ARTICLE · 1107887
AI开始24小时替你工作:当助手变成“数字员工”,谁来管理它?
AI开始24小时替你工作:当助手变成“数字员工”,谁来管理它?
设想一个工作日的傍晚。你关上电脑，给AI留下一句话：“把客户反馈整理好，准备下周的产品方案。”过去，这意味着一段对话结束了。现在，一类新产品想让工作继续：你离开以后，它还能在获得授权的范围内查资料、推进任务，等你回来，再交付结果或提出需要你决定的问题。 美国时间9月29日，OpenAI发布常驻智能体Dots。按照官方介绍，它拥有自己的云端电脑，可以围绕目标持续工作，通过ChatGPT、Slack或Teams与人协作。产品正在符合条件的市场和订阅计划中逐步推出，并非所有用户都已获得开放。 同日，Meta宣布推出面向小企业的Muse新功能，把智能体与网店、账目、客户记录和办公软件连接起来。Meta同时强调，发布内容、发送消息和花钱，都需要用户批准。 两家公司的具体方案不同，但指向了同一个变化：AI不再只等你提问，而是尝试接下一段持续的工作。 真正值得讨论的，也不只是它能否替人多干几小时。 如果助手开始拥有工作环境、访问权限和长期任务，企业究竟是在购买一种软件，还是在引入一个需要被管理的执行者？当执行成本下降，目标、验收和责任，又该由谁承担？ 一、24小时在线，改变的是工作的交接方式 “数字员工”是一个有吸引力的比喻，却也容易把问题说得过于简单。持续在线不等于持续有效产出，能操作工具不等于能独立承担一个岗位，记住偏好也不等于真正理解一家公司的全部处境。 OpenAI已经预告企业专用的specialist dots：由企业为其配置独立身份、凭证和系统访问权限，让它承担明确职责。但这一部分目前仍从定向企业试点开始。 从这些产品设计中，可以读出一个组织层面的方向：企业可能不再只分配“软件使用权”，还要开始分配“持续工作的权限”。 传统工具通常由人触发，工作节奏也由人的操作来切分。智能体则可能在一次授权之后持续推进，遇到新信息再调整步骤。于是，管理的重点从“这次输出对不对”，扩展到了“接下来还能做什么、什么时候必须停下来”。 这里必须划清事实边界。OpenAI明确说明，Dots主动发起的后台研究使用只读工具，不能直接发送消息、改动连接应用中的内容，或控制浏览器和桌面；后续行动仍需遵循授权与审查规则。 所以，24小时在线不是一张无限通行证。它更像一项长期委托：人的注意力暂时退出，工作仍可推进，但委托的范围不能随时间自动扩大。 公司过去把许多边界藏在日常默契里。如今，这些边界必须变得足够清楚，才能交给一个不共享全部人情、历史和现场经验的系统。 
二、便宜的执行，不等于便宜的交付 购买AI时，最容易算的是订阅费和运行费，最难算的是：为了放心使用它的结果，人还要做多少工作。 让AI写一份内部讨论稿，与让它发出正式报价，成本结构完全不同。前者可以容忍不成熟的想法，后者却涉及价格、交期、付款条件和公司的承诺。同样流畅的一段文字，放进不同流程，后果可能相差很远。 智能体可以把部分执行工作接过去，但在一些任务里，问题会转移到另一端：结果是不是正确，是否符合公司的限制，能不能进入下一道流程？ 验收需要专业知识，也需要时间。如果一份报告生成得很快，却要花很久核实其依据，企业得到的是写作加速，未必是整个决策流程加速。 但这也不意味着AI必然增加管理成本。对输入稳定、规则明确、结果可自动核对的任务，验收本身也可以被简化。真正要比较的，是原流程总成本与新流程总成本，而不只是人工工资与软件价格。 新流程里既有运行费用，也有任务配置、数据整理、核验、返工和异常处理；收益则包括节省的时间、更短的交付周期，以及原本因人手不足而没能完成的工作。 “能不能做”是产品演示的问题。“做完以后，值不值得放心用”才是经营的问题。如果考核指标只是产出文档的数量、运行时长或调用次数，公司很容易得到一支看上去很忙、却没有显著改善业务的数字队伍。 
三、最难交接的，往往是公司的上下文 很多工作看上去只需要一条指令，实际上依赖一整套没有写在指令里的前提。 设想一家公司的销售智能体准备报价。它找到了客户邮件和产品价格表，却不知道：旧价格表已经失效，生产部门尚未确认交期，这个客户的信用额度也需要重新审核。它可以把邮件写得非常完整，报价却仍然不能发。 这个假设场景里，缺的未必是更强的语言能力，而是权威信息源、更新机制和跨部门约束。公司自己没有理顺的信息，不能指望AI仅凭“更聪明”就稳定地理顺。 接入更多应用，也并不自动解决问题。信息越多，越需要说明哪份文件有效、哪个系统记录算数、谁有权更新、不同记录冲突时以什么为准。否则，连接数量增长的同时，歧义也可能增长。 再进一步，当销售、采购、财务分别使用不同智能体，每个系统都可能把本部门的任务完成得很好，却在共同业务上发生冲突。销售优化成交速度，采购优化库存，财务控制现金支出；局部目标都合理，组合起来未必合理。 因此，组织不能把互相制约的目标拆成任务以后，就假设它们会自动协调。谁能承诺什么、谁的判断优先、哪些状态必须同步，仍要有明确的安排。 这也是AI落地的一种反向作用：它会逼公司看见，过去到底有多少流程，是靠某位老员工记得、靠一次电话沟通，或者靠临场补救才能运转的。 
