AI 改造应该从岗位还是任务开始？区分单点辅助、端到端流程和岗位结构变化

结果不是“自动化保修专员”

熙岳设备服务有920名员工，其中46人以不同程度参与保修申请：12名服务协调员、18名保修分析员、8名技术/配件专家、4名授权审批人、4名主管。管理层最初提出“用AI自动化30%的保修岗位”，因为系统每周约有320笔申请，积压620笔，客户不断催问。

六周连续日志覆盖1,920笔申请。项目组发现，每笔活跃处理中位数46分钟，但端到端周期中位数31.5小时；46分钟只占周期约2.4%。真正问题是资料不完整、跨系统检索、队列交接和例外来回。于是第一阶段只辅助“资料完整性检查”和“政策条款候选”，第二阶段把输入、状态、并行取证与异常路由重画，第三阶段才根据实际时间和责任变化调整岗位任务组合，不预设减员。

公司、角色、工时、申请、错误与结果均为虚构教学案例。真实岗位调整涉及当地劳动规则、合同、集体协商、隐私、无障碍、反歧视、健康安全与行业责任，应由员工代表、人力资源、法务和相应专业人员参与；本文不是就业、法律或财务意见。

先分清任务、流程、角色和人员不是同一层

AI在一个活动上生成文字，不等于完成任务；完成几个任务，不等于拥有角色；改变角色的时间构成，也不自动消灭职位。职业研究中的“暴露”通常也不是“这个人可以被替换”：它表示岗位里的部分任务可能被技术影响，实际结果还取决于流程、采用、成本、质量、需求与新任务。

项目记录每个主张的单位。可以说“政策候选任务的人工检索中位数从9分钟降到5.5分钟”，不能跳成“分析员效率提高39%”；可以说“46分钟活跃时间里有13.5分钟目标差”，不能跳成“46人减少13人”。不同分母之间的跳跃必须停止并补证据。

决策表为每次单位转换设置一道门。任务纪要转周容量，必须有合格案例量、使用率、可用输出率与新增复核；容量转业务结果，必须说明释放时间去了哪里、下游是否接得住；业务结果转角色变更，必须证明一组持续任务和责任真的重组；角色变更转岗位/人员编制，则另需未来需求、排班、空缺、技能、合同与正式人员程序。任何一门缺证据，就停在前一个单位报告，不用管理层期望补齐等式。

同样，岗位平均数不能覆盖个人分布。18名分析员中有人每周处理标准件，有人专做安全例外；“平均每人6.7小时政策工作”不会在现实中均匀释放。项目按班次、站点、设备族与授权层画负载热力图，观察释放的是连续可排时间还是每天十几段两分钟碎片。只有可被重新排班且实际未被新复核吞掉的容量，才进入经营计划。

“自动化30%的岗位”为什么无法执行

原方案来自一次厂商演示和部门自报：协调员估计三成时间在复制，分析员估计四成时间在找政策，管理层取整为30%岗位潜力。但问卷没有连续案例、起止定义或峰值；“复制”可能是上游字段缺失，“找政策”可能包含技术判断，删除后还可能增加复核。

项目先撤下人数目标，把季度结果改成：首轮资料完整率从62%提高、无依据政策引用下降、有效决定周期缩短、积压不再增长，同时关键错误为零，员工报告的工作节奏与控制感不恶化。减员不是试点指标；若未来考虑职位变化，必须另有需求预测、能力与劳动流程。

先用1,920笔连续申请还原当前流程

数据来自六周系统事件、240笔分层时间观察、72笔返工追踪、5类角色访谈和12场现场走查。连续申请而非最佳案例显示：62%首次资料完整；38%至少追一次材料；14%使用邮件附件绕过工单上传；6%的序列号需手工查旧系统。240笔质量样本中17笔政策引用需修正，即7.1%。

当前状态图保留两个看似“不合规”的影子路径。员工用邮件不是因为拒绝流程，而是上传限制无法收视频；技术专家在聊天里答复，是因为工单队列看不到设备停机严重度。重画流程要解决这些约束，不能只封堵渠道再把额外工作归咎于员工。

