本日文章的脈絡

昨天先試著把一件每天都在做的工作重新攤開來看。

如果真的照著六個問題，把工作從開始、輸入、動作、判斷一路寫到例外，很容易發現一些每天重複發生、又特別花時間的事情。

然後下一個念頭通常很自然：

這件事每天都要做，不就是最值得自動化的嗎？

以前也很容易這樣想，畢竟如果一件事情一天花 20 分鐘，一個月做 20 次，直覺上只要把它自動化，就能省下不少時間。

但是後來愈往工作細節裡面看，我開始覺得「每天都做」其實是一個很容易誤導人的訊號。

因為每天都在做，代表的只有一件事情：它發生得很頻繁，卻沒有回答另一個更重要的問題：每一次發生時，你真的都在做同一件事情嗎？

想像一下每天早上都要處理信箱，從行事曆上看這是一件每天固定發生的工作，但今天收到的是會議確認，明天可能是客戶抱怨，後天是主管追問專案進度，甚至同樣一句「目前進度如何」，因為寄件者不同、專案階段不同，最後的回答也可能完全不同。

表面上的動作都是「閱讀 Email，再回覆」。

真正發生在腦中的事情卻可能是：
1.這個人是誰？
2.他為什麼現在問？
3.哪些資訊可以說？
4.這件事過去發生過什麼？
5.我如果這樣回答，下一步可能會發生什麼？

這些東西通常不會被寫進流程圖。

甚至有人問為什麼這樣處理時最後只剩下這一句：做久了就知道。

這句話其實很重要。

2024 年《Journal of Operations Management》一項針對企業 knowledge work 導入演算法的研究發現，工作的完成除了依靠可以明確描述的 know-that，也高度依賴累積在實務中的 know-how：

“intelligently performing work hinges on both the individual's factual knowledge [...] and the individual's accumulated expertise [...] rooted in social and tacit practices.”

研究也發現，當企業只看到眼前的 task，急著把它自動化時，很容易忽略這些沒有被寫下來的理解：

“more prone to overlooking these nuanced and tacit understandings.”

所以一件工作每天重複，不代表每次執行的條件也跟著重複。

真正值得注意的，反而是那些每一次都可能偷偷改變的東西。

• 輸入是不是固定的？
• 判斷條件是不是固定的？
• 有多少事情要去流程之外找答案？

什麼情況一出現，你就會改變原本的處理方式？2025 年一篇 Human-AI interaction 研究把這件事情稱為 task variability：

“Variability refers to deviation in when and how a task is performed across multiple iterations.”

當每一次工作的前提與處理方式差異愈大，單純把原本的步驟照搬成自動化流程，遇到預料之外的情境時就愈容易失效。

所以今天想再多做一個昨天沒有做的動作，不要只挑出「我每天都在做什麼」。

挑其中一件事情，回頭看最近五次你實際怎麼做。

然後只記錄三件事：
哪一些東西五次都一樣？
哪一些東西每次都會變？
哪一些東西雖然沒有寫在流程裡，卻會改變你的決定？

如果第三欄開始出現：

• 因為對方是誰。
• 因為我記得上次發生過什麼。
• 因為這次時程比較趕。
• 因為數字看起來怪怪的。
• 因為通常這種情況不能直接處理。

先不要急著把這些句子變成 Prompt，也不要急著叫 AI 幫忙。

先把它們留下來，因為你正在看到的，可能才是這份工作真正困難的部分。

昨天我們問：我能不能說清楚自己怎麼工作？
今天再多問一步：那些看起來每天一樣的工作，背後的條件真的也一樣嗎？

當答案開始變得不確定時，也許我們才剛開始真正看見這份工作。