副驾,还是代驾:它在流程里站哪个位置
这一章讲三件事: 怎么判断它在你的流程里是什么身份; 放权该放到哪一级;以及出了错谁背。
它在全书链条里的位置: 第 09 章说,红利要等流程重排才兑现。 这一章就是「怎么重排」的判据。 第 13、14、15 章那三大类行业的落地做法,全都是这把尺子的实例。
1. 先看那四个真问题
这一节先摆出问题,不给答案。
书里引了一篇讲人机混合团队的文章,里面提了四个问题1:
- 如何在人类和它之间分配任务?
- 谁委托这些任务,谁协调这些任务?
- 谁来评估工作成果的质量?
- 工作结果的问责,要不要牵扯把它开发出来的人?
这四个问题今天仍然没有标准答案,但书里给了一把能立刻用的尺子。
书里的思路是这样接上来的:回顾几 次工业革命, 技术对生产率的跨越式提升,都需要生产流程围绕新技术进行重构; 而这一次是否引发了重构,可以用一个简单的方法来判断—— 在团队和业务流程中,它是人的副驾,还是代驾2。
2. 副驾:它属于你,活还是你的
这一节讲第一种身份,它是绝大多数人今天所处的位置。
书里的例子是当时那种把它嵌进办公软件的产品:这是典型的副驾模式—— 它是每一个人的私人助手,帮助人更高效地完成工作,但它不会独立承担工作3。
书里给的比方非常好记:把团队看作一个车队,团队里每个人都开着一辆车, 车与车之间的沟通协作需要通过人与人来完成; 人仍然是方向盘的唯一操盘手,副驾上的它,只听令于它唯一的主人4。
这个身份的三个后果:
| 后果 | 具体是什么 |
|---|---|
| 它没有固定的职能 | 用它的场景和频率、发挥多大价值,完全取决于你怎么用5 |
| 它对企业的价值体现在人均产出 | 数量或质量的提升,而不是编制的变化 |
| 暂时不会产生人力替代效应6 | 因为它没有独立承担任何一段活 |
在这个身份下,书里那四个问题只有一句答案: 人负责委托和协调,干活的事交给它就行了7。
3. 代驾:它在流程里独立占一个岗位
这一节讲第二种身份,以及区分两种身份的三条判据。
书里说,当企业级应用成熟起来、在行业中落地之后,就有可能进入代驾模式。 这一模式有三条判据8:
| 第几条 | 判据 | 副驾长什么样 |
|---|---|---|
| 1 | 它在生产流程中独立承担固定的职能,而不是听令于某一个人做临时任务 | 听令于一个人,做各种临时的活 |
| 2 | 它跟多个人发生协作关系,而不是只跟某一个人协作 | 只跟主人一个人 |
| 3 | 它的属性(模型本身、微调用的数据、系统设置、提示设置)跟业务强关联,作为企业级的资产共享和管理 | 属于个人,散落在各人手里 |
书里的一句话总结:副驾模式下它从属于每个人类员工; 代驾模式下,它与人类员工是平等协作关系9。
这一条最要紧,请单独记住:从副驾到代驾,不是它变强了,是流程被改了。 同一个模型、同一个版本,换一套流程就换了一种身份。
在这个身份下,任务怎么分? 书里的说法是: 要根据企业业务的特点、它的能力和成熟度,「因模设岗」10—— 这四个字值得记:先看它能干什么,再决定这个岗位怎么设,而不是反过来。
顺带把今天的名字挂上:第 06 章说的那种「自己拆任务、自己调工具、自己往下走」的东西, 今天叫智能体;而它在企业流程里独立占一个岗位这件事,说的就是这一节的代驾。
4. 放权分几级:一把借来的尺子
这一节讲这一章最实用的部分,而且这把尺子是借来的。
书里的理由很清楚:因为它的输出无法确保百分之百准确, 人在业务流程中的必要参与程度,要根据它的成熟度和业务场景的容错性来分级11。
书里承认当时没有标准分级,所以借用了自动驾驶的那一套—— 理由是那个领域涉及生命安全、对错误的容忍极低、分级也非常细致11。
原来那五级,书里逐级抄了一遍12;落到客服场景,被简化成三级13:
| 级别 | 谁先说话 | 谁在盯 | 什么时候交给人 |
|---|---|---|---|
| L1 辅助 | 人工客服先跟顾客对话 | 人工客服识别出某个需求可以交给它,对它发出指令 | 它的回应必须经过人工客服;发现错误可及时撤销 |