240笔时间样本按资料完整/缺失、标准/例外、四个地区和设备年龄分层；观察员先用20笔校准起止，再独立记录。46分钟是样本中位数，不与1,920笔系统事件假装同一精度。系统时间戳能可靠给出创建和决定，却不能判断员工是否同时处理另一案例；现场记录能测活跃，却可能受观察影响。两条来源分别标A/B置信度，并用敏感性区间而非一个伪精确均值进入容量模型。

72笔返工也按原因分开：26笔缺资料、18笔政策解释不清、11笔技术原因变化、9笔客户提供新事实、8笔状态/通知错误。只有前两类部分可能由当前设计降低；新事实或故障演化不是模型失败。若把所有重新开启都设成越低越好，员工可能延迟关闭或阻止合理申诉，指标反而伤害客户。

把46分钟拆成9个任务

每笔中位活跃时间的9项合计46分钟。项目没有把所有时间分给一个“保修分析员”，因为任务跨5类角色发生；同一人也有安装协调、客户沟通、技术支持等非保修责任。

245.3小时÷37.5小时≈6.54个满时当量，只描述这一流程的活跃负载。它分散在46人、不同周、不同技能，并包含未来仍需的人类判断。即使理论上全部消失，也不能据此减少6.54个职位；现实还要乘资格、采用、正确输出、人工复核和需求变化，并加入维护、例外与新控制任务。

六个问题决定改造停在任务、流程还是岗位

任务辅助适合界面清楚、输出可在影响前检查、局部指标有意义的工作。流程重构适合等待、重复录入、交接返工占主导，或者局部提速只会把堵点推给下游。岗位重构发生在一组持续任务、决策权、关系、能力和绩效方式真实变化后；不能因为模型演示覆盖几项活动就提前改职位说明。

“从任务开始”不是只做小工具。它是先用最小单位建立证据，再沿依赖图判断问题是否跨界；若答案是跨界，就把改造层级升到流程，而不是不断优化一个注定无业务结果的局部助手。

局部助手的上限由等待链决定

31.5小时周期=0.77小时活跃处理 +12.4小时内部队列 +14.8小时客户/经销商补资料+3.53小时批次同步与审批窗口。活跃只占约2.4%；即使魔法般降为零，理论周期仍约30.73小时。只给分析员一个写理由助手，可能省3分钟，却不解决14.8小时补资料。

项目也检查瓶颈转移。若AI每天多产生80份政策候选，而8名技术专家仍需逐份确认，专家队列会增长；表面上分析员更快，客户周期反而变差。任何任务试点都同时记录下游到达率、进行中工作、复核分钟数和老化，不只记录生成速度。

六次交接和三次重录先于AI处理

先做三个非AI改变：门户按故障类型动态展示所需证据；设备、维修和政策数据通过保修申请编号关联读取；状态更新以事件同步而非复制。AI只处理剩余歧义：从非结构附件提出字段候选、从有效政策提出条款候选、把事实与条款草拟成可核对理由。

这一步决定了收益归属。动态清单提高首次完整率，接口删除切换，进行中工作规则缩短队列，模型降低非结构理解时间；复盘分别测量，不能把整个31.5→目标18小时写成“AI节省”。

未来流程由保修申请对象和受控状态机承载

统一对象保存原始证据、候选字段、人工确认、政策版本、技术判断、授权与变更历史。原始附件不可被摘要覆盖，衍生字段标明来源、生成方式、置信度或未知状态，以及最后确认人。每次状态变化都有允许角色、前置条件、动作和失败恢复。

RECEIVED
  -> NEEDS_EVIDENCE  [required evidence missing; coordinator owns]
  -> READY_FOR_REVIEW [identity + equipment + evidence confirmed]
READY_FOR_REVIEW
  -> STANDARD_CANDIDATE [rules pass; analyst still reviews]
  -> TECHNICAL_EXCEPTION [safety/repeat/ambiguous cause; specialist owns]
  -> POLICY_EXCEPTION [version/region/goodwill; senior analyst owns]
REVIEWED
  -> PENDING_AUTHORIZATION [human rationale + citations complete]
  -> RETURN_FOR_EVIDENCE
AUTHORIZED
  -> NOTIFIED [approved channel; message and state share decision ID]
any state -> PAUSED / MANUAL / INCIDENT

