Escalation-Based Human Oversight（例外升级式监督）
定义
Escalation-Based Human Oversight 是 AI 自主处理常规路径、人类只审查例外、边界和高风险决策的人机监督模式。它不是取消人类，而是把人类从每一步执行移动到治理和升级节点。
核心逻辑
许多企业 AI 讨论把监督简化成“human-in-the-loop 是否存在”。但真正重要的是：哪些情况必须升级给人，哪些情况可以自动完成，错误如何停止，责任如何追踪。
Stanford 报告称，AI 自主处理 80% 以上任务、人类审查例外的模式，对应最高的中位生产率收益，约 71%。
关键数据点
- Stanford 报告称，AI 处理 80% 以上任务、人类审查例外的 escalation-based 模式，对应约 71% 的中位生产率收益。
- 该模式把人类监督从“每步审批”移动到“例外升级、边界判断和清障”。
- 它与 Human-Governor-Agent-Operator 一致：Agent 执行常规路径，人类治理目标、约束和例外。
- NEJM AI（2026）给出软件域之外的硬结局数据点：Epic Deterioration Index 持续监测全部住院患者，仅在达到最高风险阈值时自动通知快速反应团队；实施后 RRT 激活率 25.3% → 37.5%，高风险患者院内死亡率 23.1% → 18.6%（观察性研究，获益归因于包含培训和响应流程的组合，不能单独归于算法）。
适用条件
- 常规路径足够可描述、可验证、可回滚。
- 错误风险可以被分级。
- 例外条件和停止条件明确。
- 人类有足够上下文处理被升级的 case。
- 系统记录决策过程，便于审计和改进。
与 Agent-First 的关系
该模式是 Human-Governor-Agent-Operator 的具体实现：Agent 作为 operator 处理可重复任务，人类作为 governor 处理目标、边界、例外和责任。
如果没有机器可读流程，升级条件会变成模糊口头规则；如果没有人类治理，自动化会把错误稳定放大。
前提与局限性
- 该模式不适用于所有任务。高风险、低容错、强监管任务可能需要更高比例的人类前置审查。
- “80/20”不是通用配方，而是提示方向：常规路径越可验证，越适合自动处理；例外越模糊，越需要人类治理。
- 如果升级条件设计不清，系统可能把最难的 case 延迟暴露给人类，造成责任漂移和审计风险。
关联概念
- Human-Governor-Agent-Operator — 例外升级式监督的组织角色分工。
- Agent-First-Process-Redesign — 需要围绕常规路径和例外路径重构流程。
- Machine-Readable-Processes — 升级条件必须被系统读取。
- AI-Deployment-Valley-of-Death — 清晰监督模式有助于从部署走向 ROI。
- Alert-Closed-Loop — 例外升级要兑现价值，还依赖通知、接收、干预、复盘的运行闭环。