7.9
深览指数
成长人人都是产品经理·巫师Sorcerer··AI 生成
3A 分诊法：哪些交给 Automation，哪些做 Augmentation，哪些丢给 Agent
本文提出了一套名为“3A 分诊法”的决策框架，核心是将工作任务按确定性、后果可逆性和任务跨度三个维度，动态分配到 Automation（自动化）、Augmentation（增强）和 Agent（智能体）三个层级。作者强调，这是一个动态的、可升降级的过程，而非一次性分类。文章提供了具体的操作原则和周期复盘技巧，旨在帮助读者从“用 AI 尝试”转向“有策略地部署 AI”，并将节省的精力聚焦于自身不可替代的判断力。适合已深度使用 AI 工具、希望系统化协同模式而非停留在尝鲜阶段的从业者。原文 ↗
核心观点
- ▍人机协作的关键不是“AI 能不能做”，而是“该让 AI 站在你前面（Automation）、站在你旁边（Augmentation）、还是替你把整条路走完（Agent）”。3A 分诊法提供了一套动态决策框架。
- ▍一个好的分诊策略能使决策者将精力从低价值执行任务转移到高判断、高情感、不可替代的核心能力上，从而应对 AI 取代焦虑。
- 01任务分类的三个核心维度：① 确定性（规则越确定、输出越好验证，越偏向 Automation）；② 后果可逆性（后果越不可逆，越应留在 Augmentation，由人保留最终决策权）；③ 任务跨度（需要多步、长链条编排的复杂任务，才值得启用 Agent）。
- 02作者引用学术界 A²C 框架（Automation, Augmentation, Collaboration）和斯坦福 SALT Lab 的 Human Agency Scale（人类能动性量表）作为理论基础。
- 03作者以“发产品更新邮件”为例：整理日志归 Automation（规则清晰），敲定语气归 Augmentation（需要判断），最终点击发送归人（高不可逆性）。同一任务不同环节可划分至不同层级。
- 04分诊是动态过程，需要基于模型的稳定性进行“升舱”和“降舱”。作者提出通过追踪同类任务的“错误率”来触发层级调整，并强调要定期（如一两个月）重检“标签滞后”的任务。
- 05作者提出“技能投资地图”观点：划分至 Automation 的活是未来最不值得花时间苦练的技能；留在 Augmentation 和 Agent 中的高判断任务是个人不可替代性的核心，值得长期投资。
反方 / 局限
- — 作者承认 3A 分类存在“分类摩擦”，现实任务往往边界模糊。并且，AI 模型能力每月都在变化，导致一劳永逸的分类会浪费模型新能力或忽视其新弱点，因此必须动态重判。
3A 分诊法AutomationAugmentationAgentA²C 框架SALT LabHuman Agency Scale
8 分钟 · 4 卡片 · 8 资料
读原文 →