1. 频率
知识点讲解任务越高频，自动化收益越明显。
老师板书
频率
落地
频率决定 AI 自动化的收益杠杆。
先用人话讲明白
频率是某个任务发生得有多高。高频任务更值得自动化，因为节省会被重复放大；低频任务要谨慎投入。
类比可以把它理解成把一次成功经验沉淀成团队能重复使用的方法。
为什么要学判断重复性任务的自动化收益。
把关键词拆开看
- 发生次数：每天、每周、每月多少次。
- 重复程度：每次是否相似。
- 累计收益：单次节省小，高频也能带来大收益。
入门版理解：任务越高频，自动化收益越明显。
适用范围和边界
1. 优先原则：先满足前提，再谈使用
在实际工程里，任何概念都不能脱离场景硬套。学习「频率」时，第一步不是问“它高级不高级”，而是问它是否真的能帮助你完成一个更清晰、更可验证的业务判断。
- 先看它服务的专业判断是不是「落地」：判断重复性任务的自动化收益。
- 场景有明确业务痛点、目标用户、当前基线和可衡量收益。
- 试点范围足够小，能快速验证，也足够真实，能暴露问题。
2. 引入边界：同时满足这些条件，才值得推进
只有当它能把问题从“凭感觉讨论”推进到“可设计、可评测、可复盘”时，才说明这个知识点真正进入了业务方案。
- 当「频率」能改变客服提效、研发定位、测试生成、运营分析、质量闭环里的设计、评测或风险控制动作时，才值得进入方案。
- 适合选择第一个 AI 落地项目、设计 MVP、推动试点和写晋升材料。
- 适合把 AI 能力转成效率、质量、成本、体验或组织复用成果。
3. 反向边界：这些情况先停下来
专业判断的价值，不只是知道什么时候用，更是知道什么时候不用。下面这些情况出现时，要先补数据、补流程、补权限或补评测，而不是继续堆 AI 能力。
- 高频但高风险的任务不能直接全自动，要先辅助。
- 低频但高价值任务也可能值得做，但要另算收益。
- 不要一开始做全能 AI 平台，先选高频、低到中风险、可度量场景。
- 不要只追求炫技 Demo，晋升更看重真实使用和可复用方法。
- 指标不可度量时，项目很难证明价值。
4. 上线前判断：能回答这些问题再落地
- 能写出项目基线、目标、试点范围、成功指标和停止条件。
- 能用数据说明上线前后变化，而不是只说做了一个 AI 工具。
- 现场追问：这个项目最后能不能写进晋升材料：问题是什么、结果是多少、方法如何复用？
架构师总结：频率决定 AI 自动化的收益杠杆。 对架构师来说，频率 不是一个要背的名词，而是一把判断尺：先看前提是否成立，再看收益是否大于复杂度，最后看失败时有没有证据、兜底和责任人。
通用例子：先脱离技术看懂它
每天 500 次的客服问答，即使每次只省 1 分钟，也值得优化。
这个例子要看见的重点：判断重复性任务的自动化收益。 所以例子不是为了记故事，而是为了训练你在新场景里做同类判断。
投影 / Android 实战推演
- 业务推演：投影 Android 业务里，如果“投屏搜不到设备”每天大量出现，AI 排障助手价值高；一年只发生一次的特殊硬件事故，不适合作为首个 AI 项目。
- 你要补的证据：围绕「落地」列出数据、文档、日志、用户反馈或人工标注，避免只凭感觉判断。
- 可交付物：沉淀 MVP 方案、试点计划、推广节奏、指标复盘和可复用模板。，让同事能照着复用，而不是只听你口头解释。
- 验收指标：至少选一个质量指标、一个效率指标、一个风险指标；比如正确率/一次解决率、定位耗时/追问轮次、误导用户率/转人工率。
- 迁移能力：同一套思路也能迁移到客服、测试、研发效率、运营分析和产品决策，不局限于投影业务。
老师会这样检查你是否真会了
- 你能不能用一句人话解释「频率」，并说出它解决的是「落地」里的什么问题？
- 你能不能举一个适用场景和一个不适用场景，并说明边界来自数据、流程、风险还是权限？
- 你能不能把它落到一个真实小任务：输入是什么、输出是什么、验收指标是什么、失败时谁兜底？
- 老师追问：这个项目最后能不能写进晋升材料：问题是什么、结果是多少、方法如何复用？
- 练习产物：列出团队 10 个重复工作，估算每周次数和单次耗时，按总耗时排序。
精通标准：频率决定 AI 自动化的收益杠杆。 能精通的人，不是能背定义，而是能把它迁移到一个新业务里，写出判断表、数据要求、风险边界和落地动作。
业务判断方法
低频任务不适合作为第一项目。