游行问题是一种失败模式：你把 AI 加到一个从未重构过的工作流上，得到一段更快的起跑，后面是一模一样的瓶颈。游行仍以那辆快花车身后最慢那件事的速度抵达。你在前端感受到了速度，在终点一点也没感受到。
我给它起这个名字，是因为它是 AI 采纳里最便宜的错误，也是最难看见的。你跑一个试点，有人在几分钟内演示一个两百变体的创意生成器，全场鼓掌，六周后活动又迟了。生成器没有任何问题。底下的路线从未被碰过。
我在广告业干了 19 年，最近几年把同样的工作用 AI 重搭一遍。从我的经验看，卡住的团队几乎从来不是卡在模型质量上。他们卡在一个把 AI 当成一个「环节」、而不是「默认」的工作流上，于是机器一交回结果，收益就从侧面漏了出去。让我指给你看漏在哪。
游行问题长什么样
想象一场真实的游行。领头花车漂亮又快。后面是行进乐队、十几辆更慢的花车，还有一支按自己节奏走的清扫队。如果你把领头的花车换成一枚火箭车，游行不会更早抵达。火箭只是往前冲，在乐队追上之前拉出一段更大的空隙。
媒体工作流就是这场游行。调研喂给策划，策划喂给投放，投放喂给报告，报告喂给下一轮调研。加速一个阶段，你并不缩短游行——你只是拉宽了那个阶段与它邻居之间的空隙。唯一能缩短游行的，是搬动「最慢」的那个阶段，而最慢的那个阶段几乎从不是被演示的那个。
为什么快花车会制造空隙
这件事有个朴素的理由，不是技术问题。是约束问题。
每个工作流都有一个决定节奏的阶段，而且它通常最不显眼：一次签批、一次数据拉取、一次客户审阅、一份从未被决定的简报。把 AI 加在约束的上游，产生的是在制品，不是产出。你生成的原材料超出了下一阶段能吸收的量，多出来的材料排队、老化、被返工。
这就是为什么 AI 试点常常报出「某一步变快了」和「周期时间持平」。那一步是快了。约束没动。而因为真正的成本住在约束里，业务结果几乎没有变化——这时怀疑者开始说「早就告诉你了」，预算悄悄消失。
试点后仍存活的四个瓶颈
从我观察过的试点看，瓶颈几乎总落在四个地方之一。它们都不是模型。
- 未被决定的简报。 模型忠实地产出了两百个版本的一个没人回答过的问题。瓶颈在生成的上游，在那个本该由简报编码的决定里。
- 审批队列。 一个人类审阅者能仔细读十几个变体，或粗粗读一百个。如果工作流现在产出上百个，而审阅能力没变，你移动的是那堆东西，不是工作。
- 数据交接。 报告几秒钟生成，然后等三天，等人去核对来自两个互相不一致的系统的数字。生成从来不是慢的那部分。
- 集成接缝。 产出住在一个工具里，下一阶段住在另一个工具里，于是有人在他们之间复制粘贴。那次复制粘贴如今成了生产线。
注意这个模式：四个里有三个是关于「谁在等、什么在等」，而不是关于智能。你没法用提示词绕过一条审批队列。
我不断回到的那个故事
我最清楚的例子，是一个团队搭了一个 AI 文案生成器，几分钟产出上百个标题变体。它确实令人印象深刻，大家都很高兴。然后活动表现依然不佳。
瓶颈从来不是标题。而是没人决定这个活动在打哪一个信息。生成器尽职地产出了「未决简报」的上百个版本，而团队花在争论信息上的那两周，跟他们没有工具时花的一模一样。AI 移走了便宜的那个阶段，留下了昂贵的那个。
等团队花一周把简报变得机器可读——一个选定的信息、品牌规则、受众、指标——同一个生成器就变得有用了，因为这回有了一个可以据此生成的方向。工具一点没变。变的是路线。
「重新设计路线」到底是什么意思
