3 MINUTES

3分钟精简学习

今朝AI每日一课｜第040期

AI如何减少重复劳动？

AI最容易帮助我们的，

通常不是：

“把整个岗位都做了。”

而是工作里每天、每周反复发生的小动作：

找同类信息；
复制固定字段；
调格式；
检查缺项；
按固定结构做初稿。

所以不要先问：

“我的工作怎么自动化？”

先问：

“我每次都在机械重复哪一个动作？”

一个简单例子

每次准备内部检查材料都要：

打开几份资料
→ 找事项、状态、日期
→ 抄到统一清单
→ 找空白项
→ 再开始真正核实

AI可以先做：

提取 → 整理 → 标记缺失

员工继续做：

核实事实 → 处理异常 → 找人确认 → 作判断

所以：

AI减少的是重复动作，不是人工责任。

今天5—10分钟练习

选一项自己熟悉的小工作，

只找其中一个：

每次都要重复做的动作。

用少量、低风险、有权限的资料，

让GPT或Work只完成这一步。

然后回答：

原来我重复做什么？
AI替我完成了什么？
我仍然必须做什么？
AI有没有增加错误、遗漏或返工？

今天不要急着算：

“节省了多少时间”。

先确认：

重复动作真的减少了吗？结果仍然容易核验吗？

涉及客户、价格、合同、敏感资料、承诺或重要判断，仍然必须由有权限的人处理和确认。

今天记住：

AI减少重复劳动，不是把整项工作拿走，而是先接过那些反复、机械、规则清楚的步骤；人把时间留给核实、沟通、判断和决策。

想系统学习？查看完整课程

《今朝AI每日一课》第040期

AI如何减少重复劳动

不要先追求“整项工作自动化”，先把每天反复做的机械动作交给AI

一、今日学习目标

第038期，我们已经学会判断：

哪些重复工作值得成为自动化候选任务。

第039期，我们又进一步把一个候选任务整理成：

开始条件 → 输入 → 步骤 → 规则 → 输出 → 人工检查 → 例外停止

并进行了第一次低风险测试。

到了第040期，我们不再重新判断：

“这个任务适不适合自动化？”

也不再重新学习：

“个人AI工作流怎么搭？”

本期继续向前解决一个更实际的问题：

一条已经比较清楚的工作路径里，到底有哪些重复动作最值得先交给AI？

真实工作中，员工消耗时间的并不全是复杂判断。

还有大量每天、每周反复发生的小动作，例如：

反复寻找同类信息；
重复复制固定字段；
按相同格式重新整理；
一遍遍检查缺失项；
按固定结构准备初稿；
把已经确认的信息再次搬到新的材料里。

这些动作重要，但其中很多：

机械、重复、规则比较清楚。

这正是AI首先值得帮助我们的地方。

学习完成后，员工应该能够：

从一项真实工作中找到反复出现的具体动作；
区分哪些步骤适合AI协助、哪些仍必须由人完成；
让AI只处理一个边界清楚的重复步骤；
给AI说清输入、规则、输出和人工检查要求；
比较AI参与前后的工作方式；
判断重复操作是否真的减少；
发现AI是否增加了新的错误、遗漏或返工；
理解减少重复劳动不等于取消人工核实，更不等于已经实现正式自动化。

本期核心能力：

从一项真实工作中找出反复、机械、规则较清楚的具体动作，让AI先协助其中一个步骤，再由人核验结果。

二、一个AI知识点

1. AI减少重复劳动，不等于把整项工作交出去

一项真实工作里，通常同时存在两类动作。

第一类：重复执行

例如：

查找；
摘录；
搬运信息；
统一格式；
检查缺项；
按固定结构形成初稿。

第二类：需要人的判断

例如：

核实事实；
理解业务背景；
与客户或同事沟通；
处理例外；
作出取舍；
作出承诺；
审批；
最终决策。

AI最适合先进入的，

通常是第一类。

所以不要先问：

“这项工作能不能让AI全部做？”

先问：

“这项工作里面，我每次都在机械重复哪一个动作？”

2. 找重复劳动，要找“动作”，不要只看工作名称

例如员工说：

“我每周都要做一次项目检查。”