| L3 有条件自动 | 它直接跟顾客对话 | 它自己识别条件变化 | 出现非标或异常情况时,它把控制权交给人工客服 |
| L5 无人化 | 它全程跟顾客对话 | 没有人 | 任何情况下 都不需要人接管或监控 |
书里对每一级都给了变体,这两个变体很值得知道:
书里的判断:生产率最高、最理想的是 L5,而中短期内比较现实的是 L3; 在早期,L1 适合作为过渡方案16。
L5 需要两个条件同时成立:它在这一领域的训练达到非常高的成熟度, 同时业务场景也能容许少量的错误17。
5. 主走查:一个售前客服岗位从 L1 走到 L5
这是本章的主走查。同一个岗位,三级各走一遍。
书里给的背景是:某企业的产品较为复杂,需要多轮互动解释和引导; 用老一代的机器人经常答非所问、造成丢单;而用人工客服又有成本高昂、 高峰时段不够用、培训难度大的问题18。
下面每一步里带百分号的数是我们为演示编的,不是书里的数值。 书里给了流程,没有给任何一级的错误率或人力配比。
| L1(过渡) | L3(中短期现实) | L5(理想) | |
|---|---|---|---|
| 顾客问「这件外套能机洗吗」 | 人工客服接起 | 它接起 | 它接起 |
| 谁查资料 | 人工客服对它发出指令,它查 | 它自己查 | 它自己查 |
| 谁写这句回复 | 它写 | 它写 | 它写 |
| 发出去之前 | 必须经过人工客服 | 直接发出 | 直接发出 |
| 顾客接着说「我要退货并投诉」 | 人工客服全程在 | 它识别出这是非标情况,把控制权交给人工客服 | 它自己处理到底 |
| 一个人能同时盯几路对话 | (演示) 1 个 | (演示) 5 个 | 0 个 |
| 出错谁先发现 | 人工客服,发出前 | 人工客服,接管时 | 可能没人发现(除非上第 4 节那个变体) |
看倒数第二行:从 L1 到 L3,人力配比从 1:1 变成 1:5。 这一行就是这一章全部的经济价值所在—— 而它同时也是第 20 章那笔安全账的分母。
6. 先动哪一环:看信息量,也看容错率
这一节给出选切入点的判据,书里把它画成了四个格子。
书里的两个量是19:
- 信息量:在这个环节中,需要阅读消化多少信息;信息量越高,它帮人的效果越显著;
- 容错率:在这个环节中,允许错误出现的概率;容错率越高,错误造成的损失越小, 它的应用效果就越可控。
四个格子:
容错率高 ↑
│ ② 可以先上,但价值一般 ① 最该先动
│ (信息量低、容错率高) (信息量高、容错率高)
│
├─ ────────────────────────────────→ 信息量高
│
│ ④ 别碰 ③ 值得投入,但要配安全措施
│ (信息量低、容错率低) (信息量高、容错率低)
容错率低 ↓
这张图怎么用:先找 ① 号格子里的环节做试点,再往 ③ 号格子推进, 而 ③ 号格子里的每一项都要带着第 20 章那笔安全账一起算。
顺带把书里的一个说法挂上牌:书里把「个人先用起来 → 进流程当代驾 → 重做整个业务」 这三步叫作三重境界20——前两步就是本章第 2、3 节, 第三步是「从根本上改变业务运作方式,或进入一个全新的、以前无法进入的市场」21, 书里说这一步风险高,更适合初创企业或者大企业里的独立团队22。
7. 出了错谁背:机器背不了锅
这一节回答第 1 节那四个问题里的最后两个。
书里先说清楚,不管在哪一级,都需要人来做四件事23:
| 谁 | 做什么 |
|---|---|
| 开发 | 系统开发,包括它本身(可能由外部服务商提供),以及把它和其他系统接起来的那段程序 |
| 训练 | 结合企业自身业务数据的训练和微调,以及相应的测试 |
| 维护 | 确保可用性:部署、故障与性能监测、问题修复 |
| 考核 | 评估它的工作质量:成单率、顾客满意度、投诉率、服务过程抽检评分 |
然后是两条判断:
第一,质量评估必然由人完成,但评估工具可以有自动化的成分—— 业务数据统计、甚至服务过程的质量检查,也可能利用另一套程序来评分24。