重新设计路线不是一场宏大的转型项目。它是四个具体动作，而你可以一个一个阶段地做。
- 在生成之前先决定简报。 把方向明确地写下来，让第一遍有真实的东西可放大。
- 移动审阅，而不只是产出。 如果模型产得更多，审阅能力就得改变形状——抽样、结构化检查、一个清楚的标准——否则量就变成风险。
- 把上下文放到工作流能够到的地方。 品牌规则、受众和历史应该随任务一起移动，而不是住在一个资深员工的脑子里。
- 堵上复制粘贴的缝。 任何一个人在两工具之间手动搬运产出的地方，都是一个伪装成「某人的工作」的瓶颈。
做这四件事，游行就动了。跳过它们，你只是买了一辆更快的花车。
如何诊断你自己的游行
在建议任何 AI 投入之前，我用一个刻意直白的测试。
问：哪个阶段最后完成？ 不是哪个阶段启动得最慢——而是活动到最后还在等哪个阶段。那个阶段就是你的约束，也是如果你想让周期时间动起来、AI 必须先去的地方。
再问第二个问题：当 AI 完成时，人会拿产出做什么？ 如果诚实的答案是「全部读完、挑选、重排格式、再往下粘贴」，那你就找到了下一个瓶颈。第一遍快，如果第二遍跟从前一样，那价值很小。
你可以从一个阶段开始
好消息是：游行问题支持一个小而朴素的开始，而不是一个大开始。
挑那个约束——通常是报告、调研或简报——只重构那一个阶段，让机器产出第一遍、人像审阅一位初级同事那样审阅。衡量那个阶段在前后各自的周期时间。如果它动了，你就拿到了「这个方法有效」的证据，也有了去碰下一个阶段的理由。如果它没动，你就以自己的运营为代价、便宜地学到了东西。
这就是战略指南为整条车道所做的排序论证，也是模板存在的原因：一份机器可读的简报和一份审阅标准，是把「一个快阶段」变成「一场更快的游行」的两件产物。一个阶段做扎实，比五个阶段做一半更能教你东西。
FAQ
游行问题只是一个变革管理问题吗？
部分是，但主要不是。变革管理关乎采纳——人们是否用工具。游行问题关乎设计——工作流能否吸收工具的产出。一个被完美采纳的工具，外挂到一条不变的路线，仍会产出同样的瓶颈。
这是说把 AI 叠在旧工作流上从来没用吗？
它能在边角处帮忙，那也有它的价值。但收益被身后的约束封顶。如果目标是实质更快地缩短活动周期，路线就必须改变；如果只是某个步骤稍微快一点，外挂就够了。
我怎么快速找到我的约束？
问活动到最后还在等哪个阶段，而不是哪个阶段启动最慢。有队列的那个阶段就是约束。它通常是一次审批、一次数据核对、或一份未决的简报，而不是任何技术性的东西。
我需要一次性重构每个阶段吗？
不用——恰恰相反。端到端重构一个阶段，衡量周期时间，然后才继续。把一个阶段做扎实，给你去下一个阶段的证据；把五个阶段做一半，给你五个新瓶颈。
简短版
游行问题就是「快速的起跑」与「不变的瓶颈」之间的空隙。把 AI 叠在旧工作流上，加速的是花车而不是游行，因为约束坐在它身后，且很少在演示发生的地方。修复不是更好的模型。而是决定简报、移动审阅、把上下文放到工作流能够到的地方、堵上复制粘贴的缝——一个阶段一个阶段地来。
我仍在公开地学习这个领域，而我在两个方向上都错过：曾在工具上过度投入、在路线上投入不足，而路线从来都是昂贵的那部分。所以我会继续问那个直白的问题——哪个阶段最后完成？
如果你见过一辆快花车没能让你自己的游行动起来，我想听听那个瓶颈最后落在了哪里。
祝好， Chandler
本文提供简体中文版本。课程材料（视频、模板和配套指南）以英语、日语、简体中文和韩语提供。本网站提供 13 种语言版本。