四、管理数字员工，先建立五个明确的边界 第一，明确任务负责人。一个智能体可以有名字、有账号，但企业内部仍应有具体的人对这项委托负责：确认目标、接受结果、处理例外。供应商负责的产品问题，与公司自己的业务判断，不宜混在一句“AI做错了”里。 第二，把任务写成可以验收的约定。“帮我提升销售”太宽泛；“基于指定时间段的数据，分析流失原因，形成附带依据的建议，不改变价格、不联系客户”，才有可检查的范围。真正重要的不是指令写得漂亮，而是输入、输出、期限、预算和禁区是否明确。 第三，让权限跟着后果走。读取资料、生成草稿、改内部记录、对外作承诺，不应被打包成同一种授权。可以先允许只读和起草，在稳定验证之后，再开放可恢复、范围有限的动作。涉及重要资金、敏感信息和难以撤回的承诺，应设更严格的条件。 OpenAI的安全说明已经体现出类似分层：购买需要批准，一些难以撤回的动作需要逐次确认；部分敏感步骤必须交还给用户。它还设置独立的动作审查系统，检查计划是否符合指令和安全规则。 第四，让验收看到证据，而不只看到结论。数据来自哪里、使用了什么版本、改了哪些内容、还有什么不确定，都应进入交付物。对确定性较强的任务，优先用测试、规则和记录核对；对依赖专业判断的任务，保留相应的人工审核。另一个AI的赞同，可以辅助审查，却不能被当成独立事实证明。 第五，让停止成为正常结果。预算用完、数据冲突、重复失败、授权不足，或者任务前提发生变化，都应触发暂停和升级处理。一个不会停止的流程，不会因为运行得更久就变得更负责。 这些安排不意味着每一步都让人点击确认。低风险、可恢复、已经充分验证的动作可以获得更多自动化空间。管理的目标，是让需要判断的人在关键处出现，而不是让他整天替机器盖章。 五、AI未必保住管理者，却会重新定价管理能力 “AI员工越来越多，所以管理者越来越重要”，是一个听上去令人安心、却不够严谨的结论。 管理工作中同样存在大量可被压缩的部分：催进度、汇总报表、传递消息、安排会议。智能体可能接走这些工作，甚至减少一些中间层。因此，管理需求变化，不等于既有管理岗位都能留下。 更可能发生的是能力重新分化：把消息从一个人转给另一个人的价值下降；定义问题、识别冲突、安排优先级、验证结果并承担取舍的价值，可能变得更突出。受影响的是工作内容，不只是职位名称。 同样，“每个人都能管理一支AI团队”也需要谨慎。使用工具的门槛可以下降，判断专业结果的门槛却未必同步下降。不了解业务的人，可能更容易被完整、流畅的交付物说服；有经验的人，则更容易发现哪些地方还不能接受。 企业如果让输出增长远快于审核能力，专家就可能成为新的排队节点。这时，解决办法不能只是要求专家更快地检查，而应先减少低价值任务，把重复核验转成规则，并把人的判断留给真正的例外。 还有一个更慢的影响值得留意：新人过去通过整理资料、做初稿和处理基础问题积累经验。如果这些环节大量交给AI，公司要另外设计学习与反馈路径。否则，今天节省的基础劳动，可能同时削弱未来的判断能力。 对小公司而言，这并不只有压力。智能体也可能补上原本没有预算建立的分析、整理和跟进能力。关键是从具体、可验证的流程开始，而不是一开始就把“经营整个公司”交给它。 
六、谁来管理它，最终是在问：公司想把时间用在哪里 当执行越来越容易，企业还会遇到另一个诱惑：把所有想法都变成任务。 过去，许多需求因为人手有限而自然搁置。智能体降低启动成本以后，老板可以随时要求更多分析、更多方案、更多测试。可即使这些任务由机器完成，人仍需要理解、选择和消化它们。 如果管理者不断追加目标，数字员工的24小时在线，就可能变成人类员工的24小时待审。节省下来的时间，没有被交还给人，而是被新的任务重新占满。 因此，企业不仅需要规定AI什么时候工作，也需要规定人什么时候不必回应；哪些事项集中交付，哪些变化值得打断，哪些任务即使做得到，也没有必要做。 未来值得竞争的，可能不是谁拥有最多智能体，而是谁能以更少的监督，稳定获得可以信任的结果。这需要模型能力，也需要清楚的数据、流程、授权和验收制度。 “数字员工”可以是一个产品名称，也可以是一种工作比喻。但它不能代替组织作出取舍。 谁来管理它？答案不只是某个老板、某位工程师或另一个AI，而是一套有人负责、可以核验、能够叫停的工作安排。 一个能在你离开后继续工作的助手，确实可能替你省下时间。但时间最终会流向哪里——更多产出、更好的判断，还是更多等待处理的提醒——仍取决于人怎样设计工作。 AI可以让工作不断继续。管理要回答的，是哪些工作值得继续，做到哪里就已经足够。
设想一个工作日的傍晚。你关上电脑，给AI留下一句话：“把客户反馈整理好，准备下周的产品方案。”