这个范围还是太大。

把过程展开以后，可能是：

找本周记录；
找出项目名称、状态、时间等字段；
复制到统一清单；
检查哪些字段没有填写；
找相关人员核实；
根据真实情况判断下一步。

其中：

2、3、4

明显更机械、更重复。

而：

5、6

涉及真实沟通和业务判断，

仍然需要人。

所以真正需要减少的不是：

“项目检查”。

而是其中：

重复找字段、复制、整理和初步查缺。

3. 最值得AI先接手的重复动作，通常有三个特点

第一：每次做法差不多

例如：

每次都从相似资料中提取同样几个字段。

第二：规则能够说清

例如：

没有时间信息就标记“待确认”，不能自行补。

第三：结果容易核验

员工可以很快回原资料检查：

有没有漏、有没有错。

这类步骤通常比：

客户判断、经营判断、专业判断

更适合AI先协助。

4. AI减少的是“机械动作”，不是人的责任

假设原来的工作是：

看10条记录
↓
找5个字段
↓
手工复制
↓
调整格式
↓
找空白项
↓
再判断哪些事情需要确认

AI可以先完成：

查找 → 提取 → 整理 → 标记缺失

员工继续：

核对事实 → 处理异常 → 联系相关人员 → 作判断

真正减少的是：

重复搬运；
重复整理；
重复格式处理；
重复初步检查。

没有减少的是：

员工对结果的责任。

5. “AI做得快”不等于效率真的提高

假设AI30秒生成了一张清单。

但是员工随后需要花很长时间：

找错误；
补遗漏；
修格式；
判断哪些信息被AI错误合并。

这不能简单叫：

“提效”。

所以第一次尝试时，不要只看：

AI用了多久。

还要看：

原来哪些动作必须逐条人工做？

现在AI真正替我完成了什么？

我仍然需要完成什么？

有没有新增返工和检查负担？

所以：

效率应该看整个工作过程，而不是只看AI生成结果的速度。

6. 可以用“前后对比”判断有没有真正减少重复

第一次不用做复杂统计。

只比较四件事。

原来的方式

我反复做哪些机械动作？

AI辅助以后

AI替我完成了哪些重复动作？

人保留下来的工作

哪些核实、沟通和判断仍然由我完成？

新的问题

AI有没有产生错误、遗漏、误合并或新的返工？

如果：

重复动作减少，

同时：

新增检查负担可控，

这个步骤才值得继续优化。

7. 把一个重复步骤交给AI前，先说清五件事

① 输入是什么？

AI根据哪些资料工作？

② 重复动作是什么？

到底让AI：

提取；
对齐；
整理；
查缺；
生成固定结构初稿；

中的哪一步？

③ 规则是什么？

例如：

只依据现有资料；
缺失标记待确认；
冲突不能自行合并。

④ 输出是什么？

例如：

一份统一结构的内部检查清单。

⑤ 人检查什么？

例如：

有没有读错；
有没有漏项；
有没有自行补造；
冲突有没有保留。

这五件事清楚以后，

AI才是在真正帮助：

减少一个具体重复动作。

三、一个今朝工作案例

假设教学场景：重复准备“内部资料检查稿”

