这一幕在每家公司都会重演。系统跑了三个星期，大部分都对，然后有一个错传到了某位高管那里。下一次会议决定：回到人工。没有人问一句，人工流程原来错多少 —— 因为从来没有人量过。
你不是在拿 AI 和完美比。你是在拿它和你公司今天已经在做的事比 —— 而那个数字是存在的。
先把基线量出来
签任何合同之前，从你想自动化的那个流程里拿一百个已经办完的案子。用手工重新过一遍。数一数有多少个是错的、有多少后来需要返工、每次返工花了多久。这就是你现在的数字。它几乎总会让人意外，而且几乎总是往高了意外。
从这里开始，对话就变客观了：系统要么比这个错得少，要么比这个花得少，或者两样都要。没有基线，任何一个错都会变成停掉项目的理由，任何一个对都会被说成运气。
要谈妥的三个数字
01.
便宜的错和贵的错。把一份文件归错类，代价是两分钟。给不该放款的人放了款，代价是这笔钱。这是两种不同的量级，不能共用一个阈值。
02.
多久才发现。当天冒出来的错是一次事故。同一个错在季度结账时才发现，那是亏损。除了错误率，也要约定最长发现时间。
03.
出错之后发生什么。只变成一句抱怨的错，什么都教不了人。变成一个写下来的例子、并且进了规则的错，会让系统变好。这是一件有主人、有时间的例行工作，不是一个良好愿望。
一个危险信号
供应商如果承诺不会出错，那他在卖东西，不在做东西。好的回答是另一种：「它会这样错，你会在多久之内发现，纠正的路径是这条」。你买的是知情的能力，不是完美的承诺 —— 而正是这个能力，决定项目能不能熬过第一个被看见的错误。