重复度
更适合：高频、模板化、相似输入持续出现。
更不适合：一次性、探索性、强创造性问题。
Method 04 · Automation decision
三维决策框架
先拆动作，再用重复度、规则清晰度和失败代价决定 AI 应该全自动、出初稿待审，还是只提供建议。
01 · 为什么需要一把尺子
“这件事能不能 AI 化”很容易被两种直觉接管：一种因为新工具兴奋而过度自动化，另一种因为不确定而把所有动作都留在原地。两种答案都没有在同一组维度上比较不同工作。
这套框架来自对真实任务记录的系统分析，也在新媒体 AI 试点里被用来决定哪些动作交给机器、哪些必须设置人工门。它是一把分级筛，不是自动判定器。
02 · 三个维度
规则清晰度
更适合：步骤固定、输入输出可说明、验收标准明确。
更不适合：依赖隐性默契和主观判断。
失败代价
更适合：错误可回退、能在发布前发现。
更不适合：不可逆、涉及金额、合规或外部副作用。
03 · 五步做出决定
- 01
拆动作，不判断整个岗位
“做新媒体”太大；收集、去重、选题、起草、复核与发布才是可以判断的单位。
- 02
逐项看三个维度
不要用平均分掩盖一票否决项；失败代价极高时，即使前两项很绿也要保留人工门。
- 03
选择介入档位
全自动、高替代或辅助加速，分别对应人是否退出执行链、只做质量门或仍掌握决策。
- 04
写清验收者与停止条件
来源不明、事实冲突、权限不足或无法判断风险时，流程在哪里停、交给谁。
- 05
用小范围试点校准
框架给初始判断，真实使用决定它是否成立；异常和返工必须回到下一轮评分。
04 · 三档落地形态
全自动
重复高、规则明确、错误可回退。人不在日常执行链，但仍负责规则、权限和异常升级。
高替代
AI 完成初稿或重复处理，人是发布前质量门，适合错误可被发现但不能直接放行的工作。
辅助加速
AI 提供建议、检索和结构，人仍决定方向与执行，适合规则不完整或失败代价较高的动作。
05 · 具体案例：内容生产试点
新媒体 AI 项目没有把整条内容链一次性交给机器。内容收集、整理和初稿重复发生、规则相对可说明，适合高替代；事实来源、版权、品牌表达与最终发布失败代价更高，始终保留人工门。
归类和格式转换可自动执行，结构化草稿由 AI 先做、人在发布前验收；事实、来源、品牌、版权与发布责任始终留给人。完整的项目推进与阶段结果不在方法页复述。
查看脱敏职业案例的完整人机边界 →06 · 框架怎样被误用
把打分当答案
框架压缩讨论，不替代责任人拍板；维度权重也会因情境变化。
忽略组织能力
没有稳定输入、维护者和验收标准，即使三维全绿也不该启动。
用于早期战略探索
新方向需要试错和主观判断，过早评分会把探索收敛到已知流程。
07 · 证据与边界
源材料包含一次较大范围的内部任务分析，并据此提出多个候选工作流。原始记录可在项目材料中回查，但样本范围、去重与长期公开授权尚未单独确认，因此本页不把任务总数和候选数量作为公开成果指标。
- 可以公开：三个维度、三档介入方式、具体脱敏案例和停止条件。
- 需要确认：内部任务规模、团队分布、候选工作流数量与长期统计口径。
- 不公开：组织、人员、任务明细、系统权限和内部业务数据。
这是一把“分级筛”，不是“自动判定器”。打完分，仍然要有人为风险、权限和结果负责。