生成系统可以建议字段和路径，不能自行越过就绪、已审核或已授权门。规则服务决定确定性必填项与授权阈值，人员确认事实、例外和不利决定。系统故障时从最后确认状态恢复，重复事件按保修申请编号与决策版本幂等处理，不重复通知客户。

保修申请对象不是把所有资料复制进新数据库。客户身份、设备记录、政策和维修历史仍由各记录来源负责，统一对象只保存授权引用、最少必要字段、版本与读取时间；敏感附件按角色访问，日志不重复保存全文。衍生字段与已确认字段不可同名覆盖，人工修改生成新版本并保留原因。资料删除、权限撤回或政策失效会使相关候选自动过期，流程回到重新取证，而不是继续引用缓存摘要。

状态机还区分业务失败和技术失败。缺资料是正常需要证据，不计系统错误；政策服务超时进入手动并显示原流程；模型返回无来源候选直接丢弃；通知成功但状态写入失败则用同一决策 ID补偿同步，禁止再发一封。运行手册逐项写检测信号、负责人、客户影响、恢复点与何时升级事件，使“有回滚”成为可演练动作。

两个AI任务需要两份不同合同

完整性助手只读取当前申请、已授权设备主数据和故障类型清单，输出“已找到、缺失、矛盾、无法判断”四类字段及来源位置；不得把模糊附件猜成存在，不得联系客户。政策助手只检索决定日期有效、地区适用的版本，输出候选条款、适用条件、反例和引用；不得判断技术原因、善意例外或最终资格。

审核合同还规定可见性：人员必须同时看到原始证据、来源时间和状态未知，不能只看流畅摘要；接受按钮不预选，批量确认受限。主管每周抽查“未修改接受”和“系统建议转人工”两类，因为前者容易隐藏自动化偏误，后者容易把困难工作全部倾倒给专家。

三种设计中，端到端智能体不是默认答案

B并不比C“低级”。确定性状态、规则和职责分离处理可预测部分，生成能力只进入非结构歧义；这减少模型需要决定的表面积，也使错误能定位到资料、规则、检索、模型、界面或人工步骤。未来若要扩大动作权限，必须逐项证明工具契约、幂等、审批与补偿，而不是把整条流程一次性交给智能体。

项目还保留人工与非 AI 基准。若动态清单和统一检索已经达到业务门，模型增量不足以覆盖评估、复核和维护成本，就只发布流程改造。技术选择服从业务结果，不以“必须上线AI”作为成功条件。

RACI和决策权限必须随流程一起重画

AI组件是工具或系统，不被写进最终负责栏。最终负责者必须拥有资源、权限和停止能力；若主管只能在系统决定后背书，RACI只是装饰。不同责任可以由同一人兼任，但高价值例外与最终付款授权仍执行授权阈值和职责分离。

改造后原协调员不为模型准确率负责，分析员不为政策数据负责人的过期版本背锅。每个失败按可控制层归属：资料负责人负责版本发布，产品负责人负责系统门，领域负责人负责评分标准，操作人员负责合同内确认，管理层负责风险容忍与资源。

复核、批准、改判、申诉和停止是五种权限

复核是检查输出，批准是授权动作，改判是推翻系统建议，申诉是受影响方请求重新判断，停止是暂停系统或范围。五项不能共用一个按钮。人员改判不需要通过自由文本为自己辩解，但要选择原因以改进系统；高风险错误可以一键转人工并保全证据。

人工控制要测有效性。项目注入政策过期、客户错配、矛盾序列号、缺少安全证明和提示注入式附件，观察审核者是否看见、拒绝、升级以及用了多久。若批量压力下发现率下降，不能靠再培训宣称解决；应缩小合格范围、降低到达率或重做界面。

