W ciągu ostatnich dwóch lat firmy zakupiły wiele narzędzi sztucznej inteligencji: asystentów czatowych, wtyczek do pisania, botów obsługi klienta oraz systemów wewnętrznych do odpowiedzi na pytania. Jednak rzeczywiste kompetencje, które zostały wdrożone, są niewielkie. Prompty nadal przechowywane są na osobistych komputerach, procesy biznesowe rozsiane są po różnych dokumentach, a po uruchomieniu inteligentnych agentów brakuje feedbacku i ewaluacji; kluczowi specjaliści wciąż zajęci są tym samym typem pytań. Problem często polega nie na niedostatku mądrości modelu, ale na tym, że systemnie przekształcił „wykonywania pracy” w zarządzalne kompetencje stanowiskowe。
Najpierw należy jasno określić: dlaczego okno czatu nie może służyć jako stanowisko
Bot czatowy po jednym udzieleniu odpowiedzi zamyka się. Stanowisko powinno być w stanie kontynuować pracę: gromadzić informacje, oceniać zasady, wywoływać systemy, aktualizować status, a w razie wyjątków eskalować problem. Przykładem jest zwrot kosztów podróży służbowych – użytkownik najpierw może powiedzieć: „Pomóż mi złożyć raport o podróżach”, w trakcie rozmowy dopytuje: „Ile jeszcze zostało mi w limitach na ten miesiąc”, a następnie dodaje kolejną fakturę. Jeśli system traktuje każdą rozmowę jako nową sesję, proces zostaje przerwany, kontekst ginie, a po fakcie nie da się przeanalizować, czy błąd wynikał z zasad czy z interfejsu. W branży
już istnieją praktyki budowania inteligentnych agentów jako „cyfrowych pracowników”: przyznaje się im stanowiska, numery pracownicze, granice kompetencji i zapisy pracy, a także dostosowuje SOP, bazę wiedzy, narzędzia i ścieżkę wykonania tak, aby można je było poprawiać. W kierunku open source, organizacje takie jak OpenBMB opublikowały StaffDeck, który traktuje agenta jako operacyjną kombinację zasobów, a nie jako pojedynczy prompt. Dla firm samodzielnie rozwijających lub dostosowujących rozwiązania warto skorzystać nie z nazewnictwa produktowego, ale z tego modelu obiektowego.
Logika biznesowa: w systemie powinny znaleźć się co najmniej siedem typów obiektów
Przy tworzeniu systemu dla cyfrowych pracowników najpierw należy sprecyzować obiekty biznesowe, a dopiero później wybierać model.
- Archiwum stanowiska: imię lub nazwa roli, numer pracowniczy, obowiązki, status online, podmiot obsługiwany. Bez archiwum nie ma gdzie odnosić uprawnień i ocen.
- Granice kompetencji: jakie dokumenty można czytać, jakie pola można wpisywać, czego nie można obiecywać. Granice powinny być zmienialne przez administratora, a nie zastygnięte w promptach.
- SOP / umiejętności proceduralne: złożone procedury należy rozbić na poszczególne kroki, umożliwiając ramy warunkowe, wywołanie narzędzi, wyszukiwanie wiedzy i przełączanie na obsługę ludzką.
- Ontologia wiedzy: tematy, zasady, źródła i instrukcje użytkowania przechowuje się oddzielnie; odpowiedź musi mieć możliwość odwołania się do źródła, a wyszukiwanie powinno być regulowane.
- Integraacja narzędzi: interfejs HTTP lub MCP, używany do sprawdzania limitów, tworzenia dokumentów i zmiany statusów, a nie tylko generowania tekstu.
- Zadania zaplanowane na czas: codzienne zestawienia, przypominanie o przekroczeniu terminów, inspekcje magazynów – te cykliczne czynności nie mogą czekać na inicjatywę użytkownika.
- Śledzenie i feedback: rejestruje się drogę, kroki, narzędzia, wiedzę i odpowiedzi; lajki i negatywne opinie oraz przejęcie rąk ludzkich wchodzą w skład kolejnej rundy rewizji.
