Post-Gov 07｜从流程到交谈：AI时代数据工作的新范式
不靠流程也能协作，大模型如何辅助“实时协商”与“语境理解”
01｜流程是旧世界的信仰
在过往很长一段时间里，我们相信流程：
- 有了流程，就不会出错；
- 定好规范，就能协作；
- 权责清晰，就不会扯皮；
- 制定制度，就能推行文化。
于是，流程图、责任矩阵、数据分级、权限控制、数据标准、SOP……我们建构起庞大的体系，试图用精密结构约束复杂世界。一个问题出现时，第一反应往往不是“我们怎么一起理解它”，而是“我们的流程里是不是出了岔子”。
久而久之，流程变成了一种信仰：只要定义得够细，责任分得够清，数据治理就能奏效，协作就能实现。
但现实总是刺耳的：
- 流程没有解决协作，反而让很多人噤声；
- 规则没有创造秩序，反而固化了推诿；
- 制度没有保护价值，反而遮蔽了意义。
人不再交谈，只在规定的框里打卡。数据系统越建越大，真正理解数据的人却越来越少。
02｜AI带来的不是“自动”，而是“交谈”
大模型的出现，改变了很多人对技术的想象。
起初，大家以为它只是个“自动化工具”：
- 自动生成报表；
- 自动写SQL和代码；
- 自动生成文档……
但很快，有人意识到：它的颠覆性并不在于“自动”，而在于它能与你“对话”。
你可以用模糊的语言交代任务，它能理解你的意图；
你讲述一个混杂着业务与情绪的问题，它会反问你“是不是这个意思”；
你提到几个背景条件，它能推敲出你的上下文意图，甚至提醒你考虑遗漏的角度。
这不再是传统意义上的“流程自动化”，而是“协作逻辑的范式转移”——它开始参与协作、参与理解、参与判断。
不是流程的替代品，而是“理解与交谈”的催化剂。
03｜大模型如何协助“实时协商”与“语境理解”
我们曾经以为流程能够统一语言，实际上，它只是简化语言。
而AI的AI协作的逻辑，是它让语言恢复了复杂性，却又能保持协作性，
于是系统能够理解你——不是指令，而是对话；不是预设，而是共鸣。
这主要体现在三个方面：
🔹 上下文保持（Context Retention）
你不需要从头交代事情的来龙去脉，它记得你说过什么。它不是无条件地执行，而是有记忆、有脉络地参与。
🔹 情境生成（Situational Framing）
它不会机械地给出“一个标准答案”，而是根据你的角色、目标与限制，生成“合理的选项”，甚至会问你：你更偏好哪种？
🔹 多角色模拟（Persona Simulation）
它可以“扮演”一个产品经理、一个法务、一个客户，再来与你的身份对话。在一个人机协同的协商场域中，AI帮助我们更好地理解他人的立场。
结果是：你不再需要先走完一套审批流程，才能讨论指标；你不再需要等“治理委员会”定了规则，才敢给建议；你不再害怕语义歧义，因为你知道，AI在听你解释。
04｜数据协作正在进入“会谈时代”
我们曾经这样指示：
“数据流程已经定义完毕，请按章执行。”
我们需要这样协商：
“这个指标你怎么看？你觉得这样命名合理吗？你希望怎么用它？”
我们正从“制度定义一切”的时代，步入一个“交谈生成共识”的时代。
AI不会替你决定，但它能成为交谈的中介、共识的推手、语境的翻译器。
数据团队的角色，也在悄然变化：
- 不再是规范的执行员，而是语境的翻译者；
- 不再是孤岛的系统管理员，而是关系的连接者；
- 不再依靠“谁有权限”，而是依赖“谁愿意理解谁”。
协作也不再是“流程推动的共事”，而是语义协调下的共建。AI不取代人类的判断，而是为真正愿意判断的人，提供更大的表达空间。
我们终于从“命令-执行”的体系，走进“理解-协商”的流域。
结语：从控制到理解，从预定义到共生成
制度时代，数据治理靠控制；AI时代，数据治理靠理解。
当技术终于开始“听人说话”的时候，人类要学会“说人话”——清楚、诚实、带着责任地说。
真正的协作，不是流程跑完，而是彼此理解。
真正的数据工作，不是报表准确，而是意义清晰。
真正的转型，不是工具升级，而是关系更新。
流程终结处，是交谈的开始。
本文为 Post-Gov 系列 第7篇。
欢迎进入系列导读浏览其他文章。
