人机协作流程怎么设计？一套可落地的重写方法

2026-06-16

很多团队引入 AI 后效果平平，根本原因不是工具不行，而是只把 AI 当成”在老流程里某一步偷个懒”，没有重新设计工作方式。我见过最典型的翻车案例：某公司客服团队买了一套 AI 工单摘要工具，只用来在工单关闭前生成一段总结，前面的分类、分派、回复全部不变。结果三个月后复盘，工单处理周期一秒没缩短——因为瓶颈根本不在”总结”这一步，而在人工分派环节等审批。AI 用错了地方，投入全打了水漂。真正有效的人机协作，需要管理者像设计师一样把整条流程拆开，重新想清楚每一步该谁干、怎么干，再组装回去。下面是一套可以直接套用的方法，附带真实场景的操作细节。

第一步：把流程拆成清晰的步骤

先别急着想”哪里用 AI”，而是把一个工作流完整拆解出来。拿一张表，列出五列：步骤名称、输入、动作、产出、负责人，从触发事件一直写到流程终点，一步都不许合并。

举个例子，“客户合同审核”这条流程原本可能被笼统描述成”法务审合同”，拆开之后其实是这样：

步骤	输入	动作	产出	负责人
1	客户发来的合同草稿	提取关键条款（金额、付款周期、违约责任）	条款清单	商务
2	条款清单	对照标准模板找差异	差异标注表	法务助理
3	差异标注表	判断哪些差异可接受、哪些需要谈判	风险评估意见	法务
4	风险评估意见	与客户沟通修改	定稿合同	商务负责人
5	定稿合同	归档、录入合同管理系统	合同台账记录	行政

拆到这个粒度，你会立刻发现问题：第 1、2 步其实是纯体力活，第 3、4 步才是真正需要经验和判断的地方，第 5 步是纯执行。没拆开之前，团队常常把”合同审核”整体当成一个”重要、慢、需要资深法务”的黑箱，结果资深法务的时间被前两步的体力活耗掉一大半。拆得越细，后面分工才有依据；拆得太粗，AI 和人的边界永远划不清。

第二步：标注哪些交 AI、哪些人工把关

有了步骤清单，逐个判断它的性质，用三个问题快速筛选：

这一步出错的代价有多大？ 代价小（比如格式不对可以重来）就适合先让 AI 上；代价大（比如报错的合同条款）必须人工兜底。
这一步的判断标准能不能写清楚？ 能写成规则或范例的（提取条款、生成初稿、格式转换），AI 做得又快又稳；说不清楚、靠经验拿捏分寸的（谈判尺度、客户情绪判断），人来做。
这一步是否涉及对外承诺或责任认定？ 涉及的，哪怕 AI 能做，也必须挂一个人工确认动作，不是因为 AI 做不好，而是出了问题要有人担责。

回到上面的合同例子：第 1、2 步（提取条款、找差异）几乎可以完全交给 AI，人工只需抽检；第 3 步（风险判断）AI 可以先给一版建议，但拍板必须是法务；第 4 步（谈判沟通）AI 顶多打个草稿，真正沟通还是人；第 5 步（归档）可以全自动化，不需要人工审核。

标注完，你会得到一张”人机分工图”，这是整个流程的骨架。这一思路与管理者如何用 AI中的人机分工一脉相承。这里最容易踩的坑是一刀切：要么觉得”法务的活儿都很重要”，全部拒绝 AI 介入，结果效率原地踏步；要么图省事，把风险判断也丢给 AI 全自动跑，出了问题才发现没人在把关。分工图画完之后，最好让流程的直接负责人和被分工的人都看一遍，很多误判是靠一线反馈修正出来的，不是管理者一个人在办公室里能想全的。

第三步：在关键节点设质量关卡

人机协作最大的风险是错误顺着流程往下流，越走越难发现——AI 生成的内容如果第一步就有偏差，后面每个环节都在这个错误基础上继续加工，等发现的时候已经积重难返。所以要在关键节点设”关卡”：明确的人工确认点，而且必须写清楚三件事——谁负责确认、用什么标准确认、确认不通过怎么办。

