企业官网建设流程全解析

1 -> 引言

讨论 AI 对工作的影响时，人们经常从岗位名称出发：客服会不会被替代，运营是否还需要写报告，财务是否会减少重复对账。这样的讨论很容易走向两个极端，要么把 AI 描述成什么都能做，要么因为它会犯错而否定整个方向。

更有用的观察单位不是岗位，而是任务。一个岗位通常同时包含资料收集、规则处理、沟通协调、例外判断和责任承担。AI 可能已经能处理其中一部分，却未必能理解整条流程，更不能自动获得对外承诺、修改权限或删除数据的授权。

因此，真正需要重新设计的不是“哪些人要被 AI 替代”，而是任务如何拆分、证据怎样保留、哪些节点必须由人判断。只有把这些问题说明白，AI 才可能减少重复劳动，而不是额外制造一批需要检查的输出。

2 -> 岗位不会一次改变，任务会逐项迁移

国际劳工组织在 2025 年更新的生成式 AI 职业暴露研究中，把分析落到了具体任务上。研究认为，多数职业更可能发生工作内容转变，而不是整个岗位被直接自动化。这里的“暴露”只表示某些任务可能受到 AI 影响，并不等于工作已经能够在真实环境中无人完成。

这种区分符合日常经验。以客户运营为例，同一个人可能同时做以下工作：

• 汇总多个渠道的客户反馈；
• 识别重复问题并统计频率；
• 判断某条反馈是否涉及合同、隐私或重大投诉；
• 与产品、销售和客户确认事实；
• 决定是否承诺解决时间；
• 跟踪问题是否真正关闭。

前两项具有较明确的输入和输出，适合让 AI 或程序先处理。中间两项需要业务背景和跨部门沟通。最后两项涉及承诺和责任，不能因为 AI 生成了一个看似完整的回复，就默认系统已经获得授权。

NBER 的生成式 AI 客服现场研究分析了 5,179 名客服人员。研究发现，引入 AI 助手后，每小时解决的问题数平均提高约 14%，新手和低技能员工的改善更明显，而经验丰富员工的变化较小。这个结果可以说明 AI 有机会传播已有经验，但它来自特定客服场景，不能直接外推成“所有知识工作都会提高 14%”。任务类型、数据质量和验收方式不同，结果也会不同。

3 -> 委派之前，先写清楚任务契约

很多 AI 任务失败，并不是模型完全没有能力，而是人只描述了目标，没有说明边界。例如“分析客户反馈”至少缺少以下信息：分析哪段时间、哪些文件算正式来源、允许使用哪些分类、结论需要什么证据、遇到个人信息怎么办、结果要写入系统还是仅供审阅。

把任务写成一份简短契约，可以显著降低这种模糊性：

任务：整理本月客户反馈，并找出重复出现的问题 输入： - feedback.csv，版本日期为 2026-09-25 - 字段包括 id、channel、created_at、content 范围： - 只分析本月记录 - 不推断记录中没有出现的客户意图 - 不把客户姓名、电话和邮箱写入结果 完成标准： - 每个主题至少关联一条原始记录 ID - 结论必须附带原文证据 - 无法判断的记录进入 needs_review，不强行分类 必须暂停： - 输入文件版本冲突 - 出现未脱敏个人信息 - 需要向客户发送消息或做出承诺 交付： - classified_feedback.jsonl - summary.md - needs_review.csv

任务契约的作用不是把提示词写得很长，而是让“完成”成为可以检查的状态。AI 做不到的部分也要被明确记录，而不是藏在一段流畅的总结里。

判断自动化程度时，可以使用两个简单维度：结果是否容易独立验证，错误造成的影响是否容易控制。

低影响、可验证的工作，例如格式转换、去重和字段完整性检查，可以自动执行并抽样复核。高影响但可验证的工作，例如财务对账和对外发布，可以由系统准备、人批准后执行。难以验证的开放式研究应先限制样本；既难验证又影响重大的任务，则应保持人工主导。

4 -> 一个完整例子：让 AI 归类客户反馈

假设团队每月收到 300 条客户反馈，需要输出高频问题和原文证据。直接让模型阅读全部内容并写总结，虽然省事，却会留下三个问题：无法确认是否漏掉记录，主题名称可能每次变化，摘要里的结论也不一定能追溯到原文。

更稳妥的流程可以拆成五步。

第一步，程序先检查输入。确认 ID 唯一、日期合法、正文非空，并在送入模型前删除不必要的个人信息。确定性工作应尽量由代码完成，不必消耗模型判断。

第二步，按固定批次让 AI 分类。输出使用 JSON Lines，每一行只对应一条输入记录：

{"id":"F-0182","theme":"delivery_delay","confidence":0.91,"evidence":"预计到货时间多次变化","needs_review":false}

