电力运维用AI,哪些事能授权,哪些要人来定?

设想一个运维场景：AI发现异常，把设备记录、历史告警和相关规程整理成一份建议。到这里，它可能替人省下不少查资料的时间。可如果下一步涉及改变设备状态，“建议得不错”就远远不够了。

电力运维引入AI，迟早要回答一个具体问题：它的权限到哪一步结束？

一线运维关心授权范围

9月18日，华为公布了一场输变电论坛的消息。国网浙江超高压分公司直流智能运维分中心负责人富银芳在发言中，谈到了对电力运维人工智能体的期待。

人工智能体可以理解为能读取信息、调用工具并推进任务的AI系统。富银芳的要求中，有一句值得单独拿出来：“授权内自主决策、关键环节人机协同”。

图1：华为官方报道中的发言原文

发言者负责直流智能运维，关注的是工作怎样交给AI，以及交出去以后怎样负责。它也划出了一条界线：自主决策有授权范围，关键环节仍需人的参与。

但要把证据说清楚。这是一份供应商发布的会议报道，记录的是运维负责人的需求与判断。仅凭这段发言，我们还不能认定某个换流站已经让AI自主完成所有相关操作。

同一天，华为公布六个电力数字化样板点，名单包括国网浙江±800kV特高压绍兴数字换流站。这能帮助读者确认讨论所涉及的具体业务场景；报道没有给出该站智能体的完整授权清单，也没有披露足以评价其自主操作效果的验收数据。

图2：华为9月18日公告列出的六个电力数字化样板点

对准备引入AI的运维团队，更实际的问题是：怎样把“授权内”写成系统能够执行的规则？下面是基于这个问题的流程设计建议，不是上述项目已经采用的方案。

先按动作分权限，再谈智能体有多强

“设备运维”是一个过于宽泛的授权对象。同一项任务里，读取资料、形成建议和改变现场状态，出错后果差得很远。

在限定的数据范围内查阅设备档案、汇总告警，可以先作为只读任务评估。AI输出应带着记录出处和时间，让人能核查它依据的是哪份资料。涉及敏感数据时，只读权限也需要明确的访问范围。

生成处理建议，可以比检索多走一步，但输出仍是待审材料。假如系统认为某项异常值得优先关注，它应说明相关证据、缺失信息以及哪些事实还不能确认。语言流畅不能代替证据齐全。

一旦动作会影响现场设备、生产控制或关键配置，就需要单独审查其权限。系统实际允许什么，应由适用规程、岗位职责和已验证的流程决定，不能让模型靠一句“我很有把握”获得执行资格。

这里容易被忽略的是，模型能力和系统权限是两回事。即使模型给出了下一步动作，工具接口也可以只允许它提交草稿，执行入口仍由现有控制流程掌握。

做产品方案时，不妨把“AI负责运维”改成一张动作表：读取哪些数据，提交到哪里，谁审核，满足什么条件才能继续。权限表中的限制，要在数据访问和工具接口中真正生效。只在提示词里写“谨慎操作”，无法替代这些限制。

人机协同，要让人有条件作判断

保留一个“确认”按钮，并不会自动产生有效审核。

回到开头的假设场景。如果审核者看到的只有“建议优先处理，置信度很高”，他还得重新找资料。AI省下的时间，很可能又在核查环节花回去。

更有用的界面，应把原始告警时间、对应设备标识和引用的记录放在建议旁边。若资料之间有冲突，要把冲突一起展示；若某项数据没有更新，就说明这份建议用到了什么时间的状态。

审核者还应看得到：AI目前只做了信息整理，还是已经发起了其他流程；接下来的动作会影响什么；不同意时能否直接退回，而不必先接受系统的建议。

这是一个容易被产品演示掩盖的成本。演示里，只展示AI几秒钟生成建议，显得很快；实际使用中，人能否迅速看懂依据、发现问题，同样决定效率。

验收时应把人工审核一起计时，记录多少建议需要补资料，以及复核漏掉了哪些错误。单独统计生成速度，会漏掉这部分工作。

验收时，专门看它什么时候停下来

如果企业准备试用，较稳妥的起点是选定一个范围清楚的辅助任务，让AI先在历史资料或不影响生产的验证环境里运行，并由熟悉业务的人对照检查。

除了正常样本，还应挑出资料缺失、同名设备容易混淆、记录相互矛盾等情况。先检查系统会不会把不同设备的数据拼在一起，会不会把旧状态当成当前状态，再决定是否扩大试用范围。

这里不宜只看一个平均准确率。漏掉关键异常和多报一条普通提醒，对业务的影响不同；应当分别记录，按实际后果评价。项目也要统计人工复核与纠错花费的时间，才能知道AI究竟减少了多少工作。

还应测试：条件不满足时，它是否停止推进，并把缺少什么说清楚。一个每次都能给出完整答案的系统，未必比一个能及时暴露信息缺口的系统更适合运维。

下一次看电力AI的方案演示，可以请对方展示这样一例：输入资料相互矛盾，系统准备怎么办？

如果它能保留证据、说明冲突，并把任务交到有权处理的人手里，我们才看得见“关键环节人机协同”在产品中具体长什么样。