如何判断AI能做什么、需要什么、怎么实现
每个场景请选择：能做 / 不能做。现场结果将以红蓝对抗进度条实时展示。
蓝色：能做 红色：不能做
单位：东方数科
东方数科人工智能研发中心
忽略业务边界、数据基础、系统条件和责任约束，容易把AI想象成"万能替代"。
在有限资源投入下，只看到当前限制，忽略AI在局部任务、辅助判断和流程增强中的价值。
不知道AI具体做哪一段任务。
没有核查知识、规则、数据和系统条件。
不知道用问答、文档处理、工作流还是智能体。
明确AI任务的输入输出。
检查业务资源与前置条件。
匹配AI应用实现路径。
用 SOW 文件流明确 AI 任务的输入输出
把业务流程拆成文件节点，把文件映射转化为 AI 任务。
业务流程包含人员、审批、责任和管理动作；AI 真正能够读取、理解和生成的，通常是文件、表格、数据、图片、系统记录等信息载体。
业务动作很大，直接判断"AI能不能做"容易失真。
文件节点明确后，输入输出和任务边界才容易判断。
讲授重点：先把业务流转化为文件流，再讨论 AI 能处理哪一次文件转换。
梳理业务从开始到结束的主要处理过程。
把业务动作转化为真实存在或应当存在的文件节点。
识别相邻文件节点之间的信息转换关系。
明确输入文件、输出文件、转换动作和复核机制。
只要它承载业务信息、可以被读取、可以被保存，就可以作为 SOW 文件流中的节点。
例如：资质要求清单、投标响应对照表、问题与风险清单。
字段、章节、条款、结论、依据、数据或处理记录要能说清楚。
它是输入材料、过程产物、待复核结果，还是正式成果。
名称模糊、内容不确定、状态不清楚，难以作为 AI 任务边界。
名称、内容、状态更明确，可以承接输入输出和复核责任。
不要直接把完整审核流程交给 AI，而是先找到流程中的文件节点和转换关系。
蓝色节点：AI 可生成或辅助生成；灰色节点：人工确认或正式责任节点。
输入是什么？输出是什么？转换规则是什么？谁来复核？
说不清楚输入输出的任务，暂时不适合直接做 AI 落地。
从文件中提取字段、条款、要求、指标。
例：招标文件 → 资质要求清单
把两个文件逐项匹配，识别差异或缺失。
例：招标文件 + 投标文件 → 响应对照表
基于资料、模板或问题清单生成初稿。
例：问题清单 → 初版审查意见
按规则检查完整性、一致性、合规性。
例：投标文件 + 规则清单 → 校验结果
讲授重点：不同映射类型，后续对应的实现路径也会不同。
招标文件、项目类型、字段模板。
识别资质、业绩、人员、证书等要求，并保留原文出处。
资质要求清单，按预设字段结构化输出。
投标专员或专家复核后，作为后续响应检查依据。
输入文件明确、输出格式稳定、转换规则可描述、结果允许复核、错误风险可控制。
| 编号 | 候选 AI 任务 | 类型 |
|---|---|---|
| T1 | 提取招标文件中的资质要求 | 抽取类 |
| T2 | 生成投标响应对照表 | 比对类 |
| T3 | 识别响应缺失项和异常点 | 校验类 |
| T4 | 按照风险清单生成初版风险提示 | 生成类 |
| T5 | 生成初版审查意见 | 生成类 |
定边界不是限制 AI，而是让 AI 真正进入业务。
系统将根据现场选择结果动态排序，展示大家认为"最适合AI辅助"的任务。
任务具体，输入是招标文件，输出是资质要求清单。
任务边界较清楚，可围绕条款与响应内容进行匹配。
由"判断重大商务风险"具体化，降低责任与判断边界风险。
输入是问题或关键词，输出是制度原文与出处，适合AI辅助。
用问题量表评估 AI 落地成熟度
