保留恢复运行的能力

保留必要的能力，而非每一项旧任务

自动化改变了人们积累经验所依赖的工作。如果系统处理了常规情况，留给人的任务就可能变得不常见、时间紧迫，而且平时缺少练习。这并不意味着每一种过去的人工操作都必须保留。真正需要问的是：要识别故障、诊断原因，并采用安全的替代方式运行，需要保留哪些知识？

要区分三种能力：察觉结果可能有误、找出原因，以及恢复有用的服务。一个人可能非常擅长其中一种，却无法完成另外两种。管理者即使发现异常，也仍然需要获得证据，并找到能够调查的专业人员。专业人员即使理解了故障，也可能没有暂停流程的权限。

在异常条件下开展演练

备用方案应该在真正需要启用它的条件下接受测试。如果演练时所有记录都可用，而且原系统仍在提供答案，那么测试的可能只是日常运行，而非恢复能力。应模拟一种具体中断，在保障安全的前提下，记录不依赖该不可用环节完成一项明确任务所需的时间。

演练应当用于学习，而不是惩罚发现薄弱环节的人。应记录缺失的文档、无法访问的工具、不明确的职责，以及那些需要无人保留的信息才能作出的决定。如果一次失败的演练促成了具体修复，它也能提供有价值的证据。成功的演练也有其适用范围：它不能证明能够应对另一种故障或更大规模的中断。

有计划地为学习投入资源

当日常练习机会消失时，组织可能需要通过模拟、轮岗、在监督下处理例外情况，或定期开展独立工作，来重新培养诊断技能。每一种方式都有成本。应将这些成本与需要该能力的可能性及缺失该能力的后果进行比较，同时承认其中的不确定性。不要用一个含糊的灾难性情景，为无限增加培训投入辩护。

要持续跟踪人员能否完成所需的恢复任务。信心调查和课程出勤记录，都不能很好地替代实际表现的证明。随着系统变化，还应审查所保留的技能是否仍然适用。保留过时流程会浪费资源，正如丧失关键专业能力会带来风险一样。

对照新增工作量衡量恢复能力

在一次虚构的服务中断中，每小时新增60件个案，而经过训练的备用团队每小时能够完成40件。在起初没有积压的情况下，如果个案到达率和完成率保持不变，持续三小时的中断就会产生60件待处理个案。假设服务恢复后，每小时能够完成90件，而新增量仍为60件，那么每小时净减少的积压量为30件，清空积压还需要两小时。恢复正常界面，并不等于服务已经恢复到原有状态。

这项计算假设个案是同质的、处理能力持续可用，而且无须返工。它没有考虑等待时间的分布或优先级规则。如果紧急个案的处理时间更长，简单统计个案数量就可能掩盖工作量差异。应采用一致的单位，例如标准化处理分钟数，或将不同类别的个案分别计算。在没有检查中断和波动情况之前，不要根据平均速率推断出恢复保证。

使用合成记录，设计两轮安全演练。第一轮不提供建议服务；第二轮还要让一个参考信息来源不可用。记录已完成的工作、违反约束的情况、未解决的个案，以及经过的时间。判断失败究竟源于专业能力缺失、信息无法获取、权限不明确，还是处理能力不足。这些诊断对应着不同的修复方式。

研讨：培训、补全文档，还是重新设计？

向学员提供三项拟议的补救措施：一次培训、一份持续维护的离线参考资料，以及在服务中断期间收窄服务范围。要求他们结合观察到的失误，作出有理由支持的选择。文档缺陷不应自动被归咎于员工缺乏能力；工作量激增时，额外培训也无法凭空增加处理能力。

交付成果是一份恢复分析工作表，列明个案到达率与完成率的假设、队列增长情况、恢复条件，以及一个不利的敏感性情景。请小组说明这次演练没有测试哪一种能力。承认这一局限，也是制定有用的业务连续性计划的一部分。