Jedno prawdziwe zapytanie często zawiera wiele zadań. Cyfrowy pracownik powinien najpierw wejść do SOP dotyczącej zwrotów, zbierać wszystkie pola i dokonywać oceny zasad, a następnie przełączyć się na SOP sprawdzania limitów i wywołania interfejsów. Jeśli w trakcie użytkownik zapyta o politykę, należy zachować aktualny węzeł i po udzieleniu odpowiedzi wrócić do pierwotnego toku. W przypadku zagadnień wykraczających poza zasady kontekst należy przekazać twórcy lub dyżurnemu, zabraniając bezpodstawnych, silnych odpowiedzi.
Logika projektowania: role, maszyny stanów, hierarchia wiedzy
Jak dzielić role
: co najmniej cztery typy osób:Twórca(koncentrujący doświadczenie w stałych pracownikach),Administrator(zarządzający uprawnieniami, publikacją i limitami),Użytkownik(przekazujący zadania cyfrowym pracownikom),Dyżurny(przyjmujący wyjątki). Twórca nie powinien domyślnie posiadać uprawnień do modyfikacji stanów magazynowych czy cen; użytkownik nie powinien widzieć pełnych promptów i kluczy. Interfejsy otwarte również powinny być hierarchiczne: klucz na poziomie konta steruje rozdziałem zasobów, natomiast klucz na poziomie pracownika pozwala wyłącznie na tworzenie sesji i przeglądanie własnej ścieżki.
SOP powinna korzystać z maszyny stanów, a nie tylko z pamięci rozmowy
Naturalny język może służyć do sporządzenia wstępnej wersji, ale wykonanie musi przebiegać za pomocą maszyny stanów: aktualny węzeł, zebrane sloty, dostępne narzędzia, próby ponownego wykonania, węzeł ludzki. Po przerwaniu zadania należy serializować kontekst i wrócić do pierwotnego węzła, by kontynuować pracę. Wiele SOP umożliwia real-time switchowanie, jednak przełączanie powinno pozostawiać informację „skąd przybyłem i jakie potwierdzone dane ze sobą przyniosłem”, aby uniknąć powtarzania formularzy przez użytkownika. Wersje i gałęzie powinny być poddawane rollback’owi; jeśli zmiana jednego promptu zostanie wprowadzona na żywo, późniejsze konsekwencje będą nie do odparcia.
Wiedza nie powinna być łączona w jeden wielki zbiór do wyszukiwania
Powinno się tworzyć nawigacyjne indeksy według dokumentów, rozdziałów, stron i abstraktów; najpierw należy ocenić, w której kategorii może znajdować się dana informacja, a następnie lokalizować oryginał. Wiedza powinna być podzielona: normy, opisy produktów, teksty po sprzedaży, przykłady wyjątków – każdy z nich powinien być oddzielnie dostępny, a celowe wyszukiwanie jest bardziej stabilne niż globalne słowa kluczowe. Każda odpowiedź powinna być powiązana z źródłem, zasadami i tematem biznesowym; w środowisku testowym powinno być możliwe zobaczenie „dlaczego trafiono właśnie na tę część”. Debugowanie wyszukiwania częściej rozwiązuje problemy niż wymiana na większy model.
Rozwój i wdrożenie: interfejsy, izolacja, obserwacja, odbiór
Podczas eksploatacji zaleca się ujednolicenie wejścia, aby uniknąć sytuacji, gdy każda umiejętność korzysta z innego łańcucha, co prowadzi do rozchodzenia się stanów. Odkrycie kompetencji, izolacja wykonania, integralność wyrobów i rozliczanie limitów powinny być realizowane podczas eksploatacji, a nie na podstawie umów. Przed publikacją umiejętności na wewnętrznym rynku należy przeprowadzić skan uprawnień: certyfikaty głowy, zmienne środowiska i poświadczenia połączeń nie powinny pojawiać się w zwykłych interfejsach do odczytu.
- Kanał wykonania: synchroniczny strumień jest odpowiedni dla rozmów; asynchroniczny Run + strumień zdarzeń pasuje do kontynuacji po przerwie i kolejek zadań; oba korzystają z tej samej rdzeniowej technologii.