第三步，用程序检查输出结构。下面的脚本只依赖 Python 标准库，可以发现缺字段、非法主题、重复 ID、置信度越界和需要人工复核却没有证据的记录。

from__future__importannotationsimportjsonfrompathlibimportPath ALLOWED_THEMES={"delivery_delay","product_quality","billing_question","feature_request","service_experience","other",}REQUIRED_FIELDS={"id","theme","confidence","evidence","needs_review",}defvalidate_record(record:dict,line_number:int)->list[str]:errors:list[str]=[]missing=REQUIRED_FIELDS-record.keys()ifmissing:errors.append(f"line{line_number}: missing{sorted(missing)}")returnerrorsifrecord["theme"]notinALLOWED_THEMES:errors.append(f"line{line_number}: unknown theme{record['theme']!r}")confidence=record["confidence"]ifnotisinstance(confidence,(int,float))ornot0<=confidence<=1:errors.append(f"line{line_number}: confidence must be 0..1")ifnotisinstance(record["needs_review"],bool):errors.append(f"line{line_number}: needs_review must be boolean")ifnotstr(record["evidence"]).strip():errors.append(f"line{line_number}: evidence is empty")returnerrorsdefmain()->None:path=Path("classified_feedback.jsonl")seen_ids:set[str]=set()errors:list[str]=[]forline_number,lineinenumerate(path.read_text(encoding="utf-8").splitlines(),start=1):try:record=json.loads(line)exceptjson.JSONDecodeErrorasexc:errors.append(f"line{line_number}: invalid JSON:{exc.msg}")continueerrors.extend(validate_record(record,line_number))record_id=record.get("id")ifrecord_idinseen_ids:errors.append(f"line{line_number}: duplicate id{record_id}")seen_ids.add(record_id)iferrors:print("Validation failed:")forerrorinerrors:print(f"-{error}")raiseSystemExit(1)print(f"Validation passed:{len(seen_ids)}records")if__name__=="__main__":main()

第四步，把低置信度、other类别以及规则冲突的记录交给人，而不是平均检查所有记录。第五步，再根据通过检查的数据聚合主题数量，生成总结，并抽查高频主题对应的原文证据。

这个流程并不能证明语义分类一定正确。结构校验只能发现格式错误，不能发现模型是否误解了一句话。因此仍然需要黄金样本、人工抽查和错误记录。它的价值在于把问题拆开：程序保证格式和数量，AI处理语义，人处理例外和责任。

5 -> AI 输出越多，审核设计越重要

当一个人可以同时启动多项任务，新的瓶颈往往从“没有时间做”变成“没有时间检查”。五份十页报告可能在几分钟内生成，但阅读和判断的成本并没有消失。

Microsoft Research 在生成式 AI 的自动化反讽研究中总结了几类可能造成效率损失的情况：人的角色从生产转向评估，原有工作流被不恰当地重组，系统产生更多中断，以及自动化让容易的工作更容易、困难的工作反而更难处理。

因此，审核不能只是任务末尾的一句“请人工确认”。一份便于审核的交付至少要包含：

1. 使用了哪些输入和版本；
2. 哪些检查已经由程序完成；
3. 结果中的证据如何回到原始材料；
4. 哪些部分置信度低或存在冲突；
5. 现在需要人做什么决定；
6. 执行后是否可以撤回。

对于低风险批处理，可以在结果阶段抽样。涉及资金、权限、隐私、数据删除和对外承诺时，人必须在执行前确认。若系统只能展示一个默认答案，还应主动提供反例和缺失证据，避免审核者长期变成只会点“同意”的橡皮图章。

6 -> 评估一次改造，不能只看生成速度

判断一条 AI 工作流是否有价值，至少要记录四类数据：从启动到可用结果的总周期，人工介入时间，返工次数，以及最终被采纳的结果比例。Token 用量、调用次数和生成字数可以帮助核算成本，却不能代替结果指标。

第一次实验不必选择复杂流程。可以选一项每周重复、输入相对稳定、失败容易撤回的任务，保留原人工流程作为对照。连续运行两到四周后，再比较总耗时、错误率和审核负担。若生成更快但返工更多，就不能简单称为效率提升。

Anthropic 对自有产品使用情况的经济指数分析也显示，不同职业和任务在协作增强与直接自动化之间差异明显。这类平台数据能帮助观察使用模式，但受到用户构成和产品特性的影响，不能替代团队自己的流程数据。

AI 进入非技术工作后，最值得学习的并不是某一套提示词，而是流程意识：知道输入来自哪里，知道完成标准是什么，知道哪些错误可以自动发现，也知道哪些决定必须由人理解并负责。

从一个任务开始，把它拆成确定性处理、语义判断、程序验证和人工决策四部分。能稳定通过验收的部分再逐步自动化，不能验证的部分则保留边界。这样的改造速度可能没有想象中那么快，却更容易形成长期可用的工作方法。