Org Decision Workspace
这里承接组织热区、目标推演与执行判断，老板视角不再默认从个人成长测评链进入。
业务试点沙盘
我们先不讨论大而全的电商 AI 平台，只回答一件事：这条链最该先从哪里开刀，开刀后人和 AI 分别接什么，哪里会先断。
先圈问题
先圈出当前最值得被纳入第一刀的业务模块，支持多选。
再定力度
选主目标
补业务实情
推演摘要
当前最合理的做法不是直接减到 10 人，而是先把 2 个模块里最重复的任务交给 AI，再让人去接异常、升级和体验修复。
先开刀的模块数
2
目标人数变化
18 → 10
当前策略
提效
JD 当前状态
岗位定义已经开始沉淀，但还没补齐到可直接拍板。
匹配 当前状态
当前仍以演示候选人为主，只适合说明思路，不适合直接调岗。
ROI 当前状态
ROI 仍以演示估算为主，只适合路演说明，不适合直接批预算。
先看任务怎么变
| 模块 | 改造前 | 改造后 | 盯住指标 |
|---|---|---|---|
| 客服 | 高频问答、催单、物流解释全靠人工轮班兜住。 | AI 先做首问分流，人只接复杂升级与情绪安抚。 | 响应时效 / 返工率 |
| 营销 | 素材、活动脚本、投放复盘分散在多个角色手里。 | AI 先批量生成素材和试投方案，人只做选品与策略判断。 | 响应时效 / 返工率 |
先看哪里会断
再看谁来接住
协同编排
把这轮试点拆成谁先接、AI 什么时候触发、什么时候升级到人来拍板。
当前建议先让 AI 接住 客服 的重复流量，再把争议升级、体验修复和 ROI 回写留给人负责。
节点 1
客服 信号收集
一线输入节点 · 业务负责人
先把工单、差评、异常升级和复盘样本拉齐，不让试点在含糊样本上启动。
样本达到一轮试点最小规模后，AI 先接重复判断。
节点 2
AI 首轮分流
AI 分流器 · AI 训练负责人
AI 先做首问分流、责任归因和异常聚类，把重复劳动先接住。
命中争议、赔付或情绪风险时，立即升级给人拍板。
节点 3
人工拍板升级
升级拍板节点 · 效率负责人
把争议单、赔付单和体验修复单留给人拍板，避免系统误伤体验。
人工拍板完成后，结果必须回写到训练与 ROI 看板。
节点 4
复盘回写
复盘闭环节点 · 试点负责人
把结果回写成规则、训练样本和 ROI 记录，再决定是否扩大试点。
谁先接，谁来拍板
客服 信号收集
第 1 手一线输入节点 · 业务负责人
先把工单、差评、异常升级和复盘样本拉齐，不让试点在含糊样本上启动。
AI 首轮分流
第 2 手AI 分流器 · AI 训练负责人
AI 先做首问分流、责任归因和异常聚类，把重复劳动先接住。
人工拍板升级
第 3 手升级拍板节点 · 效率负责人
把争议单、赔付单和体验修复单留给人拍板，避免系统误伤体验。
复盘回写
第 4 手复盘闭环节点 · 试点负责人
把结果回写成规则、训练样本和 ROI 记录，再决定是否扩大试点。
触发线清单
样本达到一轮试点最小规模后，AI 先接重复判断。
命中争议、赔付或情绪风险时，立即升级给人拍板。
人工拍板完成后，结果必须回写到训练与 ROI 看板。
最后看怎么落地
把当前最卡的工单、评价、活动复盘各拉出一批样本，先确认错在哪里，不急着推全公司。
落地前检查
在正式进入 Stage 0 前，先做两件事：忘掉旧组织惯性，再看文化适应性够不够支撑这轮「提效」重组。
组织忘却清单
先把最常见的升级路径、赔付边界、差评回捞动作写成能训练 AI 的样本。
这轮不是再塞一个工具，而是要重新定义谁负责判断、谁负责训练、谁负责复盘。
Stage 0 必须先约定异常升级会、反馈闭环和指标复盘节奏。
当前已确认 0 / 3 项，建议至少完成 2 项再启动 客服 试点。
