AI WORKFLOW NOTES
怎么观察 AI 工作流是否被采用？记录任务结果，不做个人监控
采用情况不等于员工调用次数。用任务级状态、输出核验和例外记录，帮助团队发现流程摩擦并避免过度收集个人行为。
先定义要作什么决定
团队说“想知道 AI 有没有被用起来”时，先问这个信息将支持什么管理决定：是否继续限定试点、是否补培训、是否调整输入资料，还是要排查流程中断。若只是为了给员工排名，数据可能无法改善工作流程，也容易偏离采用评估目的。本文给出任务层面观察建议，不是法律合规意见；个人数据、劳动管理和系统日志的具体要求，应由企业责任人按适用规则审核。
采用指标要对应使用任务。员工尝试过一次、完成任务、接受输出、修正输出和继续用在下一次工作，是不同状态。单一调用次数不能代表交付质量，更不能证明业务结果。
选择最小且有用的任务状态
可以先定义：未开始、由人工完成、AI 辅助后人工确认、AI 流程中断、异常转人工、完成但输出需修改、完成并通过任务检查。状态名称与流程所有者共同确认，并说明谁填、何时填、依据是什么。只有当系统真实记录了某个状态时才进行统计；没有采集或不能可靠识别时写“未知”。
若不需要识别具体员工，可以按工作流、部门或任务类别汇总；只有排查问题必须联系处理者时，才在受限范围内保存最小关联标识，并按企业保存政策处理。避免将产品分析字段连接到与该任务无关的个人绩效档案。
把采用信号和质量护栏一起看
任务完成比例可能提高，但如果输出修改变多、异常漏报或复核时间增加，不能简单宣布采用成功。可以同时记录任务完成状态、人工介入类型、输出质量检查结果、例外是否解决和流程耗时定义。每项指标都写分母、周期、排除项与来源。不要拼凑一个无法解释的“AI 使用指数”。
质量检查应围绕任务风险设计。低风险摘要可以抽查结构和来源标记；涉及客户答复、产品边界、付款或正式系统写入的内容，应采用更严格的人审和权限。这里的风险分类需企业按真实业务确定，不是通用风险等级建议。
用反馈解释数字，不从数字猜员工动机
如果某类任务更多返回人工处理，可能是输入资料不齐、流程说明难懂、权限不足、结果格式不兼容或员工合理判断不适合自动化。统计只能提示哪里需要询问，不能说明具体原因。定期邀请实际使用者描述一次任务中的阻塞，避免将“不采用”归咎于态度或培训不足。
安排小范围复盘，先核对任务和流程版本，再查看异常记录与用户反馈。若问题反复出现，明确责任人决定补资料、调整说明、缩小使用范围或暂停。没有稳定的业务样本时，就把结果视为试点观察，而不是组织层面结论。
适用于组织复盘的最小字段
工作流名称/版本、任务类型、统计周期、任务是否开始、完成状态、是否人工接手、问题类别、复核结果、处理责任人、匿名或汇总方式、数据来源和已知限制。只保留回答管理问题所必需的字段；记录政策应向使用者解释用途、访问者和保存方式。
如果企业还没有统一任务状态或权限说明，先确定这些基础，再做采用分析。本文不是对任何员工监控、劳动管理、隐私或合规问题的法律判断。需要决策时，应交由企业相应责任人审查。
常见问题
调用次数能说明团队真正采用了吗？
不能单独说明。还要结合任务完成、人工接手、质量检查和异常处理，并确认数据来源与统计口径。
一定要记录员工身份吗？
不一定。先判断是否能用工作流或任务类别汇总；如需定位具体问题，仅保留解决问题所需的最小关联信息并遵循组织规则。