统计AI创建任务的字段完整率、重复率、采纳率和返工率，前提是先固定三件事：试点团队与时间窗、纳入统计的工作项类型、必填字段清单。四个指标共用同一分母基线，按周或按批次输出，才能横向比较。下面给出每个指标的口径、取数来源、计算步骤和一组假设算例，并说明结果怎么读、哪些结论不能下。
要点总览（TL;DR）
- 统计前先固定三件事：试点团队与时间窗、纳入统计的工作项类型、必填字段清单；四个指标共用同一分母基线，按周或按批次输出。
- 字段完整率=必填字段齐全的AI任务数÷纳入统计的AI任务总数；重复率=被判定为重复的AI任务数÷纳入统计的AI任务总数。
- 采纳率=人工确认保留的AI任务数÷AI生成任务总数；返工率=创建后被人工修改关键字段的AI任务数÷AI生成任务总数。
- 分母为零时记为空值并标注“本期无样本”，字段缺失或重复判定存疑的任务单列待核清单，不直接计入或剔除。
- 指标需组合解读：采纳率高但返工率高说明AI价值在起草而非定稿；单指标不能当作AI质量的整体结论，也不宜直接用作个人绩效依据。
试点评估要回答什么问题
试点评估的目标是判断AI创建任务在真实研发流程中是否可用，以及不可靠集中在哪些字段和环节。它服务于三个决策：是否扩大试点范围、调整提示词或生成规则、在哪些字段上保留人工校验。评估对象应事先写清：参与试点的团队、试点周期（例如连续四周）、纳入统计的工作项类型（例如需求、任务、缺陷中的哪几类）。
建议用一页纸固定评估目标说明，包含四项内容：评估对象与周期；纳入统计的AI创建任务范围；四个指标各自回答的问题；结论的用途与不用途。用途一栏明确写“用于试点去留与调优方向判断，不作为个人绩效考核依据”，可以避免试点成员因担心被考核而修改或隐藏数据。
四个指标分工不同：字段完整率看AI生成的任务信息是否齐全，重复率看AI是否重复造单，采纳率看人工是否愿意保留AI生成的结果，返工率看保留之后人工还要改多少。单看任何一个都不足以判断AI质量，需要组合解读。
四个指标的定义与统计范围
四个指标建议共用同一分母基线：统计时间窗内、由AI创建并进入工作项系统的任务总数。采纳率的分母按定义使用AI生成任务总数，若生成后未进入系统的任务也能被记录，应单独说明其数量，避免与进入系统的任务混算。下表给出完整口径。
| 指标 | 分子 | 分母 | 时间窗 | 单位 |
|---|---|---|---|---|
| 字段完整率 | 必填字段全部齐全的AI任务数 | 纳入统计的AI任务总数 | 按周或按批次 | 百分比 |
| 重复率 | 被判定为重复的AI任务数 | 纳入统计的AI任务总数 | 按周或按批次 | 百分比 |
| 采纳率 | 人工确认保留的AI任务数 | AI生成任务总数 | 按周或按批次 | 百分比 |
| 返工率 | 创建后被人工修改关键字段的AI任务数 | AI生成任务总数 | 按周或按批次 | 百分比 |
纳入范围：由AI创建、已进入工作项系统的任务。排除范围：人工创建的任务、测试与演示数据、统计时点前已删除的任务。被删除的任务如果数量可观，应单独记录删除数量与原因，作为解读时的补充信息，不计入四个指标的分子分母。
必填字段清单必须在统计开始前固定并书面留档，例如：标题、负责人、所属项目、优先级、计划完成时间、验收标准。清单一旦确定，试点期内不随意增删；确需调整时，在调整日前后分段统计，两段数据不直接合并比较。重复的判定标准同样要事先写清，由试点负责人、业务代表和研发管理者共同确认，常见判定方式包括：标题与描述高度相似、指向同一需求或缺陷、与已有工作项存在明确关联关系。判定标准写进同一份口径文档，判定人对存疑任务按同一规则处理。
