筛选 AI 自动化需求时，最容易犯的错误是先问技术能不能做，而不是先问这个任务值不值得做。筛选表的作用，就是把"要不要接"从直觉判断变成可对照的检查项。它不需要复杂，但每一项都要回答同一个问题：自动化带来的稳定收益，是否明显大于它可能造成的失误成本。

频率乘以耗时，构成价值的基数

自动化的价值基础是重复劳动的总量。判断方式很直接：任务多久发生一次，单次耗时多久，两者相乘就是可释放的工时。一个月只发生三次、每次十分钟的任务，即便自动化率做到百分之百，节省的时间也微不足道；而每天发生二十次、每次十五分钟的任务，哪怕只自动化八成，释放出的月度工时也相当可观。筛选表的第一栏应该是这两个数字的乘积，而不是客户的热情或需求的紧迫感。

输入输出是否可测量

AI 真正擅长的是有明确输入与预期输出的任务，比如从邮件中提取订单号、金额和收货地址。筛选时需要确认两件事：输入数据是否有稳定规律，输出结果是否存在明确的判断标准。输入是模糊的非结构化内容，或输出依赖大量主观判断时，自动化的难度和成本会急剧上升。这类需求通常要先做数据治理，也可能根本不该用 AI 承接。

错误代价同样要进表。自动化流程的准确率通常落在七成到九成之间，剩余部分必须由人工兜底。错误代价越高——例如自动生成法律文书、自动执行付款指令——兜底的成本和风险就越可能抵消全部收益。因此表中要写清：允许 AI 犯什么错，出错后由谁修复，修复成本有多高，人工介入发生在哪个节点。这里谈论的兜底不是上线后临时救火，而是流程设计的一部分，其比例随数据质量和错误代价调整：数据越规范、代价越低，AI 承担的份额可以越高。

交付边界也要提前定义。客户拿到的应当是一个自动化增强的工作流，而不是完全替代人的 AI。合同中需要标注 AI 的处理范围、预期准确率、人工介入节点，以及超出边界时的处理方式，这既保护承接方，也让客户对结果有合理预期。

上线之后留出一段观察期，跟踪处理率、人工介入次数、单次处理时间变化和错误修复成本。复盘时重点确认两件事：总处理时间是否真的下降（包含人工兜底时间），以及最初拆解的任务单元有没有遗漏异常情况。这些结论会直接变成下一次报价和方案的核心依据。

一张筛选表用过几次之后，大致就能形成自己的版本：任务频率、数据可用性、输出可测量性、错误代价、兜底机制，逐项对照。全部符合就放心接，部分不符合就和客户重新界定范围或降低预期，大部分不符合就果断拒。一人公司真正的优势不是能做多少种项目，而是有判断力决定哪些不做。