72% 启动了，
只有 3% 规模化

改变了什么

自动化投入，从「当期费用」变成可复用资产

沃可要换掉的投入方式，是按流程开发脚本：一次开发对应一条流程，流程变更即报废。每接一个新场景等于从零开始，成本随场景数量线性叠加，且经验不回流。

沃可改变的是投入的性质 —— 能力以「工作流 + 能力库」的形态存在，新场景优先由既有能力装配而非重新开发，运行中产生的经验回流为下一轮能力。边际成本递减，而不是线性叠加。

沃可看到的行业成绩单是这样的 —— 德勤 2018 全球 RPA 调研（400+ 名受访者）：

4.1

能力复用

沃可看到，主流做法仍是按流程开发脚本：一次开发对应一条流程，流程变更即报废 —— 这是沃可要换掉的投入方式。

沃可看到，德勤那份调研里最刺眼的是谁不支持：IT 部门支持 RPA 的比例只有 31%，而高管层是 72%。

沃可看到，流程一变，代价直接落在前期投入上 —— 德勤中文解读（中注协存档）：「流程持续变更」是核心难题，前期投入可能「无疾而终」；国内大部分企业的 RPA 应用水平处在初级阶段。

沃可看到的衰减更厉害：MIT 给的漏斗：60% 评估 → 20% 试点 → 5% 投产 —— 衰减 12 倍。麦肯锡 2025 的说法是：88% 的企业已在至少一个职能常态化用 AI，但只有 39% 在企业 EBIT 层面感受到实质性影响，成为高绩效赢家的只有 6%。

沃可把能力做成「工作流 + 能力库」的形态：中枢持有百余项可调用能力，新场景优先由既有能力装配而非重新开发；运行中产生的经验回流为下一轮能力。

4.2

财税工作流

沃可看到，中小企业财税职能的实现方式，要么自建专职岗位，要么整体外包。票据到账务之间依靠人工搬运，质量取决于个人水平，出错只能靠事后抽查。

沃可看到，这条链的地基是数据可信度，而行业数据是这样的：哈佛商业评论 —— 只有 3% 的公司的数据达到基本质量标准；埃森哲 2025 —— 仅 15% 的企业认为数据分类标准统一。

沃可把票据识别 → 账务确认 → 记账 → 税额计算 → 申报数据生成串成连续链条；异常不猜测、标注存疑；在提交环节停住，交由人签字。票、账、税三者互相可追溯。这条线在主系统里有 20 项能力；本地还有一款独立软件沃可财税 —— 装在客户自己电脑上，账和数据不出门。

4.3

获客工作流

沃可看到，获客以流量采购或人力投入实现：线索质量不可控、跟进依赖个人记忆，转化过程缺乏可观测性 —— 投入与产出之间无法归因。

沃可看到的调研来自 SalesDriver《2023 中国 B2B 企业销售线索营销应用及趋势报告》（样本 n=300，受访者为 CMO 层级，覆盖 IT 高科技 28.81%、工业制造 38.64%、企业服务 32.54%）：开展过销售线索营销的 B2B 企业仅 34.58%；对现有做法评价「一般」的 65.69%；挑战第一是 SQL 到成交转化率低（27.03%），挑战第二是「老板和销售管理层不重视、不配合」（14.86%）。

沃可把线索筛选 → 触达 → 关系建立 → 跟进转化全程留在系统内：客户所处阶段、责任人与下一步动作，由 AI 中枢持续持有。

4.4

投放工作流

沃可看到，广告投放依赖人工盯盘 —— 这是沃可用系统盯盘替代的部分。

沃可看到的岗位负载有数据 —— App Growing《2022 移动广告优化师发展白皮书》给出了这个岗位的画像与负载：某主流平台每天新建广告约数十万条，系统中等待匹配的广告数百万条；维护这些计划的优化师约五万名，24×7；从业者年龄中位数 24 岁，六成是毕业三年以内的。

沃可看到的真实工作方式是被闹钟切碎的：上班第一件事写前一天的日报；按项目被重视的程度，每隔一小时或数小时要写一次「时报」；睡前再打开投放平台确认没有异常波动。

沃可让系统持续监测消耗与转化，异常即时报出，形成处置建议与待办；判断与操作分离 —— 系统只出具判断与记录，后台操作由人执行，每一条建议与结果一一对应。沃可不触碰后台资金：计划、日预算、出价、状态由平台管理。

4.5

记忆

沃可看到，通用 AI 不承载企业上下文：企业为同一背景重复说明、为同一规则重复纠正、为同一错误重复支付。

沃可要指出的是，这不是感受，是整个行业失败的第一根因。MIT《The GenAI Divide》明确排除了基础设施、学习与人才三条，指向的是：AI 系统「无法保留数据、无法适应、无法随时间学习」。

沃可把记忆与事实分层管理：已确认事实、待确认候选、模型推断、外部来源，各归其位、不混淆。企业使用越久，中枢对这家企业的掌握越深。