《Human + Machine》· 人机协作方法论
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)
- 设计 AI 产品 → 先明确人机分工(AI 高速重复,人判断情感)
- AI 不可靠 → 人在回路(人工兜底/复核)
- 流程要 AI 化 → 拆任务颗粒逐项分配
- 用户信任不足 → AI 结果给人确认
- 团队 AI 能力弱 → 培养公民数据科学家
- AI 输出有伦理风险 → 人负责把关
- AI 应用效果差 → 检查人机分工与反馈回路(不是换模型)
- 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。
本 Skill 由陆羽Skill生成。