先自動化高量、低判斷、可回退嘅 task，將低量、高判斷、唔可回退嗰啲留返俾人。Workflow audit 按三個屬性俾每個 task 排序——幾常發生、需要幾多判斷、錯咗有幾衰——而個組合話你知該自動化咩、該輔助咩、該留咩唔理。大部分團隊自動化錯咗嘢，因為佢哋按工具睇落幾令人印象深刻嚟揀，而唔係按工作點樣表現。
我喺自己嘅工作上、亦都喺客戶團隊上跑過呢個 audit，每次都出現同一個模式：啲人想先自動化嘅 task，好少係該先自動化嘅 task。呢個係我用嚟防止呢件事發生嘅方法。
三個軸
頻率。 高頻 task 值得自動化，因為即便好細嘅時間節省喺一個月入面都會複利。低頻 task 通常唔值得，因為個搭建成本永遠回唔到本。呢個係決定份努力到底值唔值得嘅軸。
判斷。 低判斷 task 有一個核對得到嘅正確答案；高判斷 task 有一個依賴 context、可辯護嘅答案。判斷係決定 model 做得到個 task、定係只輔助得到佢嘅軸。一個 task 可以好頻繁卻仍然高判斷——噉意味住佢啱輔助，而非自動化。
回退性。 可回退嘅 task 撤銷起上嚟平，所以一個錯嘅第一 pass 代價好細。唔可回退嘅 task——一場進行緊嘅 campaign、一次公開發佈、一個客戶承諾——帶住一個任何效率增益都辯護唔到嘅每錯成本。回退性係決定無論另外兩個點、一定要壓幾多人類 review 喺上面嘅軸。
四個象限
將每個 task 行一次三個軸，會掉落四種形狀。
- 高頻、低判斷、可回退。 先自動化。數據拉取、排版、pacing 計算、variant 生成、transcription、翻譯初稿。呢啲係 AI 應該以輕 review 跑循環嘅 task，亦都係複利時間節省所在嘅地方。
- 高頻、高判斷、可回退。 輔助，唔好自動化。Creative 構想、plan 起草、research 綜合。Model 產出選項，人揀。完全自動化會移除個 task 嘅意義所在嘅判斷。
- 低頻、高判斷、唔可回退。 留返俾人，AI 作為輸入。一個重大 strategy 決定、一個客戶關係決定、一次 brand positioning 改變。呢啲係出錯成本最高、而量又低到唔值得起系統嘅 task。
- 低頻、低判斷、可回退。 如果微不足道就自動化，否則唔好理。一次性嘅數據清理、一份排版工作。節省好細，所以個門檻係「呢個花五分鐘定一個禮拜？」。
回退性測試
如果你只應用一個軸，就應用回退性，因為佢係團隊低估嗰個。直覺係按複雜程度判斷一個 task——「呢個好簡單，自動化佢啦」——而真正嘅問題係「如果個 model 做錯咗會點？」。一個發佈到進行緊賬戶嘅簡單 task，比一個產出由人 review 完先至去任何地方嘅複雜 task 更冒險。
個測試係：如果 model 嘅第一 pass 錯咗，邊個捉到佢，代價係咩？如果答案係「一個 reviewer 喺任何嘢發生之前捉到佢」，個 task 係可回退嘅，係好嘅自動化候選。如果答案係「客戶捉到佢」，無論睇落幾容易，個 task 都需要一道人類門。喺頻率同判斷軸之前應用呢個測試，因為佢覆蓋得到兩者。
Audit 方法
列出 workflow 入面每個 task，喺三個軸上俾每一項打分：頻率高或低、判斷高或低、回退容易或貴。然後將佢哋排入四個象限。同實際做份工作嘅人一齊做，唔好喺一次領導層會議度做，因為判斷同回退性嘅評級，只有 operator 嚟做先誠實。
個產出應該係一張短而有序嘅清單：先自動化嘅可回退低判斷 task、要輔助嘅高判斷 task、以及要放手唔理嘅唔可回退 task。嗰張清單係你嘅自動化 roadmap，佢通常比一個 vendor 想賣俾你嘅清單短得多。
俾工作排序
一次自動化一個 task，端到端，喺繼續之前 measure 個結果。75–80% 原則喺呢度有用，作為 AI 承載得到一個 task 幾多嘅 heuristic，唔係一個要達到嘅目標。由最頻繁、最可回退嘅 task 開始，驗證個循環，俾證據贏取下一個。
排序亦都保護團隊。一個一次自動化十個 task 嘅團隊，有十個新嘅 review 面同零個知邊一個喺度失敗。一次一個意味住每個變化都可見，每個問題都有原因。