还是拿内容团队常见的”AI 辅助写公众号文章”流程举例，一个可用的关卡设计是这样的：

关卡一（选题后）：AI 出选题方向和大纲，编辑确认大纲逻辑是否成立、是否踩了敏感话题，不通过打回重写大纲；
关卡二（初稿后）：AI 写完初稿，编辑核对事实性内容（数据、案例、引用）是否准确，这一步不看文笔，只看对不对；
关卡三（发布前）：主编做最终通读，确认口吻、立场符合账号调性，通过才能发布。

关卡不必每步都设，但凡是”错了代价大、或者错了很难倒查”的位置必须有，比如涉及对外发布、涉及金额、涉及法律条款的环节。反过来，内部草稿、格式调整这类环节设关卡反而拖慢节奏，是浪费。关卡的负责人和验收标准要落到文档里，不能靠”大家心里有数”，人员一变动、流程立刻散架。

第四步：定义衡量指标

没有指标，就无法判断改造是否有效，也没法在向上汇报时拿出说服力。给新流程定几个可观察、能拿到真实数据的指标，别停留在”感觉快多了”：

周期时间：从流程触发到完成的总时长，比如”合同从收到到定稿平均用了多少天”，改造前后各测一次；
返工率：需要打回重做的比例，比如”关卡二打回初稿的次数 ÷ 总初稿数”，返工率高说明前一环节质量不过关，不是关卡设错了地方；
单位产出成本：完成一个单位工作量花的人工时间，比如”每份合同审核平均消耗的法务工时”；
质量合格率：最终产出一次通过关卡、无需二次修改的比例。

注意衡量的是结果，而不是”有没有用 AI”，也不是”AI 用得多不多”。我见过团队把”AI 使用次数”当 KPI，结果大家为了凑数据硬塞 AI 进本来不需要的环节，指标好看，流程反而更慢。指标至少要跑够一个完整周期（比如两到三周）才有参考意义，第一周的数据往往因为大家还不熟悉新流程而失真，别急着下结论。

第五步：小步迭代，持续优化

第一版流程几乎不可能完美。把流程当成可以不断调整的产品，而不是一次性定型的规章制度：

先在小范围跑通，比如挑一个团队或一类业务先试，不要全员同时切换；
每轮只改一两个环节，看指标怎么变——同时改五个地方，出了问题你根本分不清是哪个改动导致的；
把好的做法沉淀成团队的标准操作（SOP），写清楚每一步的输入输出和验收标准，再向相邻场景复制。

一个常见的失败模式是”迭代疲劳”：跑了一轮发现效果不明显，就直接放弃回到老流程。多数情况下问题出在关卡设置或分工判断上，不是”人机协作”这个思路本身有问题，回头对照第二、三步重新检查一遍，往往能找到症结。

一个简单的落地节奏

拿”客服工单响应”这条流程走一遍完整节奏：

第一周：选定试点——客服团队里响应最慢的”售后退换货”工单类型，拆步骤（接单、分类、查政策、拟回复、审核、发送），画人机分工图（AI 负责分类和拟回复草稿，人工负责查政策依据和最终审核），在”发送前”设唯一关卡；
第二、三周：小范围跑，只让两名客服试用，每天记录周期时间和返工率；
第四周复盘：如果返工率偏高，大概率是 AI 拟的回复经常查错政策条款，这时候该调的不是关卡，而是给 AI 补充更准确的政策知识库，让它在源头少犯错；
稳定后：把跑通的流程写成 SOP，向”退货工单”之外的其他工单类型复制，逐步扩大范围。

流程设计是管理者把 AI 真正用进业务的核心能力，比选工具、比调 prompt 更重要的正是这套”拆解—分工—设关卡—量指标—迭代”的方法论。想看完整的重写方法和案例拆解，可以学习我们的管理者课程；需要外部协助梳理流程，也可以了解企业服务。