第3章：介入点候选池构建

本章从四个核心维度系统化构建AI介入点候选池：瓶颈与效率提升潜力、规则复杂度、决策频次、数据可用性。每个维度产生一个子候选集，通过层次化过滤与加权聚合，最终输出具备优先级排序的介入点候选池。以下从业务流程边界、系统分层、AI组件职责、数据流与控制流、信任链路、选型权衡、风险点、落地步骤与验收标准逐一展开。

3.1 业务流程边界与系统分层

候选池构建必须首先划定业务流程边界：只考虑直接产生业务价值的端到端流程，排除支撑系统、基础设施等非业务环节。边界内流程按活动粒度拆分为原子活动，再映射到系统分层的业务层、决策层、执行层：

3.2 AI组件职责与维度评估

每个维度对应特定的AI组件职责：

• 瓶颈与效率提升潜力 → 异常检测组件（识别耗时瓶颈）、优化推荐组件（建议效率提升措施）
• 规则复杂度 → 规则引擎 + 专家系统替代组件（评估规则条件数量、分支深度）
• 决策频次 → 预测模型 + 自动化决策组件（高频决策优先自动化）
• 数据可用性 → 数据质量评估组件（检查字段完整率、时效性、标注比例）

四个组件独立运行，输出各自维度的候选活动列表及其评分。

3.3 数据流 / 控制流 / 信任链路

数据流：业务流程日志 → 各维度特征提取 → 评分计算 → 候选集合并 → 加权排序。控制流由调度引擎按“瓶颈 → 规则 → 频次 → 数据”的默认顺序执行，可根据业务优先级调整。信任链路通过人工回标机制：每个维度评分后，业务专家可对Top-5候选进行验证，验证结果反馈校正评分模型。

3.4 选型权衡与风险点

四个维度的权重分配直接影响候选池构成。典型场景权衡：

3.5 落地步骤（构建候选池）

1. 汇总原子活动清单：从BPMN模型或流程文档提取，每个活动分配唯一ID。
2. 特征提取：对每个活动计算四项维度指标（见下方指标表）。
3. 阈值初筛：剔除所有维度均低于0.3的活动（低价值数据）。
4. 加权排序：按业务选定的权重计算综合得分，取Top-N。
5. 专家评审：业务与AI架构师共同评审Top-N候选，标记“立即介入”“需数据准备”“需规则简化”三类状态。

维度指标计算示例（JSON配置文件片段）：

{
  "activity_id": "ACT-042",
  "bottleneck_score": 0.85,    // 基于平均处理时长与队列长度
  "rule_complexity_score": 0.60, // 条件数>5且嵌套深度>2
  "decision_freq_score": 0.92,   // 每日执行次数>2000
  "data_availability_score": 0.45 // 关键字段完整率仅61%
}

3.6 验收标准

• 候选池覆盖度：候选池至少覆盖80%已知瓶颈活动（验证集比对）。
• 干预点准确率：经人工确认的候选介入点中，90%以上被专家判定为“值得实施”。
• 维度一致性：独立重复构件候选池两次，输出交集比例>70%。

3.7 候选池构建流程（维度驱动）

以下SVG图展示从四个维度输入到最终候选池输出的完整过程，包含阈值过滤、加权排序和专家评审环节。

3.8 维度指标参考标准

下表给出了各维度的量化评分参考，用于避免主观偏差：