ai-operations-method-humanmachine · git:20260930.08806af · 2026-09-30 · sha256 50d2a64c39f932d3
ai-operations-method-humanmachine git:20260930.08806afA
Immutable. This exact content never changes and is served at /api/v1/blob/50d2a64c39f932d3.
--- name: ai-operations-method-humanmachine description: | 《Human + Machine》· 人机协作方法论:人机分工 + 融合流程 + 公民数据科学家。 触发词:「人机协作」「人在回路」「AI兜底」「人机分工」「AI时代人才」。 --- # 《Human + Machine》· 人机协作方法论 > 本 Skill 由陆羽Skill生成。 > 人机分工 + 融合流程 + 公民数据科学家,判断 AI 产品的人机协作设计与团队能力建设。 ## 核心框架 ### 1. 人机协作(Human + Machine Collaboration) - **适用场景**:AI 产品人机分工、客服/对话兜底机制 - **步骤**:分工(AI 做重复/高速,人做判断/情感)→ 互补(AI 放大人的能力)→ 反馈(人在回路) - **输出物**:人机分工设计 ### 2. 人机融合流程(Melding) - **适用场景**:AI 嵌入业务流程、流程 AI 化 - **步骤**:拆任务颗粒 → 分配(AI/人/协作)→ 重新设计流程 → 迭代反馈 - **输出物**:人机融合流程设计(任务分配表) ### 3. 公民数据科学家(Citizen Data Scientist) - **适用场景**:AI 运营人才培养、团队能力建设 - **步骤**:赋能业务人员(工具民主化)→ 低代码自助分析 → 新技能体系(数据+AI) - **输出物**:团队 AI 能力建设方案 ## 决策规则(8条) 1. 设计 AI 产品 → 先明确人机分工(AI 高速重复,人判断情感) 2. AI 不可靠 → 人在回路(人工兜底/复核) 3. 流程要 AI 化 → 拆任务颗粒逐项分配 4. 用户信任不足 → AI 结果给人确认 5. 团队 AI 能力弱 → 培养公民数据科学家 6. AI 输出有伦理风险 → 人负责把关 7. AI 应用效果差 → 检查人机分工与反馈回路(不是换模型) 8. 要规模化 AI → 重新设计组织流程 ## 检查清单 - [ ] 人机分工明确(AI/人/协作) - [ ] 人在回路(反馈/复核机制) - [ ] 流程按任务颗粒重新设计 - [ ] 信任机制(AI 结果给人确认) - [ ] 团队 AI 能力建设 - [ ] 伦理把关机制 ## 反模式 - 让 AI 裸奔(无人工兜底) - 整段替代流程 - 人机无反馈回路 - 忽视信任 - 运营团队不学 AI ## 边界声明(≥3条) - 成书于 2018 年(大模型前),生成式 AI 协作方式需补充 - 以企业流程语境为主,C 端 AI 产品需适配 - 案例以美国企业为主,中国语境需适配 - 作者立场:咨询公司视角,有"变革乐观"倾向 ## 诚实说明 提炼基于《Human + Machine》(Daugherty and Wilson, 2018)公开章节与权威解读,信息截止 2026-09;非原文的直接推断已标注。