human-ai-division
人机分工边界决策框架
用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端
没有这个模型
未使用人机分工边界决策框架时，容易依赖直觉处理「不确定某个任务应该让AI做还是自己做」，缺少稳定的分析边界与检查步骤。
使用这个模型
使用人机分工边界决策框架后，可围绕「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」执行结构化分析，并依次检查推理结果。
适用信号
- 不确定某个任务应该让AI做还是自己做
- 感觉AI做了一些本应该自己做的判断
- 需要设计一个人机协作的工作流程
不适用与停止条件
- 纯技术执行任务
- 已经建立清晰工作流的场景
推理协议
- 01
任务分解：将目标任务拆解为具体子任务
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 02
AI优势评估：每个子任务是否具备「信息密集/模式识别/速度要求」特征？→ 交AI
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 03
人类不可替代评估：每个子任务是否需要「价值判断/关系维护/隐性知识/道德权衡」？→ 人做
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 04
协作设计：AI做初稿→人做评估，或人做框架→AI做填充，哪种效果更好？
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 05
能力维护：哪些任务即使AI能做，人也需要保留能力（以防AI失效或判断失误）？
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
场景示例
不确定某个任务应该让AI做还是自己做
在企业管理场景中，以「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」为分析主线，按模型提示词执行并检查结论。
感觉AI做了一些本应该自己做的判断
在产品设计场景中，以「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」为分析主线，按模型提示词执行并检查结论。
需要设计一个人机协作的工作流程
在分析洞察场景中，以「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」为分析主线，按模型提示词执行并检查结论。
不确定某个任务应该让AI做还是自己做
在决策思维场景中，以「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」为分析主线，按模型提示词执行并检查结论。
感觉AI做了一些本应该自己做的判断
在任务管理场景中，以「用「价值密度×不可替代性」矩阵决定哪些任务交AI、哪些必须人做，避免「过度依赖」和「低效保留」两个极端」为分析主线，按模型提示词执行并检查结论。
常见误区
- 过度依赖AI会弱化人的核心判断能力
- 过度保留人工会让AI的价值无法释放