第 22 章 · AI 学习
设计并运行一个岗位AI方案
一个岗位AI方案需要业务、材料、工具、人员和风险控制共同成立。演示成功只能证明样例能跑，真实试点还要面对脏数据、例外和使用习惯。
一个岗位AI方案需要业务、材料、工具、人员和风险控制共同成立。演示成功只能证明样例能跑，真实试点还要面对脏数据、例外和使用习惯。
本章成果
完成一份试点方案并运行一轮影子测试。
一、九项试点设计
场景与使用者、当前基线、目标指标、首期范围、输入材料、任务流程、人机分工、风险边界、验收与停止条件。
责任必须明确：业务负责人拥有结果与停止决定；业务专家定义规则；IT负责连接、身份和稳定；安全团队定义数据与权限边界；使用者反馈真实问题。
二、先建立基线，再谈提升
试点前连续记录一段原流程。至少知道任务量、总耗时、等待时间、错漏、返工和最终采用情况。只有“员工觉得很忙”无法计算变化。基线不要求完美统计，口径必须与试点期一致。
标准样本由业务人员先独立完成，覆盖正常、边界、错误输入和高风险情况。设计者不能只挑最顺利的十份材料。测试集越接近真实分布，试点结论越可靠。
影子运行、辅助运行和正式运行
影子运行阶段，AI 结果不进入真实业务，只与人工结果比较；辅助运行阶段，员工可以采用 AI 建议，但每次都要确认；正式运行阶段，低风险步骤可以按规则执行，异常自动转人。三种阶段要逐级进入，不能因一次演示成功直接跳到自动执行。
三、每天记录问题，固定日期复盘
问题记录至少包括样本编号、输入状态、AI 输出、人工修改、错误类别、影响程度和处理动作。把问题分成材料、规则、提示、工具、权限和流程六类。分类的目的，是避免所有问题都归咎于模型。
复盘时只做四个决定：继续、修改后继续、缩小范围、停止。若总耗时没有下降、严重错误无法控制、使用者持续绕过流程，停止同样是合格结论。
图：原文在解释业务、IT与安全责任沿任务链交接后使用的配图。这里对应试点责任设计；画面内容与授权待人工确认。
四、完整案例：招聘信息整理试点
范围限定一个岗位、50份脱敏简历、两周。AI只提取字段、检查明确硬条件并生成摘要，不作录用决定。
先选择20份历史样本建立人工标准答案。影子运行期间，AI结果不进入正式流程，由招聘专员逐项比对。记录字段准确、遗漏、误判、处理时间和人工返工。出现敏感字段外泄、连续严重误判或无法追溯来源时立即停止。
试点结束后，业务负责人根据质量和总工作量决定继续、缩小、改规则或停止。节省生成时间却增加复核时间，整体价值可能为负。
五、试点卡
业务结果负责人：
基线：
首期范围：
标准样本：
AI允许动作／禁止动作：
人工确认点：
成功指标：
停止条件：
问题记录人：
复盘日期：
六、练习与验收
选择低风险场景，准备10—20个代表样本，先人工完成标准答案，再影子运行AI。保留每次输入、输出、问题和修正。能够回答“效果怎样、代价多少、什么情况停”，本章通过。
下一章把试点从个人可用推进到可验收、可改进、可复用。
从 0 到 1 学 AI · 完整版