题目重点：Power Day BQ 两次追问日常 AI 使用与效率提升；用具体工作流和可复核结果回答。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 只使用本人实际获批工具与真实工作案例；输入边界由所在组织政策决定，文章不推定 Capital One 内部政策。
解题路线
- 选一类具体任务：测试用例草拟、代码解释、文档摘要或实验脚本；说明原流程耗时/错误基线与 AI 辅助的哪一步。
- 交代输入去敏、访问许可和人类复核：生成内容经过编译/测试、事实核对、代码审查和安全检查，重要决策由人承担。
- 比较节省时间、减少返工或覆盖率变化，使用可验证口径；如果没有可靠统计，明确是个人观察而非量化收益。
- 展示失败例：模型遗漏边界或给过时答案，你如何发现并修正，再把核验写入流程。
手动走一遍
示范：用内部许可工具草拟测试矩阵，工程师审核后补两类遗漏边界，跑现有 CI，再与人工基线比较准备时间和缺陷发现；不得把未经验证的生成测试直接合入。
规模与取舍
效率收益应算端到端净节省 = 草拟时间节省 − 验证/返工成本；不同任务差异很大，题目没有收益数字。
易错点与追问
容易失分的边界
- 只列工具名，没有工作结果。
- 把模型回答未经核验地用于生产。
- 输入客户/内部敏感数据却不核权限。
- 虚构大幅效率提升。
继续深挖
- AI 答错时怎么发现？
- 哪些任务你不会用 AI？
- 怎样证明净效率提升？
- 如果组织禁用外部工具怎么办？
