AI 自动化系统最常见的吞吐瓶颈不是模型，而是人工节点。只要 human task 没有 SLA 和升级规则，流程很快会出现“卡住但没人负责”。
这类问题最容易被误判成“人手不足”，但真正根因通常是流程治理缺失。
人工节点治理四件事
| 维度 | 最小要求 |
|---|---|
| 响应时限 | 每类任务定义首响 SLA |
| 处理时限 | 定义完成 SLA 与超时动作 |
| 升级路径 | 超时自动升级到下一责任层 |
| 可见性 | 看板显示 aging 与阻塞原因 |
这四项缺任一项，人工节点都会变成黑洞。
SLA 不应“一刀切”
建议按风险等级分层：
| 任务等级 | 首响 SLA | 完成 SLA | 升级策略 |
|---|---|---|---|
| L1 低风险 | 4h | 24h | 单次提醒 |
| L2 中风险 | 2h | 8h | 双次提醒 + 主管升级 |
| L3 高风险 | 30m | 2h | 立即升级 + 备援接手 |
分层后，资源才会用在真正关键节点上。
容量模型：别只盯 SLA，不算负载
至少要回答两个问题：
- 峰值时段的任务到达率是多少？
- 每个审核员在质量不下降前提下的处理吞吐是多少？
没有容量模型，SLA 只是口号。
失败案例：审批队列假日堆积
某平台在节假日无 on-call 备援，审批节点平均卡 36 小时。业务侧把问题归咎于“自动化没价值”，实际上是人工节点没有组织级保障。
修复动作：
- 增加节假日值班与共享队列。
- 超时任务自动升级到备援角色。
- 高风险任务启用优先通道。
改完后，堵塞显著下降。
监控与告警建议
- aging P95
- 超时升级率
- 升级后二次超时率
- 任务退回率
退回率高常常意味着“上游证据包质量差”，不一定是审核员效率低。
组织层面要做的事
- 明确值班责任，不依赖临时协调。
- 把人工节点指标纳入周度运营复盘。
- 对高风险场景预留突发处理容量。
否则你做的是“流程自动化”，不是“运营自动化”。
人工任务包决定处理效率
很多人工节点慢，不是因为人不愿意处理，而是任务包质量太差。一个可用的人工作业包至少包含：
- 任务目标
- 系统建议结论
- 关键证据
- 风险点
- 可选动作
- 超时后果
如果审核员需要自己翻日志、查上下文、找证据，SLA 再漂亮也会失效。
路由规则：谁来处理比什么时候处理更重要
任务路由建议按三类信号：
| 信号 | 路由依据 |
|---|---|
| 风险等级 | 高风险给资深 reviewer |
| 领域标签 | 技术、法务、财务分别路由 |
| 当前负载 | 避免把任务堆给单个 owner |
路由做不好，升级链路会变成“不断转派”。
复盘不只看谁超时
每次人工节点超时，复盘要问：
- 任务是否路由给了正确的人？
- 任务包是否足够完整？
- SLA 是否符合风险等级？
- 是否需要把某类人工判断沉淀成自动规则？
最后一条很关键。好的人工节点不是永远人工处理，而是不断把稳定判断沉淀回系统。
Checklist
- 人工节点均有分级 SLA 定义
- 超时升级链路已自动化
- 看板按 aging 与风险展示阻塞
- 人工节点有容量模型与排班策略
- 复盘包含人工瓶颈与上游质量分析
延伸阅读：
