重复工作不断增加
大量整理、查询、汇总和沟通消耗专业人员时间。
Start with work
先看工作，再选技术
经验难以复制
关键做法停留在个人脑中，人员变化就造成质量波动。
工具彼此割裂
智能体、知识库和业务系统之间没有形成完整流程。
风险责任不清
缺少权限、审核、日志和价值指标，不敢进入真实运营。
Maturity model
五级成熟度：从帮忙到协同运营
01 辅助执行写作、分析、整理与查询
02 任务封装把重复任务做成模板与技能
03 流程自动化连接任务、数据与系统
04 AI员工化承担稳定岗位职责
05 人机协同围绕业务目标持续运营
Design principles
能自动化，也要可管理
任务
明确输入、输出、判断规则、异常和负责人。
知识与数据
连接可信信息源，控制更新、引用和使用范围。
人工审核
在高风险节点保留人工确认、升级和追责机制。
安全权限
按角色控制访问，记录关键动作和数据流向。
价值度量
衡量效率、质量、成本和风险是否真正改善。
Engagement levels
小范围验证，再逐步进入运营
场景盘点
梳理任务与流程，根据价值、可行性和风险确定优先级。
- 任务流程地图
- 自动化机会清单
- 试点优先级
单点智能体验证
围绕一个高价值场景完成原型、真实测试和价值验证。
- 知识与数据接入
- 智能体或工作流
- 验收指标
工作流自动化
连接多个任务和系统，明确人工审核点与异常处理。
- 跨工具编排
- 权限与日志
- 运行监控
AI员工与持续优化
形成稳定职责、服务指标和迭代机制，逐步扩大工作范围。
- 角色与责任
- 运营指标
- 持续训练与优化
Deliverables
交付能够运行和改进的系统
任务与流程地图看清工作如何发生以及谁负责判断。
自动化机会清单按价值、风险和难度排序。
试点智能体/工作流在真实任务中完成验证。
企业知识库让AI使用可控、可更新的组织知识。
权限与审核机制定义访问、确认、异常和责任。
运营指标持续衡量效率、质量、成本和风险。
Further reading
继续理解人机协同
选择一个高频、清晰、可验证的任务
先用一个场景证明价值，再决定是否扩展为工作流、AI员工和协同运营系统。