基础认知 · 场景选择
如何选择第一个真正值得做的 AI 任务
最好的起点通常不是最宏大的项目，而是一项高频、可逆、材料明确、结果能检查的真实工作。
本页目录
学完这一篇，你应该能够
- 用频率、风险和可验收性筛选场景
- 识别不适合首轮自动化的任务
- 为试点写出清楚的成功标准
先找摩擦，不先找模型
盘点一周工作，优先寻找反复读取、整理、比较、改写和检查的任务。模型名称会变化，真实摩擦点通常更稳定。
- 发生频率高
- 输入来源相对稳定
- 输出格式能够约定
- 错误容易发现并能回退
- 有明确的结果使用者
首个试点避开高事故半径
付款、签约、价格承诺、人事决定和敏感数据外发不适合直接自动执行。可以先让 AI 做只读分析、异常提示或草稿，再由有权限的人批准。
把节省时间换成可验收指标
只写“提高效率”无法判断试点是否成功。应记录原耗时、字段完整率、错误类型、人工退回原因和最终节省的步骤。
- 质量：关键字段是否完整、事实能否追溯
- 效率：同等质量下减少多少人工步骤
- 风险：是否出现越权、泄露或静默覆盖
- 复用：换一批材料后是否仍能工作
动手练习
列出五项候选任务，用“频率、材料明确、可验收、可回退、风险”各打 1—5 分，选择总分最高且风险最低的一项作为试点。
完成标准
- 选定了一项单一而真实的任务
- 排除了至少一项高风险自动执行场景
- 写出了三项可记录的验收指标
资料说明
根据 PandaUp 课程逐字稿、课程母版与脱敏实践材料重新编写。本文为公开原创整理，不是录音或课件的逐字转载；涉及产品能力、价格、政策和其他时效信息时，请以使用当日的官方资料为准。