AI 转型任务契约：把创始人的起步试点写成可验收 artifact
企业内部做 AI 试点，最容易出现的工程问题不是“没有模型”，而是“没有契约”。工具已经接入，群里也有人试用，但项目文档里找不到输入来源、输出对象、审核责任、异常处理和验收指标。等到创始人问“这轮试点到底有什么价值”，团队只能拿演示截图和使用次数回答。
这类试点很难进入生产，因为它没有被写成可复盘 artifact。本文把创始人起步常用的任务卡方法，拆成一个技术/项目负责人可以直接复制的任务契约，用于企业 AI 试点启动前的最小文档。
背景数据：采用不是落地
MIT《The GenAI Divide: State of AI in Business 2025》给出一个很适合作为项目复盘前提的结论：企业在生成式 AI 上投入 300 到 400 亿美元，但 95% 的试点没有带来可测量的损益表影响。报告还提到，用户层面的 ChatGPT、Copilot 体验很普遍，组织层面的流程集成却很少发生。
McKinsey《The state of AI in 2025》从另一组数字说明同一件事：88% 的组织至少一个职能在使用 AI，只有 39% 报告了企业级 EBIT 影响，其中大多数低于 5%；高绩效者约 6%。它把高价值实践指向工作流重写、人工验证、KPI 和领导责任，而不是单纯工具覆盖率。
Klarna 客服助手是一个更具体的生产案例。2024 年 2 月，它宣布 AI 客服首月处理 230 万次对话，工作量相当于 700 名全职客服，平均解决时长 2 分钟而人工为 11 分钟，并预计 2024 年利润改善 4000 万美元。2025 年 5 月，Klarna 又重新招聘人工客服，公开原因指向服务质量和人工触达选项。
客服案例时间线
这些材料放在一起，能推导出一个很工程化的要求：AI 试点必须先写清“哪里自动、哪里人工确认、哪里禁止自动执行”。否则效率指标会先出现，边界问题会后出现。
任务契约 v0.1
这里不建议只写会议纪要。会议纪要会记录“要做 AI 客服试点”，但不会约束输入、输出、审核和边界；任务契约要补的正是这些可执行字段。
在 Tate万能君（tatezhou.com）的 AI Agent 项目制训练里，我通常把个人项目和企业试点都压到同一个 artifact：任务契约。个人侧用它约束作品闭环，企业侧用它约束岗位 SOP、权限、审核和验收。只有契约能被复盘，试点才有机会从工具体验变成组织能力。
任务卡模板
下面这张表可以直接放进项目文档或飞书页面。字段不多，但每一列都要有明确值，不能写成“待讨论”。
| 字段 | 必填内容 | 反例 |
|---|---|---|
| 岗位动作 | 一个高频动作，例如“客服复杂工单生成答复草稿” | “客服智能化” |
| 输入材料 | 系统字段、知识库、历史记录、数据截止时间 | “相关资料” |
| 输出对象 | 谁使用输出，例如当班客服、销售、运营负责人 | “业务团队” |
| 责任人 | 日常 owner 与审核 owner 分开写 | “大家一起看” |
| 审核方式 | 抽检、全量确认、升级条件、错例归档方式 | “人工兜底” |
| 验收指标 | 首稿可用率、处理时长、返工次数、审核通过率 | “效率提升” |
| 边界说明 | 哪些情况必须人工处理，哪些信息禁止输入 | “敏感问题注意” |
| 试点周期 | 两到四周，写清样本量和复盘时间 | “先跑跑看” |
如果一列写不出来，说明项目还不具备启动条件。这个判断比“模型效果还不错”更可靠，因为它直接暴露流程缺口。
候选动作评分
起步动作可以用 3 个维度做轻量评分，每项 0 到 2 分，满分 6 分。低于 4 分的动作先不要进试点。
| 候选动作 | 重复频率 | 输入可控 | 出错可修 | 结论 |
|---|---|---|---|---|
| 销售拜访前客户背景卡 | 2 | 2 | 2 | 适合试点 |
| 客服复杂工单答复草稿 | 2 | 1 | 2 | 适合，但要补知识库 |
| 每周经营数据复盘初稿 | 2 | 2 | 1 | 适合，必须人工确认 |
| 自动生成客户最终承诺 | 1 | 1 | 0 | 不适合 |
| 公司级 AI 平台搭建 | 0 | 1 | 1 | 先拆小 |
这个评分表的价值不在数学精确，而在强制团队说清楚：样本从哪里来、错了怎么改、哪些输出不能直接执行。Klarna 案例里的关键教训，也正是速度指标不能替代复杂问题的人类处理路径。
两周运行清单
试点启动后，不建议把目标写成“让大家多用”。更可执行的运行方式如下。
| 时间 | 动作 | 产物 |
|---|---|---|
| D1 | 选定岗位动作，填完任务契约 | 契约 v0.1 |
| D2-D3 | 准备 20 到 50 条历史样本，标注合格答案 | 样例集 v0.1 |
| D4-D8 | 让 AI 生成草稿，人工逐条确认 | 输出记录、错例记录 |
| D9-D10 | 汇总错例，更新提示词、资料和审核规则 | 契约 v0.2 |
| D11-D14 | 再跑一轮样本，比较指标变化 | 复盘页 |
最小验收不需要复杂平台。只要有 20 条以上样本、明确 owner、修改前后记录和边界说明，就能判断这个动作是否值得继续投入。如果两周后只剩一段“使用体验不错”的描述，试点没有进入工程状态。
指标建议
建议同时看效率、质量和边界三类指标。
效率指标可以看平均处理时长、草稿生成时间、人工修改时间。质量指标可以看首稿可用率、审核通过率、返工次数、投诉或升级数量。边界指标则看人工拦截次数、禁止自动处理的样本类型、资料缺失导致的错误次数。
不要只看“节省时间”。Klarna 在 2024 年给出的 2 分钟 vs 11 分钟很有吸引力，但 2025 年的调整说明，速度必须和质量分层一起读。对企业内部试点来说，写出“哪些输出必须人工确认”往往比多接一个工具 API 更重要。
参考来源
- Klarna:
https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/ - Customer Experience Dive:
https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/ - MIT NANDA / State of AI in Business 2025:
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf - McKinsey, The state of AI in 2025:
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
 原理解析：VMWare 15.5.5 如何从 VMM 切换到用户态)
)
 agent和组件)