AI能力库
16 项能力 · 6 大类回答"AI到底具备哪些能力"。作为任务分析的"AI供给侧"词典：每个任务匹配的AI能力都能在此找到来源、成熟度与风险等级。
AI工作模式库
6 种参与模式回答"AI应该以什么方式参与工作"。同一种AI能力可以对应完全不同的工作模式——能力决定"能做什么"，模式决定"怎么工作"。
AI能力成熟度
持续跟踪 · 季度更新回答"当前AI能做到什么程度"：已能稳定完成什么、尚不能稳定完成什么、需要多少人工介入。AI技术变化后，哪些判断被更新——见下方版本记录。
| 能力 | 评估维度 | 当前成熟度 | 已能稳定完成 | 尚不能稳定完成 | 人工介入要求 | 更新时间 |
|---|
版本变化记录
AI技术变化以后，受影响的库内判断被更新，引用该判断的历史重构结论标记"待重新评估"。
| 版本 | 日期 | AI能力 | 判断变化 | 变化原因 | 受影响任务 | 重新评估 |
|---|
标准案例库 · 质量工程师
制造业 · 完整拆解结果系统操作案例的完整归档：从岗位任务拆解、AI机会分析、人机分工到改造Roadmap与已验证效果。新项目重构时，系统以该案例作为行业基线与效果参照。
质量工程师 · AI工作重构
传统质量工程师承担客诉处理、质量数据分析、RCA、8D报告、风险判断、改进跟踪六类任务，是典型"信息处理型"岗位。AI介入后，客诉信息提取、数据清洗、趋势分析、报告生成、知识检索由AI承担；人转向AI结果验证、RCA判断、风险判断、改进决策并承担最终责任——岗位性质从「信息处理型」转变为「判断与协作型」。
① 岗位任务地图（18 项核心任务 · 结构化拆解结果）
岗位 → 职责 → 真实任务。回答"这个岗位现在到底在做什么"。月度总投入 498h，事务性占比 62%，高风险任务 4 项。
| ID | 任务 | 频次 | 单次耗时 | 月投入 | 标准化 | 判断复杂度 | 风险 |
|---|
② AI机会分析（AI能力 × 工作模式 × 任务矩阵）
逐任务判断AI能不能做、能做到什么程度、应该以什么方式介入、人必须保留什么。结论分层：立即AI化 8 项 · 战略试点 6 项 · 人主导 4 项。
AI机会地图 · 业务价值 × 实施难度
| 任务 | AI能力 | 承担 | 模式 | 优先级 | 证据 |
|---|
③ 人机协作分工（质量专家校准结果 · E2）
专家校准发现：有些任务AI仍然不能承担——最终质量判定、安全相关决策、客户责任认定、根因最终确认、风险接受。能力重新分层：AI可以做 / AI辅助做 / 人必须做。
| 工作环节 | AI | 人 | 人机协作 |
|---|
工作结构变化：AI介入前后
④ 能力变化（原能力 → AI后）
从岗位变化反推能力变化：不是"AI能力替代质量能力"，而是AI能力叠加到专业能力之上，形成AI时代的新岗位能力。
| 能力项 | AI介入后变化 | 状态 | 说明 |
|---|
⑤ AI改造Roadmap（价值 × 难度 × 风险 × 前置依赖排序）
先做什么、后做什么。RCA Agent不能直接上线——需先完成数据结构化与企业知识库，否则RCA就会变成"AI猜原因"。
⑥ 已验证效果（任务效果库 · E4 真实任务验证）
每项效果记录改造前/改造后、人工介入变化与验证方式——这是后续重构估算效率提升的实证依据。
效率提升幅度（已验证 / 试点）
| AI方案 | 指标 | 改造前 | 改造后 | 人工介入 | 验证状态 |
|---|