文章目录1 - 引言2 - 岗位不会一次改变任务会逐项迁移3 - 委派之前先写清楚任务契约4 - 一个完整例子让 AI 归类客户反馈5 - AI 输出越多审核设计越重要6 - 评估一次改造不能只看生成速度1 - 引言讨论 AI 对工作的影响时人们经常从岗位名称出发客服会不会被替代运营是否还需要写报告财务是否会减少重复对账。这样的讨论很容易走向两个极端要么把 AI 描述成什么都能做要么因为它会犯错而否定整个方向。更有用的观察单位不是岗位而是任务。一个岗位通常同时包含资料收集、规则处理、沟通协调、例外判断和责任承担。AI 可能已经能处理其中一部分却未必能理解整条流程更不能自动获得对外承诺、修改权限或删除数据的授权。因此真正需要重新设计的不是“哪些人要被 AI 替代”而是任务如何拆分、证据怎样保留、哪些节点必须由人判断。只有把这些问题说明白AI 才可能减少重复劳动而不是额外制造一批需要检查的输出。2 - 岗位不会一次改变任务会逐项迁移国际劳工组织在 2025 年更新的生成式 AI 职业暴露研究中把分析落到了具体任务上。研究认为多数职业更可能发生工作内容转变而不是整个岗位被直接自动化。这里的“暴露”只表示某些任务可能受到 AI 影响并不等于工作已经能够在真实环境中无人完成。这种区分符合日常经验。以客户运营为例同一个人可能同时做以下工作汇总多个渠道的客户反馈识别重复问题并统计频率判断某条反馈是否涉及合同、隐私或重大投诉与产品、销售和客户确认事实决定是否承诺解决时间跟踪问题是否真正关闭。前两项具有较明确的输入和输出适合让 AI 或程序先处理。中间两项需要业务背景和跨部门沟通。最后两项涉及承诺和责任不能因为 AI 生成了一个看似完整的回复就默认系统已经获得授权。NBER 的生成式 AI 客服现场研究分析了 5,179 名客服人员。研究发现引入 AI 助手后每小时解决的问题数平均提高约 14%新手和低技能员工的改善更明显而经验丰富员工的变化较小。这个结果可以说明 AI 有机会传播已有经验但它来自特定客服场景不能直接外推成“所有知识工作都会提高 14%”。任务类型、数据质量和验收方式不同结果也会不同。3 - 委派之前先写清楚任务契约很多 AI 任务失败并不是模型完全没有能力而是人只描述了目标没有说明边界。例如“分析客户反馈”至少缺少以下信息分析哪段时间、哪些文件算正式来源、允许使用哪些分类、结论需要什么证据、遇到个人信息怎么办、结果要写入系统还是仅供审阅。把任务写成一份简短契约可以显著降低这种模糊性任务整理本月客户反馈并找出重复出现的问题 输入 - feedback.csv版本日期为 2026-09-25 - 字段包括 id、channel、created_at、content 范围 - 只分析本月记录 - 不推断记录中没有出现的客户意图 - 不把客户姓名、电话和邮箱写入结果 完成标准 - 每个主题至少关联一条原始记录 ID - 结论必须附带原文证据 - 无法判断的记录进入 needs_review不强行分类 必须暂停 - 输入文件版本冲突 - 出现未脱敏个人信息 - 需要向客户发送消息或做出承诺 交付 - classified_feedback.jsonl - summary.md - needs_review.csv任务契约的作用不是把提示词写得很长而是让“完成”成为可以检查的状态。AI 做不到的部分也要被明确记录而不是藏在一段流畅的总结里。判断自动化程度时可以使用两个简单维度结果是否容易独立验证错误造成的影响是否容易控制。低影响、可验证的工作例如格式转换、去重和字段完整性检查可以自动执行并抽样复核。高影响但可验证的工作例如财务对账和对外发布可以由系统准备、人批准后执行。难以验证的开放式研究应先限制样本既难验证又影响重大的任务则应保持人工主导。4 - 一个完整例子让 AI 归类客户反馈假设团队每月收到 300 条客户反馈需要输出高频问题和原文证据。直接让模型阅读全部内容并写总结虽然省事却会留下三个问题无法确认是否漏掉记录主题名称可能每次变化摘要里的结论也不一定能追溯到原文。更稳妥的流程可以拆成五步。第一步程序先检查输入。确认 ID 唯一、日期合法、正文非空并在送入模型前删除不必要的个人信息。确定性工作应尽量由代码完成不必消耗模型判断。第二步按固定批次让 AI 分类。输出使用 JSON Lines每一行只对应一条输入记录{id:F-0182,theme:delivery_delay,confidence:0.91,evidence:预计到货时间多次变化,needs_review:false}第三步用程序检查输出结构。下面的脚本只依赖 Python 标准库可以发现缺字段、非法主题、重复 ID、置信度越界和需要人工复核却没有证据的记录。