不要凭感觉判断基础好不好，用一组问题把基础问清楚。
第一章得到 AI 任务边界卡后，第二章要继续判断：这个任务有没有足够的知识、规则、数据和系统基础支撑。
输入文件、映射动作、输出文件、复核机制。
把基础条件转化为一组可回答的问题。
知识、规则、数据、系统分别形成成熟度评分。
根据低分维度和红线风险确定下一步。
基础明显不足，当前无法支撑 AI 稳定落地。
已有一定基础，但质量、稳定性或责任边界仍需补齐。
基础较成熟，可以支撑试点或进入后续路径设计。
四个维度，每个维度 12 个问题，适合课后评估或系统工具化。
四个维度，每个维度 3 个关键问题，适合现场快速判断。
有没有权威、最新、可追溯的知识材料作为依据。
业务判断逻辑能不能拆成步骤、条件、检查项。
数据来源、质量、口径、权限和追溯是否可靠。
接口、工具、安全、日志、运维是否支撑正式运行。
| 85–100 | 成熟型：基础较成熟，可进入方案设计和试点落地。 |
| 70–84 | 可试点型：具备基本条件，可小范围试点并同步补齐短板。 |
| 50–69 | 准备型：基础不足，应先做知识、规则、数据或系统准备。 |
| 0–49 | 暂缓型：不建议直接启动 AI 应用落地。 |
关注正式材料、经验材料、隐性知识是否存在，是否最新、准确、可进入知识库并支持引用追溯。
关键词：依据、版本、口径、追溯
关注业务处理规则是否清楚，能否拆成步骤、条件、分支和检查项，以及 AI 输出是否具备人工确认边界。
关键词：规则、步骤、检查项、复核
关注数据来源、质量、口径、权限和追溯条件。数据不可信，AI 生成的分析和结论也不可用。
关键词：来源、质量、口径、权限、追溯
关注是否需要接入业务系统、是否具备接口和工具能力，以及身份认证、权限控制、日志留痕和运维条件是否到位。
关键词：接口、工具、权限、日志、运维
如果触发红线风险，即使总分看起来不低，也应先处理基础问题，再进入 AI 应用建设。
关键知识材料不存在，正式有效依据无法确认，核心业务口径冲突且无人确认。
高风险结论、正式文件或对外输出没有人工复核要求，AI 结果被设计为直接生效。
关键数据无法获取，数据权限不明确，核心指标口径冲突或结论无法追溯。
涉及系统写入、审批或流程触发，但没有权限控制、日志留痕和问题处置机制。
从招标文件中提取资质要求，生成资质要求清单。
背景：已有近三年招标文件样本；资质要求字段模板初步明确；部分文件格式不统一；专家口径基本一致但尚未形成标准清单；当前系统暂不对接，只支持文件上传处理；输出由投标专员复核后使用。
资料较充分，但版本、模板和专家经验仍需整理。
字段模板初步明确，但例外情形和检查项仍需标准化。
主要依赖文档输入，结构化数据不是强依赖项。
暂不接系统，适合先做文件上传版轻量试点。
示例结论：总分 61/100，属于准备型到可试点型之间，建议先做"文件上传 + 信息抽取 + 人工复核"的轻量试点。
先补资料、清版本、统一口径、建设可追溯知识库。
先梳理业务规则、检查清单、例外情形和人工复核边界。
先确认数据来源、指标口径、权限范围和结果追溯条件。
先做文件上传或半自动试点，暂缓系统写入和复杂流程集成。
基础评分决定落地深度，最低分维度决定优先补齐方向。
匹配 AI 应用实现路径
路径不是越高级越好，而是越匹配越好。
第一章确定任务边界，第二章评估基础成熟度，第三章才判断该用哪条实现路径。
AI 具体做哪一段？输入是什么？输出是什么？谁来复核？
知识、规则、数据、系统基础是否支撑当前落地深度？
是否涉及正式结论、系统写入、流程触发或高风险动作？
