---
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。