from__future__importannotationsimportjsonfrompathlibimportPath ALLOWED_THEMES{delivery_delay,product_quality,billing_question,feature_request,service_experience,other,}REQUIRED_FIELDS{id,theme,confidence,evidence,needs_review,}defvalidate_record(record:dict,line_number:int)-list[str]:errors:list[str][]missingREQUIRED_FIELDS-record.keys()ifmissing:errors.append(fline{line_number}: missing{sorted(missing)})returnerrorsifrecord[theme]notinALLOWED_THEMES:errors.append(fline{line_number}: unknown theme{record[theme]!r})confidencerecord[confidence]ifnotisinstance(confidence,(int,float))ornot0confidence1:errors.append(fline{line_number}: confidence must be 0..1)ifnotisinstance(record[needs_review],bool):errors.append(fline{line_number}: needs_review must be boolean)ifnotstr(record[evidence]).strip():errors.append(fline{line_number}: evidence is empty)returnerrorsdefmain()-None:pathPath(classified_feedback.jsonl)seen_ids:set[str]set()errors:list[str][]forline_number,lineinenumerate(path.read_text(encodingutf-8).splitlines(),start1):try:recordjson.loads(line)exceptjson.JSONDecodeErrorasexc:errors.append(fline{line_number}: invalid JSON:{exc.msg})continueerrors.extend(validate_record(record,line_number))record_idrecord.get(id)ifrecord_idinseen_ids:errors.append(fline{line_number}: duplicate id{record_id})seen_ids.add(record_id)iferrors:print(Validation failed:)forerrorinerrors:print(f-{error})raiseSystemExit(1)print(fValidation passed:{len(seen_ids)}records)if__name____main__:main()第四步把低置信度、other类别以及规则冲突的记录交给人而不是平均检查所有记录。第五步再根据通过检查的数据聚合主题数量生成总结并抽查高频主题对应的原文证据。这个流程并不能证明语义分类一定正确。结构校验只能发现格式错误不能发现模型是否误解了一句话。因此仍然需要黄金样本、人工抽查和错误记录。它的价值在于把问题拆开程序保证格式和数量AI处理语义人处理例外和责任。5 - AI 输出越多审核设计越重要当一个人可以同时启动多项任务新的瓶颈往往从“没有时间做”变成“没有时间检查”。五份十页报告可能在几分钟内生成但阅读和判断的成本并没有消失。Microsoft Research 在生成式 AI 的自动化反讽研究中总结了几类可能造成效率损失的情况人的角色从生产转向评估原有工作流被不恰当地重组系统产生更多中断以及自动化让容易的工作更容易、困难的工作反而更难处理。因此审核不能只是任务末尾的一句“请人工确认”。一份便于审核的交付至少要包含使用了哪些输入和版本哪些检查已经由程序完成结果中的证据如何回到原始材料哪些部分置信度低或存在冲突现在需要人做什么决定执行后是否可以撤回。对于低风险批处理可以在结果阶段抽样。涉及资金、权限、隐私、数据删除和对外承诺时人必须在执行前确认。若系统只能展示一个默认答案还应主动提供反例和缺失证据避免审核者长期变成只会点“同意”的橡皮图章。6 - 评估一次改造不能只看生成速度判断一条 AI 工作流是否有价值至少要记录四类数据从启动到可用结果的总周期人工介入时间返工次数以及最终被采纳的结果比例。Token 用量、调用次数和生成字数可以帮助核算成本却不能代替结果指标。第一次实验不必选择复杂流程。可以选一项每周重复、输入相对稳定、失败容易撤回的任务保留原人工流程作为对照。连续运行两到四周后再比较总耗时、错误率和审核负担。若生成更快但返工更多就不能简单称为效率提升。Anthropic 对自有产品使用情况的经济指数分析也显示不同职业和任务在协作增强与直接自动化之间差异明显。这类平台数据能帮助观察使用模式但受到用户构成和产品特性的影响不能替代团队自己的流程数据。AI 进入非技术工作后最值得学习的并不是某一套提示词而是流程意识知道输入来自哪里知道完成标准是什么知道哪些错误可以自动发现也知道哪些决定必须由人理解并负责。从一个任务开始把它拆成确定性处理、语义判断、程序验证和人工决策四部分。能稳定通过验收的部分再逐步自动化不能验证的部分则保留边界。这样的改造速度可能没有想象中那么快却更容易形成长期可用的工作方法。感谢各位大佬支持互三啦