決策方式與傳統的直覺驅動形成鮮明對比。我不是說直覺不重要，經驗豐富的領導者的直覺往往很準確。但問題是，直覺無法擴展，也無法證明。當你需要向董事會解釋為什么要投資某個自動化項目時，"我覺得這樣更好"顯然不如"數據顯示這個流程每月浪費200小時，自動化后可以節省75%的時間"有說服力。而當你需要在多個投資選項中做出選擇時，有了具體的ROI預測，決策會容易得多。

我也思考過一個問題：這種程度的可見性是否會讓員工感到不適？畢竟，知道自己的每個工作步驟都被記錄和分析，可能會讓人覺得被監視。Reflow的應對方式值得借鑒。他們明確定位這是一個工作流智能工具，而不是員工監控系統。所有的可見性設置都是可配置的，企業可以選擇聚合數據而不是個人數據，可以選擇匿名化處理。更重要的是，這個工具的目的是發現系統性問題，而不是追究個人責任。當團隊成員理解這一點后，他們往往會支持這種可見性，因為它能幫助消除那些讓工作變得低效和令人沮喪的流程問題。

AspireIQ的創始人兼CEO Anand Kishore的評價很好地總結了這一點："與Reflow合作幫助我們在生產力、工作流程和AI采用方面更快地做出更好的決策，而不會給團隊增加復雜性或負擔。"這里的關鍵是"不會增加復雜性或負擔"。好的工具應該是無形的，它默默地收集數據、提供洞察，但不應該干擾實際工作。Reflow顯然做到了這一點，否則不會獲得如此積極的反饋。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創業方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業化才是未來