表格较宽时，可以用键盘方向键或触控手势横向滚动查看完整内容。
直接答案
适合 AI 自动化的流程通常高频重复、输入可获得、包含文本或判断工作、结果容易核对、出错影响可控，并且存在明确的人工回退。
不是越复杂越值得做。第一批场景应优先选择“小而频繁”的任务，让团队能快速积累真实运行记录。
七个筛选条件
| 条件 | 关键问题 |
|---|---|
| 高频 | 每天或每周是否反复发生 |
| 耗时 | 是否占用大量查找、复制、分类时间 |
| 输入可得 | 文档、邮件、字段是否能稳定取得 |
| 规则可说清 | 人工能否解释判断依据和例外 |
| 结果可核对 | 是否有标准答案或复核方法 |
| 风险可控 | 出错能否拦截、撤销或转人工 |
| 价值可测 | 能否比较时间、质量或完成量 |
满足五项以上，通常值得进入候选清单。
适合试点的例子
- 邮件和表单分类，提取字段并生成工单草稿；
- 从制度或产品手册中检索依据并生成带引用回答；
- 汇总会议、客户反馈或巡检记录，输出结构化待办；
- 根据模板生成报价、合同或报告初稿，由人确认；
- 对大量文本做标签、相似项归并和初步质检。
不适合直接自动执行的例子
涉及付款、删除、合同承诺、重大审批、医疗法律判断、敏感权限或无法撤销的操作，不应在第一期由 AI 独立完成。资料缺失、标准长期变化或不同负责人意见冲突的流程，也应先治理。
先自动“准备”，再自动“执行”
第一期可以让 AI 收集信息、检索资料、生成草稿和提出建议，把最终提交留给人。运行稳定后，再逐步开放低风险动作。这样可以先验证价值，也能积累异常样本。
用AI Agent 数据准备清单整理任务样本，并按AI 项目 ROI 方法记录上线前基线。一个场景是否“先进”不重要，能否持续产生可核对结果才重要。
把问题放进真实业务里
以下情境用于决策演练，不是虚构客户成果：适合先试的流程通常高频、输入相对稳定、结果可复核，例如邮件分类、资料抽取和初稿整理。涉及付款、删除、法律承诺或低频重大判断的流程，不应作为首个全自动项目。
开会时不要只谈观点
把下面五项填完，再决定采购、开发或优化动作：
- 每月发生频次：__________
- 输入格式变化程度：__________
- 是否有标准答案：__________
- 错误能否及时发现：__________
- 是否可以人工回退：__________
最容易踩的坑
因为任务重复就认定适合 AI。高度重复且规则明确的任务，传统自动化往往更便宜、更可预测。
什么时候才适合进入下一步
抽取五十个历史任务后，能划清自动处理、需要确认和禁止自动化三类，并为每类设定验收指标。
如果这些信息还无法写清，合理动作不是马上采购工具或签开发合同，而是先补一轮访谈、样本和责任确认。这样做看起来慢半步，通常能减少后面的返工，也让供应商给出的范围、报价和验收更可比较。
复盘时再追问一层
不要在会议结束时只留下“原则同意”。请指定一名负责人，用最近发生的一笔业务验证“每月发生频次”和“输入格式变化程度”是否有记录，再让另一名实际执行者检查“是否有标准答案”是否符合现场情况。最后，把“错误能否及时发现”与“是否可以人工回退”写成可以在下一次评审中核对的证据，而不是写成“后续优化”。如果两个人对同一项的答案不同，应先解决定义和责任分歧；这类分歧进入系统后，只会变成更难修改的权限、数据或流程问题。