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。
LMCC 是数字员工的基础设施:给 AI 一个登记在册的身份、一张看得懂的业务地图、一个能动手的工作现场。上岗之后,它在授权范围内开展工作,向团队报告进展和结果。
背景影像:ESO/VMC Survey(M.-R. Cioni et al.),VISTA 望远镜,CC BY 4.0
LMCC 的名字取自大麦哲伦星云(Large Magellanic Cloud)。首页的星空影像,展示的正是这座星系。
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。
我们希望 AI 能在真实工作中发挥作用:读懂业务、完成任务,融入人类组织。
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。它得知道人员、资料和任务之间是什么关系,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。
LMCC 的本体工具帮助业务团队整理对象、规则和可执行的动作,并随业务变化更新定义。
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。
基础层管任务执行、权限、执行审计和资源容量。算力、存储和并发任务均可设置配额。执行端是一个轻量客户端,面向办公电脑、服务器,以及能够安装运行软件的工业系统等环境。平台把操作指令发到目标端,由执行端操作软件、调用接口,并回传结果。
人也能接进来,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。
敏感操作先交负责人确认,再执行;需要验证的步骤先试运行。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。
数字员工要完成任务,也要在岗位上持续工作,与人分工、交接和检查结果。
会用工具,能完成一件具体的事。
有身份、权限、记忆和工作区,守一个固定岗位,在授权范围内做决定。做过的事会记下来,供团队检查和后续工作参考。
多名数字员工与人一起分工、转交、互相检查,共同完成工作。
读懂业务,才能做好岗位上的工作。
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。
数字员工在企业现有的协作工具里接任务、汇报进度,与团队一起工作。
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
检查效果,决定下一步
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。