以后再有人跟你说：“我们这个业务很复杂，AI 不可能替代。”我建议你先别急着点头。
很多人特别喜欢把自己的业务描述成一门只有内部人才懂的秘术：流程复杂，客户复杂，行业规则复杂，历史包袱也复杂。外面的人进来，少说要学两三年；AI 就更不用说了，它又没在这个行业里摸爬滚打过，怎么可能理解我们的业务。
我把话放这里：只要资料足够完整，AI 很可能比世界上绝大多数人，包括公司的老板，更了解一家公司的业务。它可以读完产品文档、合同、客服记录、项目复盘、代码和数据库结构，把公司是怎么获客、怎么交付、怎么收费、哪里经常出问题，全部梳理出来。它不需要参加三年会议，也不需要每天坐在办公室里听大家用黑话互相解释。
绝大多数业务，拆开以后无非是规则、流程、数据和一些例外情况。它们可能规模很大，关系很多，步骤很长，但规模大不等于不可理解，流程多也不等于不可复制。真正让 AI 感到棘手的，往往是那些根本没有写进业务里的东西。
业务真正复杂的地方，常常不在业务里
比如，为什么一个按钮换了颜色，用户就开始打电话投诉？
设计师可能觉得新的颜色更醒目，产品经理觉得它符合最新的视觉规范，数据也证明这个颜色的点击率更高。技术上没有什么难度，改动也很小，所有人都觉得这是一件正常得不能再正常的事情。结果上线以后，用户开始说找不到原来的入口，说系统变得奇怪，说你们是不是偷偷改了什么。
你回头调查，可能发现这些用户已经用了那个产品很多年。他们早就把灰色按钮和某种状态联系在一起了，虽然没有人专门教过他们，也没有文档说明这个颜色代表什么，但他们已经形成了自己的判断。对他们来说，颜色不是颜色，它是习惯，是熟悉感，是“这个系统还是原来的那个系统”的证明。
AI 可以找到颜色变化和投诉增长之间的关系，也可以分析用户反馈，然后给出恢复颜色、增加提示、优化引导等方案。可它不一定真的理解，人为什么会对一个按钮产生感情，更不一定明白用户投诉的根源可能并不在颜色，而在于他们觉得自己熟悉的东西被公司随手动了。
人就是会把意义附着在一些没有意义的东西上。一个颜色、一句话、菜单的位置、某个人固定的说话方式，都可能在长期使用以后变成不能随便碰的东西。它们没有被设计出来，却在日复一日的使用里自己长了出来。
公司里到处都是这样的东西。哪个客户不能按照正常流程处理，哪个领导说“你们看着办”时其实代表必须反复请示，哪个同事说“没问题”之后最好再找别人确认一次，哪个需求看起来合理但最好不要在周五下午提出。这些才是员工真正花时间学习的东西。所谓熟悉业务，很多时候就是熟悉这些没有写下来的东西。
“做不了”有时候不是技术问题
还有一种场景更常见：你提出一个需求，开发看了一眼，说做不了。接下来他会开始讲技术架构、历史代码、数据一致性、系统稳定性和上线风险。每个词都很专业，每句话听起来也都有道理。你继续追问，可能才会发现，这件事不是完全做不了，只是没人想接。
也许这个需求会牵扯到另一个团队，而那个团队过去一直不配合；也许上一次类似的事情出了事故，最后所有责任都落在了开发头上；也许这个功能一旦上线，就会让某个部门过去几年积累下来的低效暴露出来。还有一种可能，提出需求的人和开发之间早就有过不愉快，只是没有人会在会议上直接说：“我不想帮你做这个。”
于是所有人都用技术语言来谈一件人情世故的事情。技术评估报告里不会写“这个人不想再替别人背锅”，通常只会写“实现成本较高，存在一定风险”。会议纪要里不会写“大家其实都不赞成，但没人愿意第一个反对”，最后留下来的往往只有一句“方案待进一步评估”。
