{"schemaVersion":"1.0","type":"Article","title":"怎么给 AI 定岗位，做出第一个 AI 文员","description":"一个可靠的 AI 岗位需要固定输入、处理步骤、交付格式、权限边界和人工验收，而不只是给 AI 起一个职位名称。","author":{"name":"赵波","alternateName":"Zhao Bo","profile":"https://xinjignxiaozhaobo.com/zh/about/"},"publisher":"Zhao Bo (赵波)","language":"zh-CN","publishedAt":"2026-07-27T00:00:00.000Z","updatedAt":"2026-07-27T00:00:00.000Z","topic":{"name":"AI 实践","url":"https://xinjignxiaozhaobo.com/zh/topics/ai-practice/"},"tags":["AI","AI员工","岗位设计"],"translationKey":"design-your-first-ai-clerk","canonical":"https://xinjignxiaozhaobo.com/zh/design-your-first-ai-clerk/","markdown":"https://xinjignxiaozhaobo.com/zh/design-your-first-ai-clerk.md","json":"https://xinjignxiaozhaobo.com/api/articles/zh/design-your-first-ai-clerk.json","translation":{"language":"en","canonical":"https://xinjignxiaozhaobo.com/en/design-your-first-ai-clerk/","markdown":"https://xinjignxiaozhaobo.com/en/design-your-first-ai-clerk.md"},"citation":"赵波：《怎么给 AI 定岗位，做出第一个 AI 文员》，2026-07-27，https://xinjignxiaozhaobo.com/zh/design-your-first-ai-clerk/","copyright":"Copyright © 2026 Zhao Bo (赵波)","usagePolicy":"https://xinjignxiaozhaobo.com/ai-policy.txt","contentFormat":"text/markdown","content":"很多老板第一次看到 AI 整理表格、写日报，会顺口说一句：“这不就等于多了一个不要工资的文员吗？”\n\n这句话只对了一半。\n\nAI 的确能承担大量整理、分类、比较、起草工作，但它不是一个已经熟悉公司的成熟员工。它不知道你们日报必须核对退货，不知道“拜访完成”是到店拍照还是和店主谈完，也不知道客户随口说的“下周再看看”不能写成“已承诺下单”。\n\n如果老板只说一句“以后你就是我的 AI 文员”，它今天可能写得不错，明天换一批材料、换一个聊天窗口，结果就变了。\n\n真正有用的 AI 文员，不是一个好听的名字，而是一项被固定下来的工作：\n\n- 每次接收什么材料；\n- 按什么步骤处理；\n- 交付什么格式；\n- 哪些事情绝对不能自作主张；\n- 谁检查；\n- 错了以后怎样返工。\n\n所以，这篇文章只解决一个问题：**怎样把一次偶尔成功的 AI 对话，变成一个可以反复使用、可以交给员工执行、可以被主管验收的 AI 岗位。**\n\n## 一、先分清：会聊天，不等于有岗位\n\n普通使用 AI 的方式，通常是“想到什么问什么”。\n\n今天让它整理会议记录，明天让它写客户通知，后天又让它分析库存。每次都重新解释背景，每次结果都不一样。好不好，全看使用者当时有没有说清楚。\n\n岗位化则完全不同。\n\n一个岗位必须有稳定的任务边界。例如，“业务拜访记录文员”只负责把业务员当天的语音或文字记录，整理成统一表格，提取缺货、陈列、客诉和后续动作。它不负责判断业务员有没有撒谎，不替公司向客户承诺赠品，也不直接修改订单。\n\n这时，AI 不再是“什么都能问的聊天工具”，而是流程里承担固定一段工作的角色。\n\n两者的差别可以用三个问题判断：\n\n1. 换一个员工操作，能不能得到大体一致的结果？\n2. 连续做十次，输入、输出和检查方式是否相同？\n3. AI 出错时，能不能快速判断错在材料、规则还是执行？\n\n三个问题都答不上来，就还不是岗位，只是一次使用。\n\n## 二、给 AI 定岗位，要写清六件事\n\n给真人写岗位说明书，通常会写职责、要求和汇报关系。给 AI 定岗位，还要更具体。因为真人会根据常识补空白，AI 会根据文字猜空白。