Audit 演練
我識得嘅一個 media 團隊跑過呢個 audit，發現咗一件反直覺嘅事：個個都想先自動化嘅 task——拉取每週表現 slide——已經係一個低價值嘅雜活，但最能慳時間嘅 task 係 brief 接收，冇人考慮過佢。份 brief 係頻繁嘅、喺機械部分低判斷嘅、且可回退嘅，因為一份起草好嘅 brief 喺任何工作開始之前會俾人糾正。起草佢成為咗第一個自動化，佢解鎖咗佢背後成條 workflow。
噉係常見嘅結果。最好嘅自動化候選，往往唔係啲人抱怨最多嘅 task，而係坐喺一條慢鏈條前端、且出錯安全嗰個。先畫個 workflow、而唔係孤立咁列 task，正係將佢翻出嚟嘅方式。解鎖另外三個嘅 task，勝過獨自慳十分鐘嘅 task。
輔助 vs 自動化
輔助同自動化之間嘅區分值得講清楚，因為團隊會將佢模糊。自動化意味住個 task 喺冇人在環嘅情況下運行、產出默認交付。輔助意味住 model 產出一個第一 pass，一個人嚟決定。兩者用同一個 model；佢哋嘅唔同在於邊個揸最後決定。
Audit 話你知一個 task 想要邊一個。低判斷且可回退：自動化。高判斷、或唔可回退、或兩者：最多輔助。一個高判斷但可回退嘅 task，係輔助嘅好候選，因為人平價咁捉到錯誤、model 仍然慳到第一 pass 嘅大部分時間。向自動化方向做錯呢件事，係團隊交付啲冇人真正批准過嘅工作嘅方式。
令 audit 活住
Audit 係一張快照，而 task 會變。上季高判斷嘅 task，一旦個 context layer 變好、啲規則寫落嚟，可能變成低判斷。一個可回退嘅 task，如果佢餵俾一個進行緊嘅賬戶，可能變成唔可回退。每季重跑 audit，隨屬性移動移動一兩個 task。
個節奏比初始結果更重要。一次性 audit 俾你一份會過期嘅計劃；季度 audit 俾你一個持續自我調整嘅 operating model。將佢同measurement 框架配對，令每次移動由一個 metric 證明、而唔係一個直覺。
唔好自動化咩
唔好自動化價值就係判斷嘅 task，即便 model 產得出睇落講得通嘅嘢。唔好喺冇人類門嘅情況下自動化任何唔可回退嘅事。唔好自動化一項你了解得唔夠、指定唔到佢產出嘅 task，因為含糊嘅規格產出自信嘅錯答案。亦都唔好淨係因為一個工具 demo 令佢睇落容易，就自動化一個 task。
FAQ
如果一個 task 既高頻又高判斷呢？
輔助佢，而唔係自動化佢。俾 model 產出第一 pass 同選項，俾一個人揀。你捕捉到大部分速度，而唔放棄令個 task 值得做嘅判斷。
我哋該先自動化 reporting 咩？
拼裝嘅部分，係——拉取同排版。解讀應該留返俾人。噉樣拆分個 task，係「自動化雜活」同「自動化思考」之間嘅差別。
我哋點樣處理唔可回退但頻繁嘅 task？
喺每一次 instance 上都放一道人類門，直到錯誤率被證明接近零，然後放一道抽樣嘅門。永遠唔好為一個你撤銷唔到嘅嘢完全移除嗰道門；效率唔值得尾部風險。
一個季度該自動化幾多個 task？
一兩個做紮實勝過五個做一半。每個自動化都創建一個 review 面同一份維護義務，所以個數量受限於你實際跑得到同 measure 得到嘅有幾多。
短版
按頻率、判斷同回退性 audit 每個 task，然後先自動化高頻、低判斷、可回退嗰啲。輔助高判斷嘅工作，將唔可回退嘅決定留返俾人，並將啲變化一次一個排序。回退性係最先應用嘅軸，因為佢決定一個 task 需要幾多 review。Execution 指南覆蓋其餘部分，面向 team lead 嘅 lane將個 audit 貫穿一條真實 workflow 嚟做。
如果你跑過呢個 audit，我好想聽下邊個 task 你以為要自動化、然後決定留返俾人。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、template同配套指南）以英語同日語提供。本網站提供13種語言版本。