「你一般早上五点四十五或者六点四十五就到诊所了，」2016 年，南非西北省一位 48 岁的男子对研究人员说，「可要到下午三四点才弄完。」他是 14 位刚出院不久的艾滋病病毒感染者之一，现场调查员跟着他们，记录了 15 次复诊。每一步，调查员都记下等待从几点开始、服务从几点开始、又在几点结束。
研究人员一合计，一次典型的复诊，在诊所里待 3.3 小时。其中 2.9 小时是在排队，一般要排五条队。和医护人员打交道的时间，连取病历都算上，是 25 分钟。其余经过见案例。
不光给每一步计时，也给步与步之间计时
把一件活经过的每一步都画出来，干活的时间和等的时间都掐表。
这就是价值流图。精益企业研究院（Lean Enterprise Institute）的定义是：把「一件产品从下单到交付所需的物料流和信息流中的每一步」都画成图；它说这个工具源自丰田所说的「物料与信息流图」。图上每一步记两种时间：活本身要花多久，活在这一步前后又干等了多久。从头到尾的总时长，叫交付周期。
之所以要盯着一件东西走完全程，不管它是一位病人还是一张订单，是因为等待很少归哪一个窗口管。这项诊所研究并没有评判护士、药剂师或管病历的职员干得快不快。它量的是病人的一整天，按这个量法，一位典型病人跟医护打交道的时间，只有排队时间的七分之一左右。
图上冒出了什么
把这些复诊一段段排开，冒出来的不只是队排得慢。有三位病人到了药房，才发现病历里的处方信息不全，只好回去再排一次队看护士或医生。两位被专科医生打发回来，因为转诊单写得不够。一位女士被告知第二天再来取药，那是她三天里的第三趟。每一件都是某一步上的小疏漏，却让人从头再排一遍。
研究人员判断，造成许多延误的低效环节「看来是可以纠正的」。他们建议培训员工弄清处方要写什么、让化验结果及时进入病历、简化挂号流程，估计挂号这一项就能省下约一个小时。这些只是建议，研究画了图，但没有去检验这些改法。研究规模也小，只有一个区的 15 次复诊。
图不会告诉你该改什么。它让人看清时间花在了哪里，不用再靠猜。
设想一家小园林公司，客户来要报价，要两周才能拿到。写报价本身大概 40 分钟，其余时间都在等：等老板去现场看，等供应商报价格，等人签字。换一个更快的报价模板，也许能省几分钟，那两周却几乎纹丝不动。
AI 在价值流里的位置
谷歌的 DORA 研究项目专门研究软件团队怎么交付，它在 2025 年关于 AI 的报告里把这件事放在了中心。根据近 5000 份问卷和 100 多个小时的访谈资料，它的结论是 AI 是「一个放大器」，会放大「高绩效组织的长处，和陷入困境的组织的毛病」。它发现，「单看采用 AI，影响不大；但在价值流管理做得好的组织里，这种影响被大大放大了」。
报告举了一个例子：一个团队「可能通过画图发现，代码评审是一个明显的瓶颈」。那它就该用 AI 去加快评审，「而不是用 AI 生成更多代码，那只会让瓶颈更堵」。这个发现来自问卷调查，说明的是哪些组织表现更好，并不能证明是画图带来了提升。
在南非西北省的诊所里，这张图显示了一天时间花在哪里：跟医护打交道 25 分钟，剩下的大半在等。