第二,也是这一节的落点:对质量的奖励或问责,都会落到相关的人类员工身上, 包括开发、训练和维护的人员。 书里的原话是: 在这方面,它跟生产线的机器、业务系统、推荐服务是类似的, 机器无法承担,也不应该承担责任25。
这一条今天仍然成立,而且它是所有放权决策的地板: 你可以把动作交出去,但责任交不出去。
8. 三年后:「异常交回人」被做成了什么形状
这一节是书外补充,标明来源。书里那句「遇到异常时把控制权交给人」, 今天在框架里是有具体形状的。
补充(不在书里,依据我们的前沿书架):今天的做法是让整条流程在中途停住、 把问题抛给人、等人答了再从断点继续。 这件事有个通行的名字,叫人在环——就是「机器跑到一半,停下来等人拍板」。
依据: shelf=ai-frontier-reference/langgraph#03-persistence-hil.md §3.4 interrupt():人在环路靠整段重放 @1e44bda48ff4982b8ccfeec9c14156ea9e8ae5a2 事实=框架的做法是在流程中间调一个中断把整条流程暂停、把问题抛给使用它的那个程序, 人答完之后用一条恢复指令续跑;它落地的关键是每一步末尾都存一张状态快照, 恢复时不需要任何内存里的东西。
这套做法有一个坑,而且这个坑正是书里没有讲的那一层: 恢复的时候,那个节点是从头重新执行一遍的—— 所以停下来问人之前,不能做不可重复的事(发邮件、扣款、写库),否则会做两次。 依据: shelf=ai-frontier-reference/langgraph#03-persistence-hil.md §3.4 interrupt():人在环路靠整段重放 @1e44bda48ff4982b8ccfeec9c14156ea9e8ae5a2 事实=文档明确写着「图从节点开头恢复,重新执行 所有逻辑」, 并提醒 interrupt 之前不要做不可重复的副作用。
放权分级这件事也有了更细的档位。 补充(不在书里,依据我们的前沿书架):另一套广泛使用的工具把「放到哪一级」 做成了一个可以直接设置的开关,一共六档——默认(危险操作要问)、自动接受文件改动、 全部放行、只规划不执行、不问也不放行(没预先批准过的一律拒), 以及由另一台机器逐个判「放行还是拒掉」。
依据: shelf=ai-frontier-reference/claude-agent-sdk#03-tools-permissions-hooks.md §3.1 权限模式先看 @a4eaba4a56f9ad1833fca646030a4b160b2a61f9 事实=权限模式有 default / acceptEdits / bypassPermissions / plan / dontAsk / auto 六档; 判定顺序是「预先批准的清单 → 权限模式 → 配置里的放行规则 → 都没命中才回过头问人」。
把它和书里那三级对一下,你会看到书里的判断被兑现了:
| 书里的级别 | 今天对应的档位 |
|---|---|
| L1(人先说话,它的回应必须经人确认) | 默认档:危险操作要问 |
| L3(它先说话,异常时交回人) | 人在环:跑到一半停住,等人拍板,再从断点续跑 |
| L5(全程无人) | 全部放行——文档里这一档专门标了「慎用」 |
| L5 的变体(另一个模型审) | 由另一台机器逐个判「放行还是拒掉」 |
书里那句「L5 的一个变种方案,是让另一个模型来监控审核」, 就是上面最后一行。这一条是三年后被兑现得最完整的一处判断。
9. 作者的判断与证据
| 说法 | 性质 |
|---|---|
| 那四个问题 | 引自一篇文章,书里点了作者与标题 |
| 副驾/代驾这把尺子 | 作者自己提出的,全书最有用的一处原创 |
| 代驾的那三条判据 | 作者的定义,不是行业标准 |
| 借用自动驾驶的分级 | 明说是借用,而且给了借用理由 |
| 客服三级的具体流程 | 作者的设计,不是某家企业的实际案例 |
| 信息量 × 容错率四格 | 作者的框架,没有数据支撑 |
| 「机器无法也不应该承担责任」 | 作者的判断,但它和现行的责任制度一致 |
