本章进度 2 / 18
11%
正文已完成
L205判断一个任务是否适合 AI
从频率、失败成本、变异度和数据可得性判断 AI 应该自动、辅助还是暂不介入。
把“用户任务”从听懂变成会判断，避免遇到真实任务时仍靠感觉选择。
建议先理解同主题上一课的核心概念，再完成本课判断练习。
- 无需安装新工具
- 准备一个可对照的真实问题或样本
任务存在痛点，不代表应该交给 AI。产品需要同时判断能力匹配、失败后果和可验证性。
能用四项证据判断一个用户任务适合 AI 自动化、辅助决策还是保留人工流程。
核心概念
先把关键判断说清楚
任务频率与价值
高频或单次价值高的任务更值得优化，但频率不能抵消不可接受的失败成本。
输入变异度
非结构化且变化丰富的输入可能适合模型辅助，也会增加边界样本和评测负担。
失败成本与可逆性
错误能否被发现、撤回和修正，决定自动化可以走多远。
证据可得性
需要足够的真实样本、标准答案或人工判定规则，才能验证效果而不是凭演示判断。
案例拆解
客服回复建议与贷款自动拒绝
两个团队都希望减少人工处理，一个生成客服回复草稿，另一个准备让模型自动拒绝贷款申请。
- 01
客服草稿高频、可由坐席复核且发送前可修改
- 02
贷款拒绝影响重大，理由必须一致且可申诉
- 03
前者适合建议模式，后者在证据和治理不足时不应自动决策
案例结果
同样是文本判断，因失败成本和可逆性不同，产品边界完全不同。
提交前练习
现在轮到你
评估“AI 自动回复客户退款申请”是否适合自动化。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
退款请求高频且有历史工单，但金额、政策例外和欺诈风险差异大；先让 AI 分类并起草理由，低额且规则明确的请求才可受控自动处理，高额与例外转人工。
评分标准
- 至少引用三项判断证据
- 失败后果具体
- 结论包含范围或升级条件
本课收口 · 应用检查
完成一次应用，再检查理解
完成一次必填练习，再通过理解检查；阅读标记和总结不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23
- Building Effective Agents↗guide · 核对日期 2026-08-23