一个身份
它是谁,归谁管,能碰哪些系统,出了事谁负责。LMCC 把这些写进同一个身份,权限、任务和工作环境都挂在它名下,换一次对话也不会丢。
背景影像:ESO/VMC Survey(M.-R. Cioni et al.),VISTA 望远镜,CC BY 4.0
LMCC 源自 Large Magellanic Cloud——大麦哲伦星云,银河系的近邻星系之一,距离我们约 16 万光年。它也是人类能够直接观测和研究的星系之一。
过去,人类借助航海、望远镜与空间探测器,不断拓展认知的边界。
如今,AI 正走出对话窗口,进入软件、数据、业务系统与真实的计算环境。
我们保持探索未知的勇气,也保持理解世界的耐心,让 AI 走出对话,进入组织。
对话窗口里的 AI,关掉就结束了。要在组织里长期待下去,它得有身份、看得懂业务、能自己动手。
它是谁,归谁管,能碰哪些系统,出了事谁负责。LMCC 把这些写进同一个身份,权限、任务和工作环境都挂在它名下,换一次对话也不会丢。
给 AI 一堆接口还不够。它得知道库存、订单、供应商之间是什么关系,现在处在什么状态,哪些操作被允许,做了会怎样。LMCC 用业务运行本体,把这些整理成它读得懂、也能照着做的结构。
看懂了还要能动手。LMCC 把 AI 的判断接到真实的电脑、服务器和业务系统上:调用接口,操作软件,拿到结果,再决定下一步。
业务系统、工单和审批流,都是照着人的习惯设计的。AI 要参与进来,得先把里面的对象、关系、状态和规则讲清楚。
LMCC 把这些整理成业务运行本体(Operational Ontology),一份能读、也能照着做的模型。
对象、规则和动作由业务团队定义和修改。人和数字员工看的是同一份事实,按的是同一套规则。
数据和规则要先整理成本体,这一步绕不开。LMCC 的本体工具,帮企业把这一步走得更快。
最底层管机器和执行,中间一层管数字员工本身,最上层装行业能力。每名数字员工有自己的权限和工作区,任务统一派发,每步操作都有记录。
按行业组装岗位。每个业务域带着自己的岗位技能和业务知识接入:金融风控、智能制造、零售运营、企业研发、客户服务,接法都一样。
把一次次模型调用,变成一名长期在岗的员工。这一层保存它的记忆和目标,安排它和同事协作,也管它的入职、调岗和离职。
执行端是一个轻量客户端,装在企业现有的办公电脑、服务器,甚至车间工控机上,支持 Windows、macOS 和 Linux。数字员工通过它操作软件、处理文件、登录业务系统;没有接口的老系统,就直接在界面上操作。现有 IT 不用改。
人也能从任何一台设备接进来,看进度,或者直接接手。
企业怎么管员工,就怎么管数字员工。权限、审批、审计和预算都做在平台里。
高风险动作先试运行,不产生真实影响;负责人确认后才正式执行。权限细到具体对象和具体操作。
每次判断和执行都有审计记录。事后能复盘,责任说得清,内审和合规检查都用得上。
可以给每名数字员工设资源和花费上限。连续出错会自动暂停,并通知负责人。
不绑定某一家大模型。按任务选模型,随时可以换;已经采购的模型继续用。
三个阶段的差别在三件事:有没有身份,记不记得事,能不能和别人一起干。
会用工具,能完成一件具体的事。没有长期身份,也不记得上一次。
有身份、权限、记忆和工作区,守一个固定岗位,自己做决定,对结果负责。做过的事会记下来,别人也能用。
多名数字员工和人一起分工、转交、互相检查,组成一支人和 AI 混编的团队。
从名字里的星云出发,我们与 AI 同行,向外探索。
它有岗位,有同事,有汇报对象,也有自己做不了主的事。
个人助手跟着一个人走。数字员工属于组织,有岗位、工作区和长期记忆,人员调动了,岗位还在。
工具等人来调用。协作伙伴会主动推进任务,把信息交给下一个人,也会接住别人转来的活。
团队不用学新系统。数字员工用企业现有的账号登录,在现有的聊天工具里接活。
接入企业现有的账号和认证体系。权限、审批和审计跟人类同事用同一套标准,入职、调岗、离职都走流程。
在飞书、企业微信、钉钉里可以直接 @ 它、拉它进群、给它派任务,也能看到它汇报的进度。
回答完一个问题,工作还没结束:每次行动的结果,都是下一次判断的依据。
读对象、状态和规则
对照目标和限制做判断
调工具,进业务系统
看这一步的结果
看这一轮有没有用,再进下一轮
目标没达成就再来一轮,目标变了就换方向。每一轮都有记录,人可以在任何一步插手、改正或叫停。