《AI Agent 产品开发·组织、平台与规模化》4.2 岗位变化与技能迁移

岗位从执行者变成审核者或规则制定者,换的不只是名字,还有能力与考核。本节给出两种目标角色的技能清单与指标清单,用 A Relay 的 9 名分诊员说明「只考核采纳率」为什么会奖励附和而不是纠错,并给出技能覆盖率、指标覆盖率与考核缺口三项可检查的迁移判据。

以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。

流程改造之后,最常见的组织动作是改岗位名:执行者改成审核者,审核者改成规则制定者。名字改了,工作内容却常常没变,考核也没变。结果是新岗位挂着旧指标,人按旧习惯工作,改造在组织层面没有发生。

核心判断只有一句:从执行者变成审核者,需要新的能力与新的考核;只改名字,等于没改。

角色迁移不是一次改名

先看三个案例的迁移方向。它们的自主度不同,迁移的目标角色也不同。

案例原角色目标角色人数新能力新指标考核是否改
A Relay分诊执行者审核者9例外判断、交接分诊采纳率、错误率未改
B Quill报告撰写者审核者15例外判断、交接分诊采纳率、错误率部分改
C Runner运营执行者规则制定者24规则编写、审计抽样、例外判断拦截率、例外记录改

A 与 B 的目标角色相同,但考核状态不同:A 未改,B 部分改。C 的目标角色更深一层,从「判断一条建议」变成「判断规则本身」。

这张表最重要的列不是「新能力」,而是「考核是否改」。能力可以培训,考核不改,人就不会按新能力工作。审核者的考核如果仍然是「处理了多少单」,他会倾向于快速点通过;规则制定者的考核如果仍然是「执行了多少任务」,他不会花时间去看例外。

审核者要会判断「能不能信」

审核者的工作不是「确认 Agent 说得对」,而是「判断这条建议能不能信」。这两种心态对应的能力完全不同。

A Relay 的分诊员从执行者变成审核者,人工耗时从 3.5 分钟降到 0.75 分钟。表面上看,工作变轻了;实际上,判断密度变高了:原来 3.5 分钟里大部分时间在查找与比对,现在 0.75 分钟里要做的是「这条建议有没有明显问题」。

A 的数据说明了审核者的价值:建议采纳率 78%,22% 被人修改;分诊正确率 91.4%;采纳后仍出错率 2.9%。这三个数字放在一起,能看出审核者真正要抓的是那 2.9%——已经采纳但仍然是错的建议。如果考核只写「采纳率」,审核者会被奖励「多采纳」,而不是「抓出错」。

审核者需要两项核心能力:

  • 例外判断。 知道哪些建议看起来合理但实际不对,比如队列正确但优先级偏低、模板编号对但语气不适合客户。
  • 交接分诊。 知道什么时候不该自己判断,而是转给更合适的人或角色;这要求他能读懂交接包,而不是把所有任务都揽下来。

这两项能力都不在原来的执行者培训里。执行者被训练成「按规则做对」,审核者被要求「判断规则之外的例外」。培训如果只讲新界面怎么点,迁移就没有发生。

规则制定者要会判断「规则对不对」

C Runner 的运营团队走得更远:从执行者变成规则制定者。原来他们执行上下架检查、价格异常、库存跟进;现在 Agent 执行,他们负责写规则、抽检、处理例外。

C 的新指标是拦截率与例外记录。这两个指标指向同一件事:规则有没有在该停的地方停。C 的审计发现错误率是 1.7%,错误中 86% 可回滚,14% 不可回滚;规则制定者要能判断哪些错误应该被规则提前拦住,哪些只能靠事后补偿。

规则制定者需要三项能力:

  • 规则编写。 把「什么算价格异常」写成可执行条件,而不是一句经验。
  • 审计抽样。 知道 8% 的抽检比例下,样本怎么选才能发现系统性问题,而不是只看到随机噪声。
  • 例外判断。 知道哪些例外应该改规则,哪些应该保留为人工处理。

这三项能力里,最容易被忽略的是审计抽样。执行者习惯「全量检查」,规则制定者面对的是抽样;抽样看不出问题,不等于没有问题。C 的 1.7% 错误率如果只靠随机抽样,很容易被漏掉,所以规则制定者还要会设计分层抽样。

考核怎么改

考核不改,迁移就会停在培训证书上。三个案例的处理方式不同:

案例旧考核新考核缺口
A处理量、响应时长仍是处理量、响应时长缺错误率,奖励快速通过
B报告数量、交付准时采纳率、错误率已覆盖审核者最低要求
C任务完成量拦截率、例外记录已改,指向规则质量