岗位重构要看任务、关系、判断和责任

只有当新组合连续出现并被实际采用，才改角色画像。熙岳先用90天观察窗口：哪些任务每周发生、占时如何、谁真正拥有判断、员工能否在正常工时完成、培训后是否独立胜任。案例内部把“连续4周有超过30%的理赔相关的时间重新分配且责任稳定改变”设为一次角色复核触发器；这不是跨企业裁员阈值，也不直接决定职位。

新任务不是免费出现。评估集维护、失败分类、政策版本、异常分类法、申诉复核、事件响应和员工辅导都要进入容量表与职位说明。若只删除旧任务却不承认新控制劳动，项目会靠无偿加班维持表面效率。

重新计算容量，不能从小时直接跳到人数

320×13.5/60=72小时/周是未来状态假设，不是已实现节省。技术解释不降，例外判断反而由4增至5分钟，说明剩余工作可能更密集。按任务归属，协调类约从77.9降到41.1小时，分析类从120降到88，技术32和授权8不降，更新约从7.5降到4.3；这些小时跨多人且波动。

即使最终得到72小时可用容量，负责人也先写用途：30小时处理积压、16小时前置客户辅导、12小时评估/政策维护、8小时培训与同伴校准、6小时风险缓冲。实际采用率若60%，模型正确可用率若85%，复核新增4分钟，就必须用事件日志重算，不能仍按13.5分钟乘全部320件。

容量模型逐周用公式重算：符合条件的案例×采用率×可用率×总分钟数变化，再减去人工复核、被拒输出的重做、专家升级、支持、回归与政策维护。假设320件中只有240件合格、80%实际使用、85%输出可用、每个已用案例新增3分钟复核，则毛容量约36.7小时，先扣复核9.6小时只剩27.1小时，尚未扣其他成本，不能报告72小时。计算账本同时保存碎片化：40小时分散在46人身上可能无法形成一个可取消班次，却足以让每周310件完成量追上320件来件或减少加班。

职位情境至少比较三套：服务量不变时用容量清积压；保修量随销量增长时避免新增临时人手；需求下降且自然空缺出现时重排岗位并培训转岗。只有最后一种才进入人员数量讨论，而且要把客户等待、例外能力和休假覆盖做压力测试。试点委员会无权用模型结果跳过HR、员工代表或当地正式程序。

员工参与发生在设计阶段，不是上线前宣讲

项目成立12人工作设计小组：每类角色2人、流程负责人、人力资源/员工关系各1人；成员来自不同站点、资历和使用需求。会议工时进入计划，个人意见不交直属主管作绩效材料。小组可以提出停止、要求保留人工处理路径，并在阶段门投票记录异议，但风险接受仍由有授权的管理者负责。

反馈不是多数票替代安全或权益，也不是收集后不回应。决策日志逐条写采纳、试验、拒绝及理由；例如分析员担心只剩高难例外，项目加入案件轮转与每周复杂度上限。协调员指出动态清单措辞会让客户误以为承保，文案改为“评估所需资料”而非“批准所需资料”。

绩效制度也进入设计边界。协调员不按“AI接受率”排名，分析员不会因改判多而被判低效，主管不以每小时关闭数迫使人员忽略未知状态。业务看板把首次完整、有效决定、质量修正、合理升级与工作负荷并列；异常案例按复杂度分层。若管理激励仍奖励速度和默认接受，再好的人工审核界面也会退化成橡皮图章。

参与还包括被流程影响但不操作系统的人。经销商和客户代表测试资料清单、解释、状态与申诉，残障用户测试上传和通知的等价路径；技术专家确认新队列不会隐藏停机严重度。反馈样本与限制被记录，不能用两名“友好用户”代替全部受影响群体。

培训要按未来任务和权限验收

培训先教流程事实和权限，再教系统。人员在普通、边缘、停止和诱导性附件中实作；未通过可以继续人工和辅导，不因一次测验作纪律判断。更新政策、界面、模型或合格范围后只复训受影响能力，但关键门需回归。