\n\n一份能用的 AI 岗位说明书，至少有六部分。\n\n### 第一部分：岗位使命\n\n不要写“提高效率”“辅助经营”这种大话，要写清它每天替谁解决什么问题。\n\n例如：\n\n> 把业务员当天零散的门店拜访记录，整理成销售主管可以在十分钟内检查的统一清单，避免重要缺货、客诉和承诺被埋在群消息里。\n\n这句话说清了服务对象、工作对象和结果。\n\n### 第二部分：输入材料\n\nAI 不会自动知道公司发生了什么。必须明确每次需要给它什么。\n\n例如：\n\n- 当天门店名单；\n- 业务员原始语音转写或文字记录；\n- 商品标准名称表；\n- 允许使用的拜访结果分类；\n- 当期有效的促销政策。\n\n还要写清“不齐怎么办”。如果记录里没有数量，就填“未提供”，不能自行估计；如果门店名称和名单对不上，就标成“待人工确认”，不能强行匹配。\n\n### 第三部分：处理流程\n\n岗位不能只写一句“请整理”。要把关键动作列成顺序。\n\n以拜访记录为例：\n\n1. 按门店拆分原始记录；\n2. 提取拜访时间、门店、联系人和本次事项；\n3. 把事项归入缺货、陈列、价格、竞品、客诉、回款、下次跟进；\n4. 将客户原话和业务员判断分开；\n5. 找出缺字段和相互矛盾的信息；\n6. 生成主管检查表。\n\n顺序越清楚，结果越稳定，也越容易定位问题。\n\n### 第四部分：交付物\n\n“整理一下”没有验收标准，“输出一张八列的表”才有。\n\n可以要求每次固定输出：\n\n| 门店 | 拜访时间 | 事实记录 | 客户原话 | 业务员判断 | 待办 | 负责人 | 待确认项 |\n|---|---|---|---|---|---|---|---|\n\n并在表格后增加三个小结：\n\n- 今天必须处理的异常；\n- 超过约定时间仍未完成的待办；\n- 原始记录中信息不足的门店。\n\n固定交付物还有一个好处：后续可以比较。今天和明天的记录格式一样，主管才看得出哪些问题反复出现。\n\n### 第五部分：工作规则\n\n这是 AI 岗位最容易漏掉、也最容易出风险的部分。\n\n规则要同时写“必须做”和“禁止做”。\n\n例如：\n\n- 必须保留客户原话与业务员判断的区别；\n- 数量、金额、日期只能来自原始材料；\n- 没有证据时写“未提供”，不得补写；\n- 不得承诺价格、返利、赠品和交期；\n- 不得评价客户信用；\n- 不得把完整客户电话、身份证、银行卡等敏感信息放进未经批准的外部工具；\n- 结果只能作为主管复核材料，不能直接写回订单系统。\n\n岗位越接近钱、货和客户承诺，规则就要越严。\n\n### 第六部分：检查人和验收标准\n\nAI 岗位不能自己给自己打分。\n\n要明确谁检查，以及检查什么。拜访记录可以由销售主管抽查：\n\n- 门店是否漏掉；\n- 原话有没有被改成承诺；\n- 商品和数量有没有张冠李戴；\n- 待办是否有负责人和日期；\n- 敏感信息是否已脱敏。\n\n如果一周内连续出现同类错误，不是简单提醒员工“认真一点”，而是回头修改输入要求、分类规则或岗位模板。\n\n## 三、完整示例：做一个“业务拜访记录文员”\n\n假设一家经销商有 8 名业务员。每天拜访结束后，有人在群里发文字，有人发几段语音，有人只写“正常”，销售主管晚上要翻几十条消息，第二天开会仍然不知道哪些事情必须追。\n\n老板决定先做一个 AI 拜访记录文员。\n\n### 第一步：先定最小目标\n\n目标不是“分析所有门店经营”，而是：\n\n> 每天下班前，把 8 名业务员的原始记录整理成一张统一表，让主管第二天早会能看见异常和待办。\n\n这个目标一周内能跑，主管也能验收。\n\n### 第二步：规定输入\n\n员工提交记录时必须包含：\n\n- 门店标准名称；\n- 到店时间；\n- 看见的事实；\n- 客户说了什么；\n- 自己做了什么；\n- 下一步需要谁处理。\n\n为了演示，某条原始记录写成：\n\n> 兴旺便利，下午三点到。冰柜里橙味饮料只剩两瓶，店主说上次送得慢，先不补整箱。旁边竞品做第二件半价。已经答应明天把新活动政策发给他。\n\n### 第三步：让 AI 按岗位规则处理\n\nAI 应该输出：\n\n- 门店：兴旺便利；\n- 拜访时间：15:00；\n- 现场事实：橙味饮料库存两瓶；竞品执行第二件半价；\n- 客户原话：上次配送较慢，暂不补整箱；\n- 业务员动作：承诺次日发送新活动政策；\n- 待办：确认活动政策并发送；\n- 待办负责人：原记录未提供；\n- 待确认项：配送慢的具体订单和日期未提供。\n\n这里有两个关键点。\n\n第一，AI 没有把“只剩两瓶”直接改成“建议补两箱”。库存少不等于客户愿意补货，现场还有配送体验和竞品活动。\n\n第二，AI 没有把业务员的承诺写成公司已经批准的政策。它只把事实和待办整理出来，后续仍要由主管确认。\n\n### 第四步：主管验收并形成动作\n\n主管查看整张表后，可以做三件事：\n\n1. 