夜雨聆风学习资料网

ARTICLE · 1382520

客户宁愿每份文档都审一遍:这不是不信任 AI,是规则还没长出来

客户宁愿每份文档都审一遍:这不是不信任 AI,是规则还没长出来

这个疑问极其真实,我觉得它是全篇的支点:企业的知识每天都在更新,如果每一份文档都要经过人工审核才能进入知识库,那知识更新的效率是不是太低了?

而它的场景压力极其具体:尤其是一些大型企业,知识可能分布在几十个部门、上百个科室。如果所有文档都要排队等审批,时间一长,知识库里的内容很容易就跟不上实际业务的变化。

而它的原设计极其合理:一份文档准备发布时,系统会先自动扫描,检查它是否符合预先设定的规则。大部分没有问题的文档,可以直接进入后续发布流程;如果发现某些情况需要业务人员判断,就触发人工审核;如果触碰了明确的禁止条件,系统也可以直接驳回,并告诉提交人需要修改什么。

而它到现场的发现极其清醒:但真正到了客户现场,我们发现事情并没有想象中那么简单。

而客户的选择极其朴素:在一些项目实施过程中,客户刚开始使用知识准入时,往往会选择一种看起来比较传统的方式:不管什么文档,先经过人工审批再说。

而它的解释极其到位,我觉得这是全篇最有价值的一段:在项目启动时,企业对知识准入的具体规则不够清晰,业务人员难以将经验转化为系统规则,因此先采用全人工审核是一种务实的选择,既能确保知识质量,又能让团队逐步了解准入需求。

而它的演进路径极其清楚:经过数月的实际运行,客户逐渐识别出哪些文档始终通过、哪些问题反复导致驳回、哪些审核必须由业务人员判断,从而将可明确化的规则转化为系统可执行的自动检查,逐步减少人工干预。

而它的落点极其重要:人工审批的价值不仅在于审核,更在于帮助企业沉淀符合自身业务的准入标准。

而它的最终结论极其克制:自动化应是规则明确后实现的目标,而非项目初期即追求的状态。

而它的工程细节也很扎实:审批记录需要留下具体原因以便规则提炼。

这件事揭示了"'客户宁愿全人工'看着像不信任 AI,其实是一个极其理性的选择——因为自动化的前提是'规则存在',而规则不是设计出来的,是跑几个月跑出来的;而在这个阶段,人工审核的真正产出不是'通过/驳回'这个结果,而是那批带原因的驳回记录——那才是自动化的原材料"。

一组极其真实的业务压力。

第一,"如果每一份文档都要经过人工审核才能进入知识库,那知识更新的效率是不是太低了?"。第二,"知识库"跟不上"业务","是"真"痛点""。第三,""这"and"上一"篇"讲德的""工业与AI(数据孤岛)是"同"一"类"结构""。

这三条——说明"人工"在"高频"场景"里"是"瓶颈""。

二、原设计的自动分流

一组极其完整的机制设计。

第一,"系统会先自动扫描,检查它是否符合预先设定的规则。大部分没有问题的文档直接进入发布流程;如果发现某些情况需要业务人员判断,就触发人工审核;如果触碰了明确的禁止条件,系统也可以直接驳回"。第二,"三"路"分流""。第三,""这"and"上一"篇"讲德的""确定性拆分(能自动的自动、不能自动的转人工)是"同"一"类"分流""。

这三条——说明"自动"不"是"全有"全"无","是"三"路""。

三、现场没那么简单

一组极其清醒的认知修正。

第一,"但真正到了客户现场,我们发现事情并没有想象中那么简单"。第二,""设计"合理"不"等于"现场"可行""。第三,""这"and"上一"篇"讲德的""Genie 4(接别人 API 也只是权宜)是"同"一"类"现场""。

这三条——说明"设计"要"经"过"现场"校验""。

四、规则不清时全人工是务实的

一组极其关键的判断。

第一,"企业对知识准入的具体规则不够清晰,业务人员难以将经验转化为系统规则"。第二,""难"在"人"也"说不清","不"是"模型"不行""。第三,""这"and"上一"篇"讲德的""TTSE(FACT 靠替换更新)是"同"一"类"认知""。