返工率中的“关键字段”应与必填字段清单对齐，例如负责人、优先级、计划完成时间、验收标准被人工修改即计为返工；仅修改描述措辞、补充评论不计入。这样返工率与字段完整率使用同一套字段定义，两个指标可以互相印证。
数据从哪里取、怎么保证可比
四个指标依赖三类记录：创建来源标记（区分AI创建与人工创建）、字段变更记录（记录关键字段的修改时间与修改人）、状态流转记录（记录任务是否被保留、关闭或删除）。取数前先确认系统能按任务导出这三类信息；如果系统无法区分AI创建与人工创建，应先补齐来源标记再开始统计，否则采纳率和返工率没有可靠分母。
需要留痕的字段清单建议包括：创建方式、创建人（或AI生成标识）、创建时间、各关键字段的当前值与修改历史、任务状态变更时间。人工确认保留的动作也要留痕，例如通过状态流转、确认标记或评审记录体现“这条AI任务被人工接受”，避免采纳率只能靠事后回忆判断。
可比性依赖三个一致：同一份必填字段清单、同一套重复判定规则、同一时间窗。三项中任何一项变更，都要在变更日切分数据，分段统计并标注口径版本。跨周比较时，若某周样本量明显偏小，应标注样本量而不是直接比较百分比高低。
在ONES中，AI助手可以把自然语言指令转化为可追踪的工作项，并基于项目与Wiki上下文执行操作，输出过程可追踪、结果可审计。试点团队可以利用工作项的创建与变更记录，按上述字段清单导出数据，完成来源区分和返工判定；具体可查询的字段形态与导出方式，以试点环境实际配置为准，开始统计前先做一次小样本核对。
计算步骤与公式
计算按四步执行：圈定任务集、逐条判定、按公式汇总、交叉核对。圈定任务集时按时间窗和来源标记导出清单，去掉排除项并记录剔除数量；逐条判定时对每条任务打三个标记——必填字段是否齐全、是否重复、关键字段是否被人工修改，同时记录是否被人工保留；汇总时按公式计算；交叉核对时用不同人复核或抽样复核，确认判定一致。
四个公式的完整写法：
- 字段完整率 = 必填字段齐全的AI任务数 ÷ 纳入统计的AI任务总数 × 100%
- 重复率 = 被判定为重复的AI任务数 ÷ 纳入统计的AI任务总数 × 100%
- 采纳率 = 人工确认保留的AI任务数 ÷ AI生成任务总数 × 100%
- 返工率 = 创建后被人工修改关键字段的AI任务数 ÷ AI生成任务总数 × 100%
异常情况按以下规则处理：分母为零时，该指标记为空值并单独标注“本期无样本”，不按0%处理，也不参与周均值计算；字段缺失导致无法判定的任务，单列“待核清单”，暂不计入分子，在报表中注明待核数量；重复判定存疑的任务同样进入待核清单，由判定人按事先规则复核后再归类，复核结论与判定人一并记录。待核清单在下一期统计前清零或明确结转，避免长期挂账影响可比性。
一个试点周的算例
以下为演示用假设数据，不对应真实团队。某试点周AI生成任务120条，其中进入工作项系统并被纳入统计的为112条，8条在生成后未进入系统，单独记录。逐项判定结果如下：必填字段齐全的98条；被判定为重复的9条，另有3条待核；人工确认保留的104条；保留后被人工修改关键字段的27条。
| 指标 | 分子 | 分母 | 计算 | 结果 |
|---|---|---|---|---|
| 字段完整率 | 98 | 112 | 98 ÷ 112 | 87.5% |
| 重复率 | 9 | 112 | 9 ÷ 112 | 8.0% |
| 采纳率 | 104 | 120 | 104 ÷ 120 | 86.7% |
| 返工率 | 27 | 120 | 27 ÷ 120 | 22.5% |