AI 能读懂这些文字，却未必能完全理解它们背后的意思。它知道某个项目过去延期过，也知道某个团队经常拒绝需求，但它不一定知道，为什么这个人在会上说“可以讨论”，其实是在想办法让事情永远不要发生。
这类判断靠的不是业务知识，甚至算不上什么高深能力。它更像是在一个充满暗流的地方待久了之后，慢慢形成的生存本能。你学会观察语气、停顿、表情和谁在什么时候突然不说话。你知道谁是真的不懂，谁是在装糊涂，谁说“这个没问题”的时候，事情才刚刚开始出问题。
人类的弱点，组成了现实世界的复杂性
AI 的确可以处理非常复杂的任务。它能读大量资料，能总结规律，能写代码，能分析数据，也能根据已有信息推测下一步大概率会发生什么。
但人不一定按照规律行动。一个人可能因为昨晚没睡好，今天否掉一个方案；可能因为不喜欢提出方案的人，故意把需求解释得更复杂；可能因为害怕失去权力，阻止一个明显正确的改动；也可能只是因为老板昨天在会上批评了他，所以今天对所有事情都说“不行”。
这些反应没有固定规律，也不太讲道理。它们受情绪、面子、利益、偏见、旧账和一时兴起影响。人有时候会把个人利益说成用户需求，把恐惧包装成风险判断，把不想改变说成保持稳定。你很难从表面上的业务流程里，直接看出一个人到底在保护什么。
这就是人类这种生物麻烦的地方。我们经常没有逻辑，也不稳定，昨天同意的事今天可以反悔，嘴上说重视用户，真正做决定时又可能只考虑谁的声音最大。
但这些麻烦恰好构成了现实世界。AI 作为一种统计学意义上的概率算法，擅长从大量信息中寻找规律。可很多人做事时，根本没有稳定规律可言。有人会突然改变主意，有人会因为一句话记仇三年，有人会在一切都准备完成之后临时说“我觉得还是不太对”。
你可以说这很荒谬，但公司就是靠这些荒谬的东西在运转。
别把自己挖的坑叫作护城河
网上有句玩笑话：“不想被 AI 裁员，唯一的办法就是把代码写成屎山。”它好笑的地方在于，很多人留下来的理由，确实和“只有自己知道这坨屎为什么在这里”差不多。你知道哪个字段不能删，哪份文档已经过期，哪个接口没人敢碰却每天还在被调用，哪个客户不能照正常流程处理，哪个流程虽然多余但曾经救过公司一次。
你掌握的未必是什么不可替代的行业知识，而是这家公司过去几年犯过什么错，留下过什么事故，得罪过什么人，以及后来为了避免事情再次发生，临时加上了多少补丁。
这些东西很难交接，也确实很难被 AI 立刻接管。一个新员工即使把业务规则全部学会了，也不一定知道哪些地方不能动。AI 即使能把代码结构分析得清清楚楚，也不一定理解为什么那个明显应该删除的模块，所有人都默认必须保留。
可这不一定值得骄傲。很多公司只是把混乱保存得太久，最后开始把混乱叫作经验，把没人敢碰的系统叫作壁垒，把互相矛盾的文档叫作行业知识。大家一起维护着那些不合理的东西，然后告诉外部世界：我们这里很复杂，别人学不会。
复杂当然是真的。代码、文档、设计稿、流程和人际关系全都缠在一起，谁来都要先摸索一段时间。只是这种复杂，很多时候不是主动建造出来的护城河，而是长期逃避、妥协和犯错以后留下的残局。
所以以后再有人说“我们的业务这么复杂，AI 怎么能干”，你可以先看看他的公司有没有把必要的信息整理出来，有没有把经验沉淀下来，有没有把那些反复出现的问题解决掉。如果没有，那他口中的“业务复杂”，可能只是自己挖出来的坑。
AI 暂时替代不了的，也许就是这种乱七八糟、梦到什么说什么、没有人能解释清楚的人味儿。说到底，真正难以接手的不是业务，而是人类把业务搞成这样以后，留下来的所有痕迹。