这三条——说明"自动化"的上限"是"规则的"清晰度""。

五、数月后跑出可自动化规律

一组极其清楚的能力发现路径。

第一,"客户逐渐识别出哪些文档始终通过、哪些问题反复导致驳回、哪些审核必须由业务人员判断"。第二,""三类"分类"是"从"运行"中"长"出来的""。第三,""这"and"上一"篇"讲德的""Meta(生成会失败的测试)是"同"一"类"从"实践"中"发现""。

这三条——说明"可自动化的规则"是"观测"结果","不"是"设计"结果""。

六、驳回必须带原因

一组极其关键的工程细节。

第一,"审批记录需要留下具体原因以便规则提炼"。第二,""原因"是"规则"的"原材料"""。第三,""这"and"上一"篇"讲德的""企业级记忆(经验要可追溯可更新)是"同"一"类"要求""。

这三条——说明"驳回记录"的"价值"在"原因","不"在"结论""。

七、人工审批的真实价值

一组极其深刻的重新定义。

第一,"人工审批的价值不仅在于审核,更在于帮助企业沉淀符合自身业务的准入标准"。第二,""人工"是"规则"的"发现器"""。第三,""这"and"上一"篇"讲德的""真实工位数据(成本决定商业化)是"同"一"类"现场""。

这三条——说明"人工"阶段"的"真正"产出"是"资产","不"是"通过率""。

八、我的评价

这一篇我认为它最值得学的是它把一个看起来像"客户不信任 AI"的现象,重新解释成了"规则还没长出来"——而我认为这个重新解释极其重要,因为它直接改变了实施策略。

先说第一点「规则不清时全人工是务实的」。我认为这个判断极其到位,而且我认为它揭示了一个我觉得被普遍忽视的规律:

自动化的前提不是"模型够强",是"规则存在且可写成判断条件"。 ——而规则不会因为你想清楚了就有,它需要"跑几个月"才会浮现。** ——所以客户选全人工,不是"保守",是"诚实"——他们知道"现在"还"没"到"能自动"的"时候"。

而我认为这里有一个可以直接用来指导任何 AI 落地方案的判据,它极其清晰:

问:"这个方案要自动化的那部分,规则现在是写得出的"吗?" ——写得出 → 直接上自动化 ——写不出 → ,别急着上"

——而我认为第二行揭示了一个极其重要的实施顺序:

"先人工、后自动"不是"退步",是"正确顺序"——因为人工阶段在生产规则。 ——很多团队反着做:先把"自动"搭出来,然后发现"效果不好",又退回人工——中间那些"驳回原因"全丢了**,所以退回之后也"回"不到"原"地"。

再说第二点「驳回必须带原因」。我认为这条工程细节极其关键,而且我认为它揭示了一个我觉得可以直接用来改造任何审批流程的判据,它极其清晰:

一个不带原因的驳回,信息量是零。 ——因为下次遇到同样的问题,人还是会犯同样的错。** ——所以驳回时必须回答:"我为什么驳你?"——而这句话,就是未来的自动规则。**

而我认为这里有一个可以直接用来改造任何团队审批流程的判据,它非常清晰:

审批记录6 个月后能干什么
①只记"通过/驳回"什么都干不了
②记"驳回原因"能提炼规则,能做自动检查

——而我认为第二行揭示了一个我觉得很有意思的视角转换:

审批系统不是"过滤器",是"规则挖掘机"。** ——这个视角一换,整个系统的设计目标就变了:从"减少人力"变成"沉淀规则"。**

再说第三点「人工审批的真实价值」。我认为这个重新定义极其深刻,而且我认为它揭示了一个我觉得可以推广到很多领域的判断:

"人工审批的价值不仅在于审核,更在于帮助企业沉淀符合自身业务的准入标准"—— ——这是一个"把"成本中心"改写成"资产中心"的思路: ——人工的产出不是"今天审过多少份",是"沉淀了哪些可以自动化的规则"。**

而我认为这里有一个可以直接用来评估任何"人机协作流程"的判据,它极其清晰:

问:"这个流程跑三个月之后,留下了什么可复用的东西?" ——如果答案是"更多的熟练工",那它是消耗型流程; ——如果答案是"一批可执行的规则/模板/知识条目",那它是积累型流程。**

——而我认为第二行揭示了一个应该被广泛接受的判断:

一个流程值不值得"先人工",取决于它能不能沉淀东西。 ——能沉淀 → 值得先人工;不能沉淀 → 别做人工,直接上自动化(或干脆别做)。

再说第四点「现场没那么简单」。我认为这条经验极其值钱,而我认为它揭示了一个我觉得应当被反复提醒的纪律:

"但真正到了客户现场,我们发现事情并没有想象中那么简单"—— ——这句话背后是无数个"设计得漂亮、上线就卡住"的教训。** ——所以"设计"和"现场"之间,必须有一次"带着"真实"数据"的"对撞"。

而我认为这里有一个可以直接用来检查自己方案成熟度的判据,它极其清晰:

问:"我这个方案,是基于真实运行数据设计的,还是基于想象设计的?" ——如果"想象",那么第一件"要"做的事"不是"优化","是"跑"一次"真实"数据"。**

不过我要指出这一篇一个明显的缺口,而它恰好是所有"实施复盘"类文章的通病:它讲清了人工到自动的演进逻辑,但没有量化"人工期到底要多久"。

而我认为有三个问题必须自己往下追:

① "数月"到底是几个月:

"经过数月的实际运行"——这个时间跨度,直接决定了自动化的 ROI 何时转正。 ——如果真要 6-12 个月,那客户在这段时间里的人工成本,就是必须提前算进报价的。 ——这一篇没给这个数,而这恰恰是商业上最关键的数字。**

② 规则会不会一直长不完:

有些准入判断是本质模糊的("这份文档的结论可信吗"),永远写不成规则。 ——那这部分永远要"人工",而"永远需要人工"的部分,就该"设计"成"抽样 + 高风险必审","不"是"全量"。**

③ 驳回原因谁来结构化:

"审批记录需要留下具体原因以便规则提炼"——但如果业务人员随手写"内容有问题",这条记录毫无价值。 ——所以需要"结构化"的"原因"(下拉选项 + 自由补充),否则规则提炼永远做不了。**

而认为第一点和第二点最值得反复看,因为它们一个改变实施顺序,一个给出评估视角:

第一点:"先人工、后自动"不是退步,是正确顺序——人工阶段在生产规则;别先搭自动再退回,中间丢掉的驳回原因回不来。 第二点:审批系统不是过滤器,是规则挖掘机——从"减少人力"改成"沉淀规则"。

七、给做企业 AI 落地的四条建议

第一,""自动化"的"前提"不"是""模型够强","是""规则"现在"就"写得出来"——"写"不"出"就"先人工跑","把"规则"跑出来","别"急着"上""。第二,""驳回"必须"带""原因"——"一个"不带"原因"的"驳回","信息量"是"零";"原因"就是"未来"的"自动规则"""。第三,""审批"系统"不"是""过滤器","是""规则挖掘机"——"从""减少人力"改成""沉淀规则""。第四,""问""这个"流程"跑"三个月"后"留下了"什么"可复用"的"东西"?只有"熟练工"是"消耗型";有"规则/模板/知识条目"才是"积累型""。

这四条——是能直接用的。

八、潜在挑战

不过这一篇也有它的边界。第一,""实施"复盘","偏"单一"案例""。第二,""未"给"人工期"的"时长"与"成本""。第三,""未"讨论"永远"无法"自动"的部分""。第四,""未"讨论""驳回原因"的"结构化""。

九、反面观点

不过这个判断也可能过于理想化。第一,""先人工"可能"让"客户"养成"了"依赖","自动"上线"后"反而不"用""。第二,""规则"可能"永远"长不完","导致"自动化"成本"高于"人工""。第三,""数月"的"人工期"可能"对"中小企业"来"说"太长","直接"放弃""。第四,""人工审批"可能"本身"就是"客户"想"要的"("责任"要"有人"担"),"自动"化"反而"有"风险""。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料