必须点破的一处:这一章从头到尾没有一个真实企业的落地数据。 三级流程、四个格子、因模设岗——全是设计,不是实测。 它们的价值在于「帮你把问题问对」,不在于「告诉你答案」。
10. 边界与局限
- 书里没有给任何一级的错误率、人力配比或成本。 这一章是定性的。
- 书里没有讨论员工的抵触。 从副驾到代驾意味着岗位变化, 第 08 章刚讲过两百年前的人是怎么反应的,而这一章一句没提。
- 「因模设岗」听起来利落,但它假设了 模型能力是已知且稳定的。 第 05 章刚说过它不可预测。这两条之间的矛盾书里没有处理。
- 书里没有讲从 L1 升到 L3 的判断标准。 什么时候可以升?错误率降到多少? 这个问题要到第 20 章才有一个可以计算的框架。
11. 可带走的
- 判据只有一句:它是副驾还是代驾。
- 副驾属于某个人,没有固定职能,不产生替代。
- 代驾有三条判据:独立职能、跟多人协作、模型本身算企业资产。
- 从副驾到代驾不是它变强了,是流程被改了。
- 放权分三级:L1 人先说话且必须过人;L3 它先说话、异常交回人;L5 全程无人。
- 先动哪一环:找信息量高、容错率也高的那个格子。
- 责任交不出去。 奖惩落到开发、训练、维护的人身上——机器背不了锅。
12. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 那四个问题 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:845(搜「混合团队成员」) · text/09-ch07.txt:849(搜「如何在人类和AI之间分配任务」) |
| 副驾还是代驾 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:856(搜「大模型是人的副驾」) |
| 副驾模式与车队比喻 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:858(搜「就是典型的副驾模式」) · text/09-ch07.txt:863(搜「团队里每个人都开着一辆车」) |
| 代驾三特征 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:875(搜「大模型在生产流程中独立承担固定的职能」) · text/09-ch07.txt:881(搜「作为企业级的资产进行共享和管理」) |
| 因模设岗 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:895(搜「因“模”设岗」) |
| 自动驾驶五级 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:911(搜「L1级，辅助驾驶」) · text/09-ch07.txt:927(搜「L5级，完全自动化或无人化」) |
| 客服三级 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:930(搜「在智能客服领域，可以简化为3级」) · text/09-ch07.txt:953(搜「中短期内比较现实的业务流程是L3」) |
| 谁背锅 | 07 自然语言编程与脑机协作 | text/09-ch07.txt:975(搜「谁来评估工作成果的质量」) · text/09-ch07.txt:999(搜「机器无法承担」) |
| 三重境界 | 13 大模型应用的三重境界 | text/15-ch13.txt:7(搜「工欲善其事，必先利其器」) · text/15-ch13.txt:26(搜「同舟共济扬帆起」) · text/15-ch13.txt:70(搜「欲穷千里目，更上一层楼」) |
| 信息量与容错率 | 13 大模型应用的三重境界 | text/15-ch13.txt:62(搜「信息量指的是」) · text/15-ch13.txt:63(搜「容错率指的是」) |