还要防技能退化。每月保留一批人工案例和盲测，分析员不先看AI候选完成判断；主管比较独立理由，而不是要求和系统一致。若独立正确率下降或人员无法解释条款，减少辅助强度并增加轮换，不能等事故发生才发现组织已失去核验能力。

12周试点分别计算流程改造与AI增量

两组都使用新的保修申请对象、动态清单和状态机；AI组额外看到字段候选、政策候选与理由草稿。案例按地区、设备族、资料完整度和分析员经验交替分配，不宣称严格随机；排班、季节和学习效应写进限制。开发者不看最终门禁子集，修复后加入邻近反例。

对比协议在看结果前冻结资格、排除、主指标、关键故障和分析切片。每笔按实际分组分析，同时另报是否真正看到/使用候选，避免把低采用误称模型无效；但不只挑使用成功案例计算。两组若在设备年龄、资料完整或分析员资历上失衡，就分层报告并降低因果置信度，不用事后删除不利样本换显著结果。

样本量不支持罕见伤害的“安全证明”。0/240个严重错误只说明本轮未观察到，不能把真实发生率写成0；项目用红队注入、历史反例和生产保护措施补充，但仍保留范围、人工门和停止能力。重新开启的4件差异尤其小，决策委员会明确记为未知，下一阶段再收集，而不是用10.4%对12.1%制作胜利图。

评估分三层：任务层检查字段、来源、政策适用、关键故障和评审记录；流程层检查首次资料完整率、周期、重新开启、进行中工作、积压与人工回退；角色层检查异常密度、加班、控制感、改判、培训与支持。任何关键客户不匹配、虚构条款、越权授权或无法恢复的重复通知都停止相关通道。

试点结果只支持有限扩大

若全量且分布相同，非AI流程改造相对当前减少的4.8分钟约为25.6小时/周，AI相对非AI再减少的2.8分钟约为14.9小时/周，合计约40.5小时，而不是72小时目标。项目因此只把政策候选扩大到另外两组分析员，保留人工门；完整性候选继续受限，端到端18小时目标进入下一轮队列与外部证据实验。

重新开启差异没有足够的统计或因果把握，严重错误为零也受样本限制。决策委员会没有用漂亮的初稿掩盖25.6小时周期，也不宣称岗位减少。释放容量先投入积压、辅导、回归与支持，8周后用实际来件量、完成量与加班验证去向。

最终交付要把任务、流程、岗位和人员决定分开

国际劳工组织（ILO）与波兰国家研究院NASK在2025年更新的生成式AI职业暴露研究，以任务级资料、专家输入和模型预测评估暴露；官方说明强调，更可能发生的是工作转型，而不是完整岗位自动化。本文只借鉴“不能把暴露等同于替代”的结论，不把全球比例套到本公司。OECD《就业展望2023》讨论AI可能自动化部分任务、补充另一些任务并产生新任务，同时影响工作质量；它不证明本案例结果。NIST AI RMF Core的“情境映射2.1、2.2与3.5”和“治理3.2”支持定义具体任务、输出怎样被使用与监督，以及区分人机角色责任；官方页面注明AI RMF 1.0正在修订。GOV.UK服务手册关于政策意图的材料，用于在重画服务前澄清输入、流程、输出、边界与负责人。本文的七个分析层、30%复核触发器、状态机和12周设计均是教学方法，不是这些来源的强制要求。

• ILO：Generative AI and Jobs — 2025 refined global index
• ILO：One in four jobs at risk of being transformed by GenAI
• OECD Employment Outlook 2023：AI, job quality and inclusiveness
• NIST AIRC：AI RMF Core
• NIST AIRC：AI RMF Playbook — Map
• GOV.UK Service Manual：Understanding and meeting policy intent

本周不要问“哪个岗位能被AI替代”。选一条客户结果不佳的流程，抽取至少30个连续案例，把活跃、队列、外部等待与返工分开；再把其中一个任务写成输入、输出、异常、验收和人工权限。若局部改善不会改变端到端结果，就把项目升级为流程重构；只有实际任务组合和责任持续变化后，才启动岗位设计与正式人员程序。