PIPELINEAI自动化的核心原理是：收到一个请求后，系统会根据已存储的内容和规则进行检查，然后直接回复或将完整上下文转交给人工处理。真正的工作不在技术本身，而在于明确划定这条界限的位置。
01 — 运作方式
AI自动化的技术原理
能够处理不规范输入的自动化——设有明确界限，超出时由人工决策。
从外部看，过程如下：询价进入——通过网站、电话、表单或现有系统。询价被采集，根据预设规则和内容进行检查，然后要么直接响应，要么连同完整上下文转交给人工处理。决定性的部分不是技术，而是确定这条界限的位置。
传统自动化在非结构化任务上失效：理解一封电子邮件、读取自由文本表单、从报价中提取相关条目。正是这一点决定了系统的配置方式——而非笼统的产品承诺。
02 — 组成部分
系统由什么组成
- 按主题、紧急程度和负责人对传入消息进行分类
- 从电子邮件、PDF和表单中提取结构化数据
- 预先拟定的回复草稿，只需由人工批准
- 长流程摘要，用于交接
- 明确阈值，达到该阈值后由人工决策——任何内容都不会未经检验即通过
- 记录每个决策，以便追溯为何发生某事
03 — 流程
详细步骤
明确应用场景
不是“我们要用AI做点什么”，而是具有可衡量结果的具体流程。
收集测试数据
我们需要来自您们企业的真实样本——越不规范，对测试越有利。
构建与测量
构建流程并对照测试数据进行测量。只有当命中率符合要求时，才会正式上线。
受控运行
初期由人工检验每个决策。根据结果逐步放宽检验阈值。
04 — 问题
常见问题
我们如何保持对自动决策的监督？
每个决策都会记录：哪些输入、哪些结果、哪些置信度。可以随时抽查，就像对待人工代理一样。
这需要大量数据吗？
不需要。与传统机器学习不同，大多数应用场景只需几十个优质示例，因为语言模型已经具备语言能力。
这与聊天机器人有何区别？
聊天机器人在对话中回答问题。AI自动化在后台运行，无需对话——它阅读、分类和预判，而其他人专注于实际工作。
与普通自动化有何区别？
普通自动化遵循固定规则：如果字段A填写完毕，则执行B。AI自动化则适用于没有固定字段的场景——自由文本、图像、变化的文档格式。通常二者结合才是正确答案，而非只选其一。
可靠性如何？
这取决于应用场景，我们会在正式上线前进行测量。对于传入消息的分类，构建良好的系统通常能达到九成以上。关键不仅是准确率本身，而是出错时会发生什么——因此我们始终会内置一个检验阈值。
如果文档或格式发生变化怎么办？
只要内容意义不变，系统就能很好应对——不同于刚性的基于字段的识别。全新的文档类型需要短暂的重新调整，而非重建。
我们的数据会被用于语言模型训练吗？
不会。我们仅使用合同明确排除客户数据训练的访问权限，并在欧盟内处理。对于特别敏感的数据，我们使用在您自己基础设施上运行的模型。
05 — 决策
如何继续推进
最经济的下一步是对话，而不是报价。通常二十分钟就足以明确一个项目是否有意义、大致预算范围，以及我们是否适合您。
如果不合适，我们会直接说明。一个诚实的“不”比一个进行三个月后中止的项目成本更低 — 对双方都是如此。
下一步
我们会了解您的初始情况。
告诉我们目前什么最耗费时间。由此我们会给出一份包含工作量和收益的评估——之后才会提供报价。