路径越靠后，能力上限越高，但基础要求、集成难度和治理难度也越高。
材料已有，帮我改好。适合润色、总结、改写、翻译、审稿。
知识已有，帮我查准。适合制度问答、材料复用、依据追溯。
步骤已有，帮我跑稳。适合固定流程、多步处理、稳定输出。
工具已有，帮我办事。适合调用系统、数据库、接口和插件。
角色已有，帮我协同。适合多专业、多角色复杂任务。
适合输入材料较完整、任务边界较清楚、主要目标是润色、改写、总结、翻译、审稿等轻量辅助的场景。
不能在缺少依据、材料和规则的情况下直接生成正式结论。
汇报材料润色、会议纪要整理、新闻稿改写、摘要生成、语言规范检查。
输入材料较完整，不强依赖内部知识库、业务系统接口和实时数据。
输出结果需要人工复核和二次修改，不能直接替代业务判断。
当输出需要引用内部知识、历史依据或制度来源时，应升级为 RAG 知识库路径。
适合制度问答、标准规范检索、历史材料复用、报告初稿生成、招投标文件辅助编制。
边界：效果取决于知识库质量、切分策略、检索效果和更新机制。
适合标准化报告生成、固定模板材料编制、文档分段审查、表单信息提取与填报。
边界：不适合规则频繁变化、判断高度开放、无法拆分步骤的复杂任务。
没有知识库，RAG 无从增强；没有规则，工作流无法稳定。
Agent 适合目标驱动、需要自主拆解步骤、需要调用系统、数据库、接口、插件或工具的任务。
用户提出要完成的业务目标。
拆解步骤，决定调用什么能力。
查询、取数、文件处理、消息通知。
观察结果，继续执行或交由人工确认。
智能问数、跨系统资料汇总、业务系统查询、自动查询数据并生成报告。
没有工具，Agent 只能建议，不能办事；涉及系统写入和流程触发时，必须人工确认和日志追溯。
多智能体适合多角色、多专业、多步骤协同的复杂任务，但前提是已有成熟知识库、工作流、工具和单 Agent 能力。
拆分任务、协调角色、汇总结果。
检索知识、收集资料、整理依据。
生成初稿、补充章节、优化表达。
按规则和专业要求进行校核。
检查一致性、完整性和格式规范。
没有明确角色、成熟能力和评价标准，多智能体容易变成"多个 AI 一起聊天"。
| 路径 | 适用条件 | 典型效果 | 主要短板 |
|---|---|---|---|
| Prompt | 材料完整、边界清楚 | 润色、总结、改写、审稿 | 不能补依据，不能替代判断 |
| RAG | 知识材料充分、需要引用追溯 | 制度问答、材料起草、资料复用 | 依赖知识库质量和检索效果 |
| 工作流 | 步骤稳定、规则明确 | 多步处理、稳定输出、可复现 | 需要流程、规则和异常处理沉淀 |
| Agent | 需要工具和系统调用 | 查系统、调工具、执行辅助 | 依赖接口、权限、日志和工具体系 |
| 多智能体 | 单点能力成熟、多角色协同 | 复杂方案、多专业审查、协同生成 | 治理难度高，不适合作为起点 |
讲授重点：基础不足时，不要被 Agent 和多智能体的上限吸引，先选择当前能稳定落地的路径。
优先 RAG，暂缓复杂系统集成。
优先工作流，保证稳定和可复现。
可以探索 Agent，强化权限和日志。
暂不落地，先补知识、规则、数据和系统基础。
基于知识库生成材料初稿，兼顾表达和依据。
分步骤检索依据、生成清单、输出报告。
流程固定，部分节点调用系统工具。
单 Agent 能力成熟后，再扩展多角色协同。
低成本试用，验证表达优化价值。
引入内部知识，提升依据和追溯。
固化步骤，提升稳定性和复现性。
接入工具系统，从建议走向执行辅助。
在单点成熟后，再做多角色协同。