3问筛选法
判断一个业务场景是否适合 AI 介入的三条操作级判据：规则 if-then 化、异常 SOP 化、代价可量化。三条全”是”→ AI 能上；有一条”否”→ 先补齐再谈 AI。
简介
3问筛选法是 AI 落地三大逻辑中”逻辑一：先规则后智能”的具体判断工具。它把”这个场景适不适合用 AI”从直觉判断变成可操作的三个问题，解决了企业 AI 落地最常见的失败模式——在不适合的场景上投入 AI，然后因为规则不清晰导致 AI 产出不可用，最终项目烂尾。
三条判据分别对应 AI 能否介入的三个前提条件：
- 规则 if-then 化：AI 需要明确的输入→输出映射，如果规则本身无法写成 if-then（如”根据综合感觉判断这个员工该涨多少工资”），AI 无法替代人的判断。
- 异常 SOP 化：AI 一定会遇到边界情况，如果异常处理没有明确的 SOP（如”遇到这种情况看情况办”），AI 在边界处会出错而不自知。
- 代价可量化：AI 出错是必然的，但如果失败的代价无法量化（如”AI 误判一次客户意向的代价是多少”），就无法设计合理的降级方案和接受标准。
三问筛选法与 AI需求四道门 互补：四道门从需求侧做准入判断（用户愿意付什么代价、技术适配度、落地条件、价值验证），三问筛选法从场景侧做准入判断（规则是否成型、异常是否有章法、失败能否承担）。
核心特性
三条判据详解
判据一：规则是否可以写成 if-then？
- “是”的例子：员工本月课时为 0 → 标记为异常、发薪金额超过上月 200% → 标记需人工审核、报销单金额超过预算额度 → 自动退回
- “否”的例子：根据综合感觉判断员工绩效等级、根据行业趋势判断产品定价、根据市场情绪判断营销时机
- 判断技巧：让业务方用”如果……就……”造句描述他们的判断逻辑，造不出来或每次造出来的不一样就是”否”
判据二：异常处理是否已经有明确的 SOP？
- “是”的例子：AI 标记的异常数据 → 先发邮件通知区域 HR → HR 2 个工作日内确认/驳回 → 超时自动升级到总部 → 每季度复核 AI 误标率
- “否”的例子：AI 发现不对劲就”到时候看”、“根据情况灵活处理”
- 判断技巧：问”如果 AI 判断错了，谁来纠正？怎么纠正？多久纠正？纠正不了怎么办？“四个问题都能回答才算”是”
判据三：失败代价是否可量化？
- “是”的例子：AI 误标一条异常（人复查后发现正常）→ 浪费 HR 2 分钟复查时间，可接受
- “否”的例子：AI 误判一个客户意向（丢失一个潜在百万订单）→ 代价不可接受且难以量化
- 判断技巧：用历史数据估算错误率 × 单次错误代价。代价占总收益的 <1% → 可接受；>5% → 需要人工兜底；>10% → 不适合直接上 AI
三条全”是”后的行动
三问通过不代表 AI 项目必然成功，只代表”场景具备 AI 介入的前提条件”。通过后的下一步是：
- 写清晰的 if-then 规则库（给 AI 推理的基准）
- 固化异常 SOP 为系统流程（给 AI 不确定时的兜底路径）
- 设定失败代价阈值作为上线门禁（给 PM 和业务方的验收标准）
不同素材中的观点
- 2026-07-16-woshipm-ai-landing-methodology-finance-to-pm：首次提出三问筛选法。案例是智能发薪系统中”薪资异常检测”场景——三问全”是”（异常规则明确 if-then 化、复核流程有 SOP、误标代价是 2 分钟复查），所以适合 AI。而”绩效评级”场景第一条就”否”（评级逻辑无法单纯 if-then 化，涉及综合判断），所以不适合直接让 AI 拍板。
相关页面
- AI落地三大逻辑 — 逻辑一”先规则后智能”的判据工具
- AI需求四道门 — 需求侧的互补准入框架
- 三角翻译能力 — 三问筛选对应”业务语言 → AI 能力边界”的翻译
- 2026-07-15-ai-sigangqi-jiashenme-ai — 四道门框架的原始出处