以下为假设教学场景，不对应今朝任何真实客户、员工、项目、金额、合同、产品或经营数据。

假设某岗位经常收到几份结构相近的内部资料。

每次正式检查以前，

员工都要：

打开资料；
找出事项名称；
找当前状态；
找时间；
找下一步说明；
复制到统一检查表；
检查哪些字段没有内容；
再开始真正的业务核实。

其中第8步：

真实业务核实

显然应该由员工完成。

但前面的：

查找 → 复制 → 调格式 → 查缺项

非常重复。

原来的方式

员工不断重复：

打开文件1
↓
找字段
↓
复制
↓
打开文件2
↓
再找
↓
再复制
↓
统一格式
↓
检查空白
↓
最后才开始真正核实

大量时间花在：

资料准备。

AI辅助方式

可以只把重复准备步骤交给Work：

请根据本次明确指定、本人有权处理的练习资料，帮助完成内部检查前的资料准备。

只完成以下工作：

从每份资料中提取：

事项；

当前状态；

时间；

下一步说明；

按统一结构形成内部检查清单；

原资料没有的信息标记“待确认”；

不自行推测责任人、业务原因、客户意图或下一步决定；

不合并存在冲突的信息；

完成后单独列出缺失和冲突事项。

本次只形成内部准备稿，最终由我逐项核实。

AI真正减少了什么？

减少的是：

重复查找；
重复复制；
重复调整格式；
重复查找空字段。

员工把更多时间用于：

核实状态；
解决冲突；
向相关人员确认；
判断下一步。

所以：

AI减少的不是“整个检查工作”，而是其中机械重复的准备步骤。

人还必须检查什么？

至少检查：

AI有没有读错原资料；
状态有没有被改变原意；
时间是否正确；
两件不同事项有没有被错误合并；
缺失项是否标记准确；
最终真实业务状态是什么。

如果出现例外怎么办？

例如：

文件无法读取；
字段名称发生变化；
两份资料出现冲突状态；
出现超出本次权限的敏感内容；
需要业务负责人判断。

Work应该：

停止相关处理 → 报告问题 → 交给员工。

不能为了把清单做完整而继续猜。

这类重复动作还可能出现在哪里？

只做方向提示，不进入后续专项自动化课程，例如：

B2B项目资料里的固定信息提取；
商务资料完整性初步检查；
租赁服务记录里的固定字段整理；
部门材料的统一格式准备；
已确认经营信息进入内部材料前的整理。

能不能进一步自动化，

仍需要真实验证。

本期只关心：

哪个重复动作值得先让AI协助。

四、今日实践任务

5—10分钟：找出一个“我每次都在重复做”的动作

今天不建立新自动化。

不重新搭工作流。

只做一次小实验。

第一步：选一项熟悉、低风险的小工作

最好是：

经常发生；
自己很熟；
检查标准明确。

第二步：只找一个重复动作

不要写：

“我要自动化销售工作。”

可以写：

“每次都要把5条记录里的日期、事项和状态复制到同一个清单。”

或者：

“每次都要检查几份资料有没有缺少规定字段。”

第三步：准备少量测试资料

只能使用：

本人有权处理；
内容不敏感；
经过必要处理；

的少量资料。

如果没有合适真实资料，

自己写几条练习信息即可。

第四步：让GPT或Work只帮助这一个步骤

可以直接参考：

我想测试AI是否能够减少一个重复工作步骤。

本次只使用我明确提供、本人有权处理且内容不敏感的测试资料。

原来我每次都要重复完成的动作是：
【填写】

这次只请你协助：
【填写一个具体重复步骤】

必须遵守：

只使用我提供的信息；

不补充资料中没有的事实；

无法确认的内容标记“待确认”；

发现冲突或异常时单独列出，不自行判断；

不执行客户承诺、价格、合同、审批或其他正式业务判断。

输出结果：
【填写需要的清单、整理结果或初稿】

完成后告诉我：

你实际完成了哪些重复动作；

哪些内容没有成功处理；

发现了哪些错误、缺失或异常；

哪些内容仍必须由我人工确认。

第五步：做一次简单前后比较

只回答四个问题：

1. 原来我反复做什么？

2. AI这次替我做了什么？

3. 我仍然必须做什么？

4. AI带来了什么错误、遗漏或新的检查工作？

今天怎么验收？

不要求：

“节省了多少分钟”。

也不要求证明：

“AI一定提高效率”。

只判断：

这个具体重复动作是不是真的减少了？

同时看：

结果是不是仍然容易检查？

如果重复动作确实减少，

又没有带来不可控风险，

这个步骤就值得继续改进。

五、今朝智能体连接

未来岗位智能体真正有价值的地方，

不是：

“什么都会做。”

而是能够长期稳定承担：

经过验证的重复执行环节。

例如一项小工作经过真实使用以后，

逐渐确认：

输入稳定；
规则清楚；
输出固定；
人工验收明确；
例外可识别；
权限边界清楚。

其中的重复步骤，

就可能逐步形成：

未来岗位智能体候选能力。

路径可能是：

真实工作
↓
找到重复动作
↓
AI协助一个步骤
↓
人工核验
↓
发现错误
↓
修正规则
↓
多次验证
↓
形成稳定执行方法
↓
未来岗位智能体候选能力

但必须注意：

减少重复劳动，不等于减少人的责任。

即使未来岗位智能体能力越来越强，

人仍然负责：

客户关系；
跨部门沟通；
复杂例外；
权限；
业务承诺；
专业判断；
经营决策。

AI更适合承担：

重复、清楚、规则稳定、可检查的执行。

人把更多精力放到：

沟通、判断、创新和解决例外。

六、今日思考

很多时候我们说：

“工作太忙。”

可以再问一句：

到底忙在哪？

是忙在：

真正需要思考、沟通和判断的工作？

还是大量时间花在：

找资料、抄信息、改格式、查缺项、重复做同一类初稿？

如果是后者，

就值得继续问：

这里面有没有一个动作，可以先让AI帮我完成？

不要先追求：

“整个工作无人化。”

先减少一个机械动作，

再检查结果。

有效，再继续改。

今天最后记住一句：

AI减少重复劳动，不是把整项工作拿走，而是先接过那些反复、机械、规则清楚的步骤；人把时间留给核实、沟通、判断和决策。