2.8 这件事该交给 AI、规则还是人

销售团队希望 AI 自动批准折扣，因为审批很慢。我查看后发现，标准折扣其实有明确范围，只有少数大客户需要结合竞争、产能和长期价值判断。

这不是一个全部交给 AI 的任务。

一笔特殊折扣暴露了三种工作

一位销售为重要客户申请百分之十八折扣。旧流程把所有折扣都送给销售总监，标准订单也要排队。团队因此希望让 AI 自动批准。

我查看二十笔申请后发现，大多数只是检查折扣是否在岗位授权内，这是明确规则；少数需要整理客户历史、合同规模和相似价格，AI 很适合准备；真正超出范围的决定还涉及产能、长期客户价值和利润，应由销售与财务负责人共同承担。

把整项工作叫“折扣审批”，会让我们误以为只能在人和 AI 之间二选一。拆开后，三种方式可以接力完成。

条件稳定、答案明确、错误容易发现的步骤，适合固定规则，例如标准折扣在批准范围内自动流转。

资料很多、表达不统一、需要比较和总结的步骤，适合 AI，例如整理客户背景和指出合同差异。

涉及目标取舍、重大承诺、员工或客户利益、法律和不可逆后果的决定，应由有责任的人完成。AI 可以准备依据，不能替他承担责任。

折扣申请先由规则检查是否在标准范围，AI 整理客户价值与历史价格，超出范围再交给销售和财务负责人决定。

好的设计不是问“能不能全自动”，而是让每一部分由最合适的方式完成，并让交接条件清楚。

正常订单中，规则核对岗位权限和标准范围，符合条件就直接流转。资料表达不一致时，AI 整理来源并标出缺口。超过标准、涉及战略客户或毛利边界时，系统明确交给负责人，不给出“建议批准”来诱导决定。

销售负责人拥有客户与价格决定，财务确认利润和收入影响，风险岗位处理特殊合同，我负责拆任务和定义边界，AI 全栈工程师按执行包实现规则、资料准备和人工接管。

容易撤回的内部草稿可以更大胆试验；发给客户的价格、写入财务的金额和删除记录需要更严格的确认。

我交给 AI 全栈工程师的不只是允许动作，还包括什么时候必须停下、找谁接手、怎样撤销。

折扣还没发给客户时，错误容易撤回；报价已发送、合同已签或金额已进入财务后，恢复成本依次增加。因此授权边界不能只看 AI “平时有多准”，还要看错误发生后是否可见、可停和可补救。

当客户资料缺失、规则版本冲突或负责人不在线时，系统保持等待并显示原因，不自动选择一个看似合理的折扣。紧急客户需求应走公司已有的临时授权，不由 AI 自创例外。

我们用标准折扣、重复申请、资料缺失、战略客户和越权申请逐笔走流程。每笔都要得到正确去向，负责人能看见依据并修改，系统故障时可以回到人工审批。

上线观察的不只有审批时间，还包括越权次数、利润偏差、人工接管原因和客户报价更改。速度变快但错误承诺增加，不能算成功。

步骤	首选方式	为什么	失败或例外
检查岗位是否有折扣权限	固定规则	条件稳定、答案明确	规则版本冲突时停止
检查是否处于标准范围	固定规则	标准折扣已经获得预先批准	超出范围进入例外决定
整理客户历史、合同和相似价格	AI准备	资料多且表达不统一	保留来源，缺失时不补猜
评估产能、长期价值和毛利	AI准备，人判断	AI可整理影响，经营取舍仍需负责	无法确认时保持等待
批准并对外发送	有权的人	价格和客户承诺会产生后果	负责人不在线时走正式替补，不自动批准

一项“自动折扣审批”因此被改成规则检查、AI准备和人工决定的组合。这个分配也成为后续目标运行模式的第一块材料。

诊断已经产生多个可做方向。下一节不再让声音最大或演示最好看的想法获得优先，而是用经营价值、条件、风险和采用负责人比较：机会太多时，我怎样排出先后。