- Tożsamość kanałów: WeChat, WeChat Enterprise, Feishu i DingTalk mogą służyć jako wejścia, ale tożsamość pracownika, sesja i śledzenie muszą być ujednolicone; zabrania się budowania osobnych pamięci w każdym kanale.
- Bezpieczeństwo: Konfiguracja modelu powinna odwoływać się wyłącznie do istniejących numerów konfiguracyjnych, bez przesyłania kluczy dostawców; rezultaty narzędzi podlegają deidentyfikacji przed wprowadzeniem do śledzenia.
- Ręczne wsparcie: w przypadku przekroczenia terminów, niskiej pewności, przekroczenia uprawnień czy aktywnego przejścia użytkownika na obsługę ludzką, wszystkie cztery przypadki powinny umożliwiać pełne przekazanie kontekstu.
Odbiór nie powinien ograniczać się do testowania „czy potrafi rozmawiać”. Należy przygotować zestaw powtarzalnych scenariuszy: normalny zamknięty cykl, wtrącanie w trakcie, brak limitów, przekroczenie interfejsu, wprowadzenie danych bez uprawnień, odrzucenie bez źródła. Każdy scenariusz powinien być sprawdzony: czy węzeł został przywrócony, czy dokumenty zostały poprawnie zapisane, czy śledzenie jest kompletnie, czy wyjątki zostały przekazane do ludzi. Procent przejścia kontrolnych testów, tempo reagowania na przekroczenia terminów i liczba odpowiedzi bez podstawy są lepszymi wskaźnikami do określenia przydatności do uruchomienia niż gwiazdki satysfakcji.
Kolejność uruchamiania: najpierw powtarzalna praca
Nie należy od razu stawiać na wszechstronnego asystenta. Wybierz scenariusz śledzenia sprzedaży, przypominania o审批, odpowiedzi na pytania dotyczące regulacji czy codziennego przesiewania kosztów – każdy z nich powinien trwać co najmniej pół godziny; zapisz wejście, wyjście, uprawnienia i wyjątki w czterech zdaniach, a następnie dopasuj SOP i dwa-trzy interfejsy tylko do odczytu lub z ograniczonymi możliwościami zapisu. Gdy dane główne są zabrudzone, a węzeł审批 niejasny, najpierw uzupełnij obiekty i stan, a następnie dopiero zacznij inteligentne wykonanie – po automatyzacji danych zabrudzonych, cała firma będzie komunikować się szybciej.
Jak ocenić, czy projekt został dobrze wykonany: ta część, która wcześniej opierała się na grupowym nacisku i wypełnianiu tabel, nie jest już główną ścieżką; notatki, przypominanie i zestawienia mogą być sprawdzane w porównaniu z dokumentami; w przypadkach niejasnych istnieje możliwość awansowania obiektów; wrażliwe operacje podlegają audytowi, a logi są dostępne do sprawdzenia. Aby ocenić, czy rozwój był adekwatny, należy sprawdzić, czyta sama SOP po przerwaniu może zostać przywrócona、Czy odpowiedź może odwołać się do źródła、Czy przypadki graniczne mogą wejść do kolejnej rundy rewizjiPo spełnieniu tych trzech punktów można rozszerzać stanowiska; jest to bardziej stabilne, niż wprowadzać od razu wiele wejść do czatu.
Techniczne trudności systemu cyfrowych pracowników nie tkwią w generowaniu rozmów, ale w przekształceniu stanowisk, procesów, wiedzy, narzędzi i ścieżek w oprogramowanie podlegające wersjom. Prompty można zmieniać nawet dziesięć razy w tygodniu, ale gdy model obiektowy się rozpadnie, każda następna umiejętność będzie miała swój własny zestaw. Najpierw należy uruchomić te siedem typów obiektów i maszynę stanów; dopiero wtedy można myśleć o aktualizacji modelu; w przeciwnym razie każde zmienianie modelu oznacza nowy projekt, a nie zmianę konfiguracji.