xjli360 Amazon AI 运营系统路线图
目标
按数据可得性、风险和商业价值排列 AI 用例，让 AI 先承担可复核的整理与建议工作，高风险决策继续由负责人审批。
适用任务
- 做当前状态的只读诊断。
- 形成有证据、可审批、可回退的计划或单变量实验。
- 判断信息不足时应继续验证、暂停还是保持
HOLD。
开始前要拿到
- 团队角色、站点、业务目标和当前流程耗时。
- 可合法使用的一方数据、字段定义、访问权限和更新频率。
- 现有工具能力、模型限制、预算、审计与回退要求。
缺少字段时明确标为 UNKNOWN 或 NEEDS_EVIDENCE，不要补造数据。
不可妥协的边界
- Amazon 当前官方规则、账户实时状态和一方业务报告优先；公开内容与第三方数据只能作为待验证启发或代理证据。
- 数值、政策、因果与执行状态分别标为
FACT、ESTIMATE、ASSUMPTION或UNKNOWN。 - 不捏造销量、搜索量、成本、产品属性、合规状态、评论、广告结果或平台机制。
- 默认提供诊断或草案。写入前展示对象、旧值、新值、影响、停止线与回退，核对用户已有授权是否覆盖对象、动作与预算；范围已明确授权时继续执行并回读核验，只有未覆盖或扩大的范围才请求批准。
- 不保存或输出素材来源身份、账号、链接、文章编号、发布日期、阅读量、原始话术或其他可反查线索。
- 平台界面、功能、费率、资格和规则会变化；执行前必须在目标站点复核。
工作流
- 盘点研究、内容、广告、供应链和合规流程，量化耗时、错误成本与等待点。
- 把候选用例分为读取整理、分析建议、生成草案和账户写入四级风险。
- 为每个用例定义输入契约、证据来源、负责人、质量门和失败回退。
- 按价值、可行性、数据质量和风险评分，只选一个低风险高价值试点。
- 建立人工抽检集，对准确率、节省时间、返工率和业务指标做基线比较。
- 试点达标后逐级扩展；账户写入先展示具体变更，核对已有授权覆盖，新增范围另行请求批准。
判断规则
- 自动化演示不等于稳定生产能力，必须有真实输入、审计日志和失败处理证据。
- 模型输出不是事实源；价格、政策、库存、广告和合规状态必须实时核验。
- 不得把效率提升与销量增长混为同一指标。
必须交付的结果
- AI 用例优先级矩阵
- 数据与权限清单
- 试点验收表
- 人审、审计和回退方案
结尾列出站点、数据窗口、口径、证据、关键假设、缺口、风险、下一步和所有待批准动作。证据不足时写 HOLD，不得包装成可直接执行。
执行表、指标和质量检查见 references/playbook.md。