每一项设计工作
背后的原则
这些思考方式不是来自教科书，而是在构建真实系统的过程中沉淀下来，并在每天实际使用的系统中反复检验。每一条都有真实案例证明有效
Start with the problem, not the technology.
大多数人从错误的一端开始——先选定 AI，再去找应用场景。我们反过来：先从真正痛的问题出发，再问哪种工具合适。有时答案是 AI · 更多时候答案是重新设计的工作流程
AI is a multiplier, not magic.
好的系统 + AI = 10 倍加速 · 混乱的系统 + AI = 混乱放大 10 倍。AI 从不替任何人修好系统——它只会放大已有的东西。我们的工作，是让被放大的东西值得被放大
If logic can do it, don't use AI.
能用清晰规则完成的工作，就不该用 LLM——因为规则可以解释 · 可以复现 · 而且逻辑归企业自己所有。我们曾审计过一个系统，需求里列了 14 个 AI 功能，结果发现其中 12 个用纯逻辑就能解决（案例 01）——由此得出的原则是 LLM observes, Code decides
AI sees only what you design it to see.
企业主最大的担心不是 prompt，也不是自动化——而是“公司数据会不会泄露？”我们的回答是：数据边界是一项设计工作，而不是 IT 工作。AI 并不会吞下公司的全部数据——它只读取组织设计让它看到的内容
我们实际用来
做设计的工具
Faberic 的框架不是幻灯片，而是我们在分析、设计和构建时都会用到的思考工具，其中一个已经成为实际使用中的软件（案例 03）
Enterprise Operating Design Journey™
企业设计的 5 个阶段
我们工作方法的核心 · 带领企业走过 5 个阶段： Problem（找到真正的痛点）→ Workflow（工作如何流转）→ Data（数据从哪里来、谁在用）→ Software（支撑工作流程的工具）→ AI（放大已经设计好的东西） ——AI 永远在最后一步，而不是起点
- Problem找到真正的痛点
- Workflow工作如何流转
- Data数据从哪里来、谁在用
- Software支撑工作流程的工具
- AI放大已经设计好的东西
The Operating Depth Model™
业务系统的 5 层深度
诊断工具——找出你的痛点在哪一层： Task（工作慢）· Workflow（工作不流转）· Knowledge（组织记不住东西）· Management（管理层看不清组织）· Organization Design（组织无法成长） ——修错了层，白费力气 · 修对了层，上层的问题往往自然消失
- Task工作慢
- Workflow工作不流转
- Knowledge组织记不住东西
- Management管理层看不清组织
- Organization Design组织无法成长
Data Boundary Map
3 个区域的数据边界图
系统地回答“公司数据会不会泄露？”——把数据分为 3 个区域： Open（会客室——谁都能进）· Internal（办公室——员工可进）· Core（保险库——仅限所有者） 再设计哪个级别的 AI 可以进入哪个区域、在什么样的治理之下