A 的缺口最典型:审核者的考核如果只有处理量与响应时长,他会把「快速确认」当成目标。A 的采纳率 78% 已经很高,继续提高采纳率的最快方式是少改建议;但审核者的价值恰恰在修改那 22%。考核不改,等于告诉审核者「不要改」。

B 部分改了考核,加入了采纳率与错误率,正好覆盖审核者的最低要求。例外记录可以作为下一步增强:它让规则制定者看到「哪些情况规则没覆盖」,B 的返工率 9%、事实错误率 4.6% 都可以进入例外记录,而不是只停留在月度统计里。

C 的考核改得最彻底:拦截率与例外记录都指向规则质量,而不是执行数量。这也符合 C 的岗位定位——执行已经交给 Agent,人的价值在于让规则更准。

迁移是否完成,看三个缺口

岗位迁移可以用三个可检查的缺口来判断:

  1. 技能缺口。 目标角色要求的技能,培训清单里有没有。
  2. 指标缺口。 目标角色要求的指标,考核表里有没有。
  3. 考核缺口。 考核口径是否真的改过,而不是沿用执行者时代的产量指标。

三个缺口都为零,迁移才算完成。A 的技能缺口为零,但指标缺口与考核缺口都在;B 三个缺口都为零;C 三个缺口都为零。

把迁移判据写成模型

下面的模型把目标角色、技能、指标与考核状态写成可检查的结构,并计算技能覆盖率与指标覆盖率。

// file: src/scale/04-2-role-shift.ts
// tier: L2
// verify: node --test test/scale/04-2-role-shift.test.ts

// 岗位迁移模型:从执行者到审核者或规则制定者,
// 新角色需要新的技能与新的考核;只换岗位名不换考核,等于没换。

import { QUILL, RELAY, RUNNER } from "../cases.ts";
import { divide, formatBps } from "../core/rate.ts";

export type TargetRole = "reviewer" | "rule-maker";

export const ROLE_LABEL: Record<TargetRole, string> = {
  reviewer: "审核者",
  "rule-maker": "规则制定者",
};

export type Skill =
  | "exception-judgment"
  | "audit-sampling"
  | "rule-authoring"
  | "handoff-triage";

export type Metric =
  | "adoption-rate"
  | "error-rate"
  | "interception-rate"
  | "exception-log";

// 审核者要判断「这条建议能不能信」;规则制定者要判断「规则本身对不对」。
export const REQUIRED_SKILLS: Record<TargetRole, readonly Skill[]> = {
  reviewer: ["exception-judgment", "handoff-triage"],
  "rule-maker": ["rule-authoring", "audit-sampling", "exception-judgment"],
};

export const REQUIRED_METRICS: Record<TargetRole, readonly Metric[]> = {
  reviewer: ["adoption-rate", "error-rate"],
  "rule-maker": ["interception-rate", "exception-log"],
};

export type ShiftPlan = {
  readonly key: "A" | "B" | "C";
  readonly to: TargetRole;
  readonly headcount: number;
  readonly training: readonly Skill[];
  readonly assessment: readonly Metric[];
  // 考核口径是否真的改过,而不是沿用执行者时代的产量指标。
  readonly assessmentChanged: boolean;
};

export type Gap = {
  readonly missingSkills: readonly Skill[];
  readonly missingMetrics: readonly Metric[];
  readonly assessmentGap: boolean;
};

export function gaps(plan: ShiftPlan): Gap {
  return {
    missingSkills: REQUIRED_SKILLS[plan.to].filter(
      (skill) => !plan.training.includes(skill),
    ),
    missingMetrics: REQUIRED_METRICS[plan.to].filter(
      (metric) => !plan.assessment.includes(metric),
    ),
    assessmentGap: !plan.assessmentChanged,
  };
}

export function ready(plan: ShiftPlan): boolean {
  const gap = gaps(plan);
  return (
    gap.missingSkills.length === 0 &&
    gap.missingMetrics.length === 0 &&
    !gap.assessmentGap
  );
}

export function skillCoverage(plan: ShiftPlan): number {
  const required = REQUIRED_SKILLS[plan.to].length;
  const missing = gaps(plan).missingSkills.length;
  return divide(required - missing, required);
}

export function metricCoverage(plan: ShiftPlan): number {
  const required = REQUIRED_METRICS[plan.to].length;
  const missing = gaps(plan).missingMetrics.length;
  return divide(required - missing, required);
}