把“配送慢”交给内勤核查订单和到货时间；\n2. 确认这家门店是否适用新活动；\n3. 要求业务员补充负责人和完成时间。\n\n如果只是把语音变成一段更漂亮的文字，价值不大。只有当结果进入早会、分派给负责人、第二天能追完成情况，这个 AI 岗位才真正产生价值。\n\n## 四、从一次对话升级成岗位，要经过四轮\n\n很多人第一次得到满意结果，就急着复制给全公司。更稳妥的做法是经过四轮。\n\n### 第一轮：老板亲自跑一遍\n\n选三到五份真实但已脱敏的材料，验证 AI 是否理解任务。先找明显错误，不追求完美。\n\n### 第二轮：主管修规则\n\n主管最清楚日常工作中哪些词容易混、哪些字段必须有、哪些承诺不能碰。把这些经验写进岗位说明书。\n\n### 第三轮：让普通员工照说明书操作\n\n如果只有写说明书的人会用，说明岗位还依赖个人技巧。换一个员工，观察他能否准备材料、提交任务、检查结果。\n\n### 第四轮：连续运行一周\n\n记录每次返工原因：\n\n- 原始材料缺失；\n- 名称不统一；\n- AI 理解错误；\n- 规则不清；\n- 人工检查漏项；\n- 结果没有进入后续流程。\n\n一周后只改发生频率最高的两三个问题。岗位不是一次设计出来的，而是在真实运行中逐渐稳定。\n\n## 五、别把“保存一段提示”说成自动化\n\n这里必须讲清一个常见误会。\n\n如果你在普通聊天工具里保存了一段岗位提示，每天仍然要由员工复制材料、发起任务、下载结果，这叫“固定用法”，不是无人值守自动化。\n\n如果希望系统每天自动取数、自动生成、自动送给主管，就需要进一步解决：\n\n- 从哪里取得数据；\n- 用什么账号和权限；\n- 什么时候触发；\n- 失败后怎样告警；\n- 结果存在哪里；\n- 谁能查看；\n- 是否能追溯原始数据。\n\n这些都不是多写几句提示就能完成的。\n\n对多数经销商来说，第一阶段没有必要追求全自动。先把岗位定义和人工流程跑通，证明这项工作真的有用，再决定是否接入系统。否则很可能把一个还没想清楚的流程自动化，最后只是更快地产生无用结果。\n\n## 六、哪些岗位适合先做，哪些不要先碰\n\n第一个 AI 岗位最好满足四个条件：\n\n- 高频：每天或每周都会发生；\n- 重复：处理方式大体相同；\n- 可检查：有原始材料，错了容易发现；\n- 低风险：不直接触发付款、发货、改价和客户承诺。\n\n适合起步的包括：\n\n- 拜访记录整理；\n- 会议纪要和待办提取；\n- 日报草稿；\n- 商品资料规范化；\n- 招投标或合同条款的初步对照清单；\n- 内部知识问答的资料整理。\n\n不适合拿来做第一个岗位的包括：\n\n- 自动审批客户账期；\n- 自动决定大额补货；\n- 自动向客户承诺政策；\n- 自动评价或处罚员工；\n- 自动对外发送未经复核的经营结论。\n\n不是这些工作永远不能用 AI，而是它们需要更完整的数据、权限、审批和留痕，不能用一次聊天试验代替。\n\n## 七、老板怎样判断这个岗位值不值得保留\n\n不要只问“它写得像不像人”，要看四个经营问题：\n\n1. 原来谁做、花多长时间，现在减少了哪一段重复劳动？\n2. 原来经常漏掉什么，现在是否更早暴露？\n3. 输出有没有进入例会、跟进、复核或决策？\n4. 人工检查和返工的成本，是否低于它省下的时间和避免的损失？\n\n如果 AI 每天生成一份没人看的漂亮日报，就不值得保留。\n\n如果它让主管每天提前发现三个遗漏待办，且检查只需要十分钟，它就已经有明确价值。\n\nAI 岗位的价值不在“像一个员工”，而在于它能不能稳定承担一段工作，让人把时间转移到判断、沟通和行动上。\n\n## 最后：今天把第一个岗位写出来\n\n打开配套的《AI 岗位说明书模板》，先不要贪多，只选一个低风险任务。\n\n依次填完岗位使命、输入、流程、输出、规则和检查人。拿三份真实材料试跑，再交给另一名员工照表操作。\n\n如果换个人还能做，连续一周还能验收，这才是公司的第一个 AI 文员。\n\n它不是“不要工资的员工”，也不是一句神奇提示词。\n\n它是一套被老板说清楚、被员工执行、被主管检查的工作方法。\n\n---\n\n## 参考资料\n\n1. 工业和信息化部等四部门：《[中小企业数字化赋能专项行动方案（2025—2027年）](https://www.miit.gov.cn/zwgk/zcwj/wjfb/tz/art/2024/art_b286a153d2ff4494a6d8956964499d24.html)》，2024-12-13。\n2. 美国国家标准与技术研究院（NIST）：《[AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework)》，访问于 2026-07-27。\n3. 项目内部研究底稿：《快消行业经销商 AI 应用研究说明》，2026-07-24。\n\n*下篇：《卖得多不等于赚得多：真毛利到底怎么算》——用一组可以复算的数据，看清销量背后的真实贡献。*"}