第 9 课 · 哪些活能交给 AI，哪些不能
一张二维图，把你手头的活直接对号入座
前面几课建立的概念，这一课收成一个能用的判断工具。
只看两个维度
判断一件事该不该交给 AI，只需要问两个问题：
- 规则明确吗？ 有没有标准做法，能不能说清楚什么算做对了
- 做错了代价大吗？ 能不能撤回，会不会影响到别人
把这两个维度画成一张图，你手头每件事都能找到自己的位置：
三个区，三种用法
| 区域 | 位置 | 用法 |
|---|---|---|
| 绿色 | 规则明确 + 代价低 | 放心交出去，抽查即可 |
| 黄色 | 规则模糊 + 代价中等 | 让 AI 打草稿，你定稿 |
| 红色 | 代价高（不管规则多明确） | 只能当参考，人来决定和执行 |
注意「给客户转账」在图上规则极其明确（右侧），但依然是红色。因为代价维度是一票否决的：规则再清楚，钱转错了也追不回来。
这是很多人容易搞反的地方：他们以为规则越明确越该自动化，但真正的门槛是可逆性。
怎么给自己的活定位
拿三件你这周做的事，各问一遍：
我能不能写出「怎么算做对了」
写不出来的，横轴位置就靠左。比如「写一份让客户满意的方案」，什么叫满意？说不清就是规则模糊。
一个常被问的边界情况
「筛简历」在图上是黄偏红，很多人觉得规则挺明确的，为什么代价那么高？
因为它影响的是别人。一个错误的筛选把合适的人刷掉了，这个人不知道、你也不知道，损失是隐形但真实的。
凡是决策对象是人的事情（招聘、评估、审批、处罚），代价维度都要往上调。这类场景在很多地方还有法律上的人工介入要求。
常见问题
算你的。 这是目前最需要说清楚的一点：AI 是工具，用工具的人承担结果。
所以绿区也不是完全撒手，而是「抽查即可」。你至少要能回答：我抽查了多少、发现问题的比例是多少。
横轴方向会。模型越强，能处理的模糊规则越多，一些原本在中间的事会往绿区移。
但纵轴基本不会动。代价高低是业务属性，不是技术属性。 转账的不可逆性不会因为模型变强就消失。
本课自测
这题一定要真做一遍，这是这一课唯一的目的。
做完之后你大概会发现：绿区的事比你以为的多，但你一直在手动做；红区的事你可能正想交给 AI，得停一下。
因为可逆性是独立的一票否决维度。转账规则极其明确，但错了追不回来，所以永远需要人确认。
能把这两个维度分开看的人，就不会犯「因为流程标准所以全自动」这个最常见的错误。
小结：规则明确度决定 AI 能不能做，出错代价决定该不该让它自己做。两个维度分开看，你手头每件事都能找到位置。