解读这组数据时，先看缺失集中在哪些字段：若98条齐全的任务之外，14条缺失主要落在计划完成时间和验收标准，改进动作就指向生成规则或提示词中补充这两类信息，并在人工确认环节加一道检查。重复的9条若集中在同一需求主题，说明生成时对已有工作项的检索不足，可调整生成前的上下文范围。返工27条中若多数是修改负责人和优先级，说明AI对团队分工和优先级的判断依据不足，适合在生成后由负责人快速确认，而不是要求AI一次生成到位。
结果怎么解读、有哪些限制
指标之间要组合看。采纳率高但返工率也高，说明人工愿意保留AI任务，但保留后仍需大量修改，AI的价值更多在起草而非定稿，改进方向是提升关键字段的准确度。字段完整率高但重复率也高，说明任务信息填得齐，但AI没有充分识别已有工作项，改进方向是生成前的查重与上下文检索。采纳率低而完整率高，可能是任务本身可用但人工不信任流程，需要检查确认环节的设计。
不能把单指标当作AI质量的整体结论，也不能直接把四个指标用作个人绩效依据。指标反映的是试点期可观察的准确性侧面，受样本量、判定主观性和口径漂移影响。样本量小时，百分比波动大，建议同时报告绝对数量和分母；重复判定带有主观成分，应固定判定人并做抽样复核；口径中途变更必须分段统计，不把不同口径的数据画在同一条趋势线上。
最后，指标只能说明“发生了什么”，不能证明“为什么发生”。要定位原因，还需结合具体任务的抽样阅读和试点成员的反馈，把指标结果与字段级改进动作对应起来，再决定是否扩大试点。
常见问题
AI生成后没有进入工作项系统的任务，要不要计入采纳率的分母？
采纳率的定义是“人工确认保留的AI任务数÷AI生成任务总数”，分母应包含生成后未进入系统的任务，否则采纳率会偏高。实际操作中，如果系统只能导出已进入工作项的任务，建议单独记录未进入系统的数量与原因，在报表中注明“本期有N条生成后未进入系统，未纳入分母”，并说明该口径与完整定义的差异。跨周比较时保持同一处理方式，避免某一周补录数据后分母突然变化。
重复判定出现分歧时，应该由谁裁决、怎么留痕？
重复判定标准应在统计开始前由试点负责人、业务代表和研发管理者共同确认并书面留档，判定人按同一规则处理。遇到存疑任务，先放入待核清单，由事先指定的判定人复核，复核结论与判定人一并记录。若同一类分歧反复出现，说明判定规则本身需要细化，应在下一期统计前修订规则，并在修订日切分数据、分段统计，不把修订前后的数据直接合并比较。
试点只有两三周、样本量很小，百分比还有参考价值吗？
样本量小时百分比波动很大，单看百分比容易误判。建议同时报告绝对数量和分母，例如“本周AI任务28条，其中重复3条”，而不是只写“重复率10.7%”。两三周的试点更适合看趋势和字段级分布：缺失集中在哪些字段、重复集中在哪些需求主题、返工集中在哪些关键字段，这些分布信息比百分比本身更能指导调优。若样本量持续偏小，可以延长观察期或扩大试点范围后再做周间比较。
统计口径中途需要调整，之前的数据怎么处理？
口径调整包括必填字段清单增删、重复判定规则修订、纳入排除范围变化。处理原则是在调整日切分数据，调整前后分段统计，各自标注口径版本，不把不同口径的数据画在同一条趋势线上。如果调整发生在试点中期，可以在报表中并列展示两段数据并注明差异原因，让阅读者知道两段不可直接比较。口径文档同步更新，保留修订记录，便于后续复核。
四个指标算出来之后，怎么对应到具体的改进动作？
先做字段级拆解，再看指标组合。字段完整率偏低时，看缺失集中在哪些必填字段，改进动作指向生成规则或提示词中补充对应信息，并在人工确认环节加检查点。重复率偏高时，看重复任务是否集中在同一需求主题，改进方向是生成前扩大对已有工作项的检索范围。返工率偏高时，看被修改的关键字段分布，若集中在负责人和优先级，说明AI对团队分工判断依据不足，适合在生成后由负责人快速确认。指标只说明发生了什么，定位原因还需结合具体任务的抽样阅读和试点成员反馈。
