很多一人公司一想到引入 AI 代理，就先研究提示词、工作流和工具权限，最后才发现：真正难的不是“能不能自动做”，而是“做错了由谁承担后果”。同一项工作里，读取资料、生成草稿、修改记录、对外发送和执行付款，风险完全不同。更稳妥的顺序是先给任务分级，再决定自动化程度，最后才选择工具和提示词。

先理解：AI代理不是“无需监督的员工”

AI代理可以根据目标读取信息、调用系统、生成内容，并在多个步骤中自行选择行动。它与只按照固定规则运行的自动化脚本不同，可能会根据上下文作出判断，因此也可能把错误扩散到后续步骤。

对一人公司来说，AI代理更适合被看作一个有权限边界的协作流程，而不是可以独立承担责任的员工。你需要明确三件事：

• 它可以读取哪些资料；
• 它可以执行哪些动作；
• 哪些节点必须停下来等待人工确认。

尤其要注意，生成一份内部草稿与向客户发送承诺、修改财务记录、删除数据，并不是同一个风险等级。

用四个维度给任务评分

不要先按“部门”或“工具”分类，而要把业务拆成具体动作。例如，“处理客户咨询”可以拆成读取客户问题、检索知识库、生成回复、判断是否涉及退款、发送邮件等多个动作。

对每个动作，分别评估以下四个维度。

1. 错误代价

如果 AI 判断错误，损失是什么？

• 低代价：重新生成一份内部摘要，或调整一篇尚未发布的草稿。
• 中代价：给客户发送一封需要解释的普通通知，或错误更新内部任务状态。
• 高代价：造成退款、付款、合同承诺、合规风险、客户流失或数据泄露。

错误代价不只包括金钱，也包括时间、信任、声誉和后续处理成本。

2. 数据敏感性

任务是否会接触个人信息、客户合同、未公开报价、账号凭证、财务资料或商业机密？

即使任务本身只是“整理资料”，如果输入内容敏感，也不能因为输出看起来简单就直接放开自动执行。应先确认数据是否可以进入相关系统，是否需要脱敏，以及输出是否可能暴露原始信息。

3. 可逆性

执行后能否方便地撤回？

修改内部草稿通常容易恢复，发送邮件、发布内容、删除记录、提交订单或完成转账则可能无法完全撤销。可逆性越低，越应该增加人工确认，或者先设置延迟、草稿箱和撤回窗口。

4. 客户影响

动作是否会直接影响客户的权益、预期或决策？

内部整理、标签分类和待办提醒，通常客户影响较低。报价、交付承诺、退款说明、服务范围解释和投诉回复，则可能改变客户对你的判断。这类动作即使技术上容易自动化，也不应默认无人审核。

建立三档自动化边界

可以先用三档模型，而不是一开始追求完全自动化。

这三档不是永久不变的。经过一段时间的记录和复盘，某些中风险任务可能降为“自动生成、人工抽查”；如果业务变化、客户群体变化或权限扩大，也可能需要重新升档。

第一档：可以自动执行的任务

低风险任务的共同特征是：主要是读取和整理，结果容易检查，错误容易修正，且不直接影响客户权益。

一人公司可以优先从这些环节开始：

• 将会议记录整理成待办清单；
• 从公开或已授权的内部资料中提取项目字段；
• 把客户需求按主题分类；
• 将邮件转成内部任务；
• 生成文章、方案或社交媒体内容的初稿；
• 检查文档格式、重复内容和明显缺失项；
• 汇总本周项目状态，供自己查看。

自动执行不等于完全不管。至少要设置输入范围、输出格式和异常条件。例如，客户邮件分类代理可以自动标记“售前咨询”“交付问题”“退款请求”，但遇到包含“投诉”“法律”“索赔”等词时，应自动转入人工队列，而不是继续自行回复。

第二档：AI处理，人工复核

中风险任务适合让 AI 完成大部分准备工作，但不能让它直接完成最终动作。

典型流程是：

1. AI读取经过授权的资料；
2. AI生成建议、草稿或待执行变更；
3. 系统暂停并显示依据、涉及对象和潜在影响；
4. 你检查事实、金额、语气和承诺；
5. 确认后才发送、保存或进入下一步。

例如，AI可以根据服务范围和历史报价生成报价初稿，但你需要核对客户需求、交付周期、价格、税费和例外条件。AI可以起草客户回复，但你要确认回复是否承诺了原本没有提供的服务。

