AI工作流哪些环节必须留人工审批：四条红线与节点设计
做流程自动化的人都有过同一种别扭：审批节点全砍掉，效率报表很好看，真出事的时候没人认账；反过来，每个环节都加一道人工确认，流程跑三天还卡在等人点「同意」，所谓自动化就成了一个更贵的 OA。真正难的从来不是「要不要留人工」，而是在哪留、留几个、谁来审、审不完怎么办。
这篇不讲概念。讲我们在AI 工作流自动化项目里划线的方法：先用四个维度定红线，再用三个要点把审批节点做轻。
先问一个能落地的问题：这个动作错了，多久能撤回
与其争论「AI 会不会犯错」——它当然会——不如问撤回成本。发错一条内部通知，删掉重发就行；发错一条客户群公告，截图已经在别人手机里了；付错一笔款，追回来要走财务和对方两道流程。撤回成本越高，越该有人工闸门。
四条红线：满足任何一条，就该停下来等人
一、金额：和钱直接挂钩的动作
付款、退款、开票、改价、审批折扣、下单采购，共同点是错一次就是真金白银。做法是设金额阈值：阈值以下自动走，阈值以上转人工。阈值别拍脑袋，一般取「财务愿意为一个错误买单的上限」，再按毛利和客单价调。快消类客户我们见过单笔 200 元就转人工的，工业设备类单笔两万还嫌低。
有一点容易漏：阶梯折扣和批量订单要按合计金额算，不能按单条算。我们见过一个工作流按行项目判金额，AI 拆成十行，每行都不触发审批，加起来六万多。
二、对外发布：发出去就收不回来
公众号、官网、邮件群发、客户群公告、电商详情页。这类动作建议不设阈值，一律人工过一遍，但要把审批成本压到极低——不是让人重写，是让人 30 秒内判断「能不能发」。官网和内容类页面的发布，还牵着一条线：AI 搜索引擎会抓取并引用这些内容，错一句会被放大传播，改动时记得同步更新GEO 生成式引擎优化里的事实源。
三、法律承诺：合同、交期、赔付、授权
AI 写销售邮件时特别喜欢写「三天内交付，逾期赔付」这种句子，销售看着顺眼，法务看着头疼。凡是涉及违约金、独家授权、质保期限、价格有效期、效果承诺的表述，要么在提示词里直接禁用，要么必审。判断标准很简单：这句话能不能变成法庭上的证据。
四、客户敏感信息：关键不是谁看，而是去哪
身份证、银行卡、住址、工资、病历、合同金额、竞对报价。这类信息真正的风险点不在公司内部流转，而在被工作流送去外部模型 API 的那一刻——那就是一次数据外发。判断可以简化成两句：能不能不出内网？必须出内网的话，能不能先脱敏？前者靠私有化部署把模型放到自己机房，后者靠字段级脱敏，两者不冲突，通常搭配用。
| 维度 | 典型动作 | 建议策略（示例，按业务调整） | 审批粒度 |
|---|---|---|---|
| 金额 | 退款、改价、付款、采购下单 | 小额自动、中额抽检、大额必审 | 逐单审 |
| 对外发布 | 官网、公众号、群发邮件、客户群公告 | 不设阈值，首发一律人工 | 逐条审 |
| 法律承诺 | 合同条款、交期、赔付、授权表述 | 涉及赔付与期限的一律审 | 逐条审并留档 |
| 敏感信息 | 身份信息、账户、报价单外发 | 出内网即审，能脱敏先脱敏 | 按数据级别 |
审批节点设计：谁审、审什么、超时怎么办
红线划完，接下来才是真功夫。节点设计不好，前面省下来的时间会全赔进去，自动化变成新的瓶颈，而且是一个没人敢拆的瓶颈。
谁审：按责任归属，不按职级
常见错误是「金额大就往上扔给老板」。老板一周看两次手机，流程就死两天。更有效的规则是：谁的签字对外生效，谁来审。销售折扣归销售主管，退款归财务，内容发布归品牌负责人。会签人数尽量控制在两个以内，每多一个人，平均等待时间大致翻倍，这不是理论，是我们在看板上量出来的。另外必须显式配置代理人，否则审批人一休假，整条链路停摆。
审什么：一屏之内能做完判断
审批人打开界面应该同时看到五样东西：原始输入（客户说了什么）、AI 给出的建议动作、依据来源（引用了哪份文档、哪个价格表）、影响范围（涉及哪个客户、多少钱）、以及一个可以直接改的输入框。少一样，人就得跳出去查，审批时间从 30 秒变成 5 分钟。
还有一个细节容易被忽略：别只给「同意」和「拒绝」两个按钮。真实场景里八成的情况是「意思对但措辞要改」，只能改完放行，否则人工要么被迫同意错的，要么整条重跑。
超时怎么办：每条路都要事先定好
这是设计里最容易留白、也最容易出事的一环。超时不做处理，单子就一直卡住；超时一律自动同意，红线也就白划了。我们的做法是把动作分两类：
- 红线类动作（退款、合同、敏感信息外发）：超时先提醒，再升级到上级，仍然无人处理就挂起。宁可慢，不能错。
- 非红线类动作（内容润色、内部分类、常规回复）：超时默认放行，同时进入事后抽检池，按比例人工回看。
升级路径要写清楚谁接、几点接、接不到找谁。含糊的「上报主管」等于没有。
三个我们踩过的坑
- 做成全量审批。每个动作都过人，审批人一天点两百次同意，两周后就闭眼点。审批的价值来自稀缺，只留给红线。
- 只给结论不给依据。审批人看不到 AI 引用了什么，只能选择相信或不信，最后演变成「凡 AI 提的我都拒」，自动化收益归零。这里往往不是审批的问题，而是企业知识库里的价格表和条款没更新，AI 拿着旧数据在建议。
- 没有留痕。谁在什么时间、看了什么、改了什么，全没记录。出了事复盘只能靠回忆，下一次还会犯同样的错。
落地顺序：先减，再加
- 把工作流涉及的动作全部列出来，别漏掉那些「顺手就做了」的小动作。
- 按四个维度打标，只给红线动作配审批节点，其余先跑起来。
- 非红线动作配上抽检比例，用真实数据判断要不要升级为审批。
- 上线两周看两个指标：平均审批时长、驳回率。驳回率长期偏高，通常说明提示词或知识库有问题，先去修源头，别急着加人。
如果你们正准备把某条流程交给 AI，建议先做一件小事：把过去三个月出过问题的动作列一遍，逐个问「如果当时是 AI 做的，会在哪一步翻车」。这张清单比任何流程图都好用，它直接告诉你的红线在哪。
梳理过程中拿不准某个环节该不该留人，可以把流程发给我们一起看，我们做AI 智能体私有化部署时几乎每个项目都要过这一关。也可以通过联系我们或 400-873-2750 直接聊，先看流程，再谈方案。