// 三案例的迁移方案。考核状态直接取自事实表第十节:
// A 未改,B 部分改,C 改(拦截率与例外)。
export const SHIFT_PLANS: Record<"A" | "B" | "C", ShiftPlan> = {
  A: {
    key: "A",
    to: "reviewer",
    headcount: RELAY.teamSize,
    training: ["exception-judgment", "handoff-triage"],
    assessment: ["adoption-rate"],
    assessmentChanged: false,
  },
  B: {
    key: "B",
    to: "reviewer",
    headcount: QUILL.teamSize,
    training: ["exception-judgment", "handoff-triage"],
    assessment: ["adoption-rate", "error-rate"],
    assessmentChanged: true,
  },
  C: {
    key: "C",
    to: "rule-maker",
    headcount: RUNNER.teamSize,
    training: [
      "rule-authoring",
      "audit-sampling",
      "exception-judgment",
    ],
    assessment: ["interception-rate", "exception-log"],
    assessmentChanged: true,
  },
};

// 事实表中与审核直接相关的两个观测值,写成基点便于与考核口径对齐。
export const ADOPTION_BPS = 7_800; // A 的建议采纳率 78.0%
export const POST_ADOPTION_ERROR_BPS = 290; // A 采纳后仍出错率 2.9%
export const AUDIT_ERROR_BPS = 170; // C 审计发现错误率 1.7%

export const ADOPTION_LABEL = formatBps(ADOPTION_BPS);
export const POST_ADOPTION_ERROR_LABEL = formatBps(POST_ADOPTION_ERROR_BPS);
export const AUDIT_ERROR_LABEL = formatBps(AUDIT_ERROR_BPS);

`gaps` 返回三个缺口:缺哪些技能、缺哪些指标、考核是否根本没改。`ready` 只有在三个缺口都为零时才返回 true。A 的方案里培训齐全,但指标缺 `error-rate`,考核也未改,所以不 ready;B 与 C 都 ready。

`skillCoverage` 与 `metricCoverage` 用基点表示覆盖率,方便和考核口径对齐。一个缺一项技能的审核者,技能覆盖率是 5000,也就是 50.0%——这个数字可以直接放进迁移看板。

代码里还写了三个与审核直接相关的观测值:A 的采纳率 78.0%、采纳后错误率 2.9%、C 的审计错误率 1.7%。它们不是新数字,只是把事实表里的比例换成基点,方便与指标定义对照。

## 检查清单

- 先写目标角色的技能清单,再写培训计划;顺序不能反。
- 审核者的考核必须有错误率,不能只有采纳率或处理量。
- 规则制定者的考核必须指向规则质量,不能沿用任务完成量。
- 例外记录要成为正式指标,不能只存在于月度复盘。
- 用技能覆盖率、指标覆盖率、考核缺口三项检查迁移是否完成。
- 三个缺口任一不为零,迁移就还没有完成。

## 小结

- 岗位迁移不是改名,是能力与考核同时变化。
- A、B 的目标角色是审核者,C 的目标角色是规则制定者。
- 审核者要会判断「能不能信」,核心是例外判断与交接分诊。
- 规则制定者要会判断「规则对不对」,核心是规则编写、审计抽样、例外判断。
- A 的考核未改,缺错误率,会奖励快速通过而不是纠错。
- B 的考核部分改,C 的考核已改;三者的迁移完成度不同。
- 技能缺口、指标缺口、考核缺口都为零,迁移才算完成。
- 审核者的价值在修改建议,不在提高采纳率。

阅读导航:上一节:[4.1 流程改造的三种程度](/aia-scale-04-1-workflow-change/) · 下一节:[4.3 抵触从哪来、怎么解](/aia-scale-04-3-resistance/)。

## 常见错误与边界

1. **只改岗位名,不改工作内容。** 新岗位挂着旧职责,人会按旧习惯工作,迁移没有发生。
2. **只培训界面,不培训判断。** 审核者需要的是例外判断,不是新按钮的位置。
3. **考核沿用产量指标。** 审核者被奖励「处理得多」,就会快速点通过;规则制定者被奖励「执行得多」,就不会看例外。
4. **把采纳率当成唯一质量指标。** 采纳率高可能是审核者不敢改;必须同时看采纳后错误率。
5. **忽略例外记录。** 例外是规则改进的输入,不记录例外,规则就只会越来越粗。
6. **认为培训完成就是迁移完成。** 技能、指标、考核三个缺口都为零,才算完成。

下一节处理迁移中最难的部分:人为什么抵触,以及抵触到底在怕什么。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图