人工复核不应只是快速点击“同意”。复核界面至少应该让你看见：

• AI使用了哪些输入；
• 它做出了什么判断；
• 哪些内容是推测而非已确认事实；
• 执行后会改变什么；
• 是否可以撤销。

如果这些信息无法快速呈现，人工复核就容易变成形式上的确认。

第三档：必须人工处理的任务

高风险任务不适合仅靠提示词来解决。只要动作具有以下特征之一，就应由你本人主导：

• 会产生付款、退款、借款或其他资金流动；
• 会签署、修改或最终确认合同及重要条款；
• 会向客户作出价格、交期、质量或服务范围承诺；
• 会处理重大投诉、争议、索赔或敏感合规问题；
• 会删除数据、关闭账号或改变不可逆的系统状态；
• 会使用高敏感个人信息、账号凭证或核心商业资料；
• 会替你作出需要专业判断的法律、税务、医疗或财务结论。

AI在这些任务中仍然可以提供辅助，例如整理事实、列出待核对条款、比较版本、生成问题清单。但最终判断、沟通和执行必须留在人工手中。

一个实用原则是：让 AI 帮你准备决定，不要让 AI 替你承担决定。

用“动作”而不是“流程名称”设置权限

“客户服务自动化”这个名称太宽泛，无法直接决定权限。更好的做法是把流程拆成动作，并逐项设置边界。

以客户咨询为例：

权限也应遵循“最小必要”原则。一个只需要读取资料并生成草稿的代理，不应同时拥有发送邮件、修改客户记录和删除文件的权限。

先做任务盘点，再写提示词

可以用下面的表格盘点现有业务：

完成盘点后，再为每个任务写提示词和流程规则。提示词应说明：

• 允许使用哪些资料；
• 不确定时应该如何停下；
• 哪些情况必须转人工；
• 输出需要包含哪些依据；
• 不得执行哪些动作；
• 如何记录异常和人工决定。

这样做的好处是，工具只是落实已经确定的业务边界，而不是反过来迫使你改变业务流程。

建立“暂停条件”和异常出口

AI代理最重要的能力之一，不是持续执行，而是在不确定时停止。

你可以为每项任务设置明确的暂停条件，例如：

• 找不到可靠依据；
• 输入信息互相矛盾；
• 金额超过设定阈值；
• 出现退款、投诉、合同或法律相关词语；
• 客户要求超出既定服务范围；
• 需要访问未授权文件；
• 连续两次无法完成同一动作；
• AI准备执行不可逆操作。

暂停后要有明确的人工处理队列，不能只显示“执行失败”。理想的异常记录应包括：原始请求、已完成步骤、未完成步骤、使用过的资料、AI的疑问和建议的下一步。

用小范围试运行验证自动化边界

不要一开始就把整个客户流程交给代理。可以按以下顺序推进：

第一步：选择低风险、重复频繁的任务

例如内部摘要、资料分类、草稿生成和任务提醒。这些任务容易比较人工结果，也不会直接影响客户权益。

第二步：保留人工对照

在试运行阶段，同时保留原来的人工流程，比较 AI 输出与人工处理的差异。重点记录：

• 错误类型；
• 漏掉的信息；
• 不必要的判断；
• 人工修改所需时间；
• 哪些情况最容易触发异常。

第三步：逐步增加权限，而不是一次放开

先允许读取，再允许生成草稿，再允许更新非关键记录。只有当结果稳定、异常可解释、撤回路径清楚时，才考虑扩大范围。

第四步：定期复盘等级

至少在业务范围、客户类型、价格政策、数据来源或代理权限发生变化时重新评估。自动化边界不是一次配置后永久有效的设置。

一份可以直接使用的上线前检查清单

在让 AI 代理执行任何新任务前，逐项确认：

• 这项任务的具体动作是什么，而不是笼统的流程名称？
• 出错后最大的损失是什么？
• 输入资料中是否包含敏感信息？
• 执行结果能否撤回？
• 是否会直接影响客户、收入或承诺？
• AI使用的资料是否经过授权和审核？
• 是否设置了金额、对象和范围限制？
• 哪些情况必须暂停并转人工？
• 人工复核时能否看到依据和变化？
• 是否保留了执行记录？
• 出错后由谁处理，多久内能够发现？
• 试运行期间是否有人工对照？

如果其中任何一个问题没有明确答案，就不要急着扩大自动化范围。

对一人公司而言，AI代理的价值不在于把所有工作都交出去，而在于把你的注意力从重复整理中释放出来，同时把关键判断留在自己掌控之中。先按错误代价、数据敏感性、可逆性和客户影响划定边界，再选择工具、权限和提示词，才能让自动化成为经营能力，而不是新的风险来源。