文化适应性诊断
风险等级输出
中风险，先小范围试点
平均分 3 / 5。分数越低，越说明这轮不是先上 AI，而是先清旧流程、旧权责和旧 KPI。
先让 客服 跑第一轮 AI 分流，保留人工兜底，盯住响应时效与返工率。
当 提效指标稳定后，再把 8 人左右从重复劳动里释放出来，转去训练、升级与复盘。
把客服、售后、评价、营销的数据回流成统一周会看板，避免每个部门各自以为自己已经 AI 化。
角色定义
先把职责拆成三类：继续由人判断、可以交给 AI、以及 AI 上线后才新出现的管理职责。你可以直接人工覆盖分类，不必被系统初判绑死。
当前来源：真实职责单元模板 · AI客服训练官
保留给人
1 项
交给 AI
1 项
新增 AI 管理
3 项
继续由人负责，但把判断门槛抬高。
跟踪AI客服接管率
改造前 18% → 改造后 16%
重复、稳定、可规则化的部分交给 AI。
整理失败会话样本
改造前 15% → 改造后 9%
新出现的人类职责：训练、复盘、升级与治理。
维护首问分流知识库
改造前 26% → 改造后 30%
审核错误回复并纠偏
改造前 23% → 改造后 25%
更新夜班服务策略
改造前 18% → 改造后 20%
时间分配怎么变化
保留给人
交给 AI
新增 AI 管理
能力缺口列表
维护首问分流知识库
需补：知识库运营、话术优化
建议学习路径：学习知识库版本管理
审核错误回复并纠偏
需补：质量校准、错误分析
建议学习路径：建立纠偏工单池
更新夜班服务策略
需补：策略更新
建议学习路径：按时段更新夜班规则
跟踪AI客服接管率
需补：运营分析
建议学习路径：建立接管率看板
学习路径
这块不只告诉你“缺什么”，还告诉你这位 AI客服训练官 候选承接者，接下来 2-4 周具体该怎么补，补完后能接住什么职责。
需补：知识库运营、话术优化
2-4 周完成最小承接训练
学习知识库版本管理
第 1 周｜补情境判断
训练重点：把高压升级、跨部门协商和客户体验兜底的典型案例先看透。
阶段输出：形成一份异常升级案例卡与判断边界。
第 2-3 周｜跟岗演练
训练重点：在真实场景里跟着负责人处理复杂单、争议单和跨岗协同。
阶段输出：形成可复盘的处置模板与 2-3 个关键判断脚本。
第 4 周｜独立承接
训练重点：从“跟着做”过渡到“自己接”，开始承担单点责任位。
阶段输出：形成能独立承接的升级决策与复盘节奏。
完整岗位职责单预览
文档预览这是为当前电商沙盘生成的岗位职责单草稿，目标优先对齐「提效」。
可直接顶上
1 人
值得训练
0 人
建议换岗
1 人
个人层｜三维匹配雷达
客服1号位
推荐岗位：客服负责人
数据源：演示样本
能力承接：64
角色倾向：69
风险水平：28
点击个人，继续下钻
团队层｜谁适合 / 谁需培训 / 谁需换岗
| 人员 | 推荐岗位 | 判断 | 训练周数 |
|---|---|---|---|
| 客服1号位 | 客服负责人 | 适合直接上岗 | 0 周 |
| 营销2号位 | 客服 AI 训练官 | 建议换岗 | 3 周 |
组织层｜角色 × 人员匹配热力图
投入回报
这一层回答老板最实际的问题：如果现在开始改，预计一年能省多少钱，多久能回本。当前采用度：局部试用。
当前来源：当前仍回落到演示估算
改造前成本
¥206,720
改造后成本
¥119,898
预计年节省额
¥1,041,869
回收周期
1.8 个月
这块只补电商品类、工具栈和组织盘大小，不取代主沙盘判断。
这块只补电商品类、工具栈和组织盘大小，不取代主沙盘判断。
当前定位
辅助判断，不进入主链顺序
它不替代诊断、热区、推演或动作卡，也不会抢主步骤。现在只作为旁路信号，辅助老板判断是否需要额外看外部情报。