上个月，一个 CEO 朋友给我看他的 AI Executive Assistant。
这个 Assistant 每天帮他看邮件、总结会议、安排董事会、订机票、写讲话稿。用了大半年，CEO 说：「它比我的真人秘书更懂我。」
然后他问了一个问题：「我想让它也帮其他高管安排行程、协调董事会会议、统一管理行政资源。行不行？」
我说：行。但你要意识到， 你正在把它从一个分身变成一个员工。
他笑了：「不就是多服务几个人吗？能力是一样的。」
我说：能力是一样的。但 身份、权限、审计、责任归属，全部要重来。你现在的 EA 出了错，你骂它一顿就行。总裁办的 EA 出了错，谁负责？你？行政总监？还是那个 Agent 自己？
他笑不出来了。
一个容易踩进去的误区
大多数人在区分数字分身和数字员工时，会本能地看两个东西：
- 它会不会自主干活？ 能自己比价、自己下单、自己开发票 → 数字员工
- Token 谁买单？ 个人买 → 分身，企业买 → 员工
这两个判断标准都有道理，但都不稳定。
自主程度会漂移——去年的 Agent 需要人一步步指挥，今年的 Agent 已经能端到端完成任务。用「自主程度」做分界线，意味着同一个产品去年是分身、今年变员工，这显然不对。
Token 付费方也会漂移——一个工程师用个人 Cursor Pro 写公司的代码，Agent 服务的是个人工作流，但产出归属组织。一个企业统一买了 Token，但 Agent 只是挂在某个人的账号下帮他写周报。付费方式反映的是商业模式，不是产品形态。
那什么才是稳定的分界线？
只问一个问题：这份工作天然属于谁？
我在 数字员工 MVP 指南 里讲过，分身和员工的本质区别在于锚点——锚定一个人还是一个岗位。这个判断是对的，但还不够锋利。
更锋利的问法是：
这份工作天然属于谁？
如果答案是「属于某一个人」——我的邮箱、我的日历、我的知识、我的待办、我的会议——那它就是 数字分身（Personal Agent）。Owner 是个人，目标是放大个人能力，围绕个人上下文工作。我离职了，它也就不存在了。
如果答案是「属于组织」——客服、HR、财务、法务、采购、销售运营——那它就是 数字员工（Digital Employee）。Owner 是组织或岗位，目标是对岗位结果负责，在授权范围内自主运行。今天行政主管换人，它继续工作。
注意，这个判断标准不依赖任何会漂移的属性。不依赖自主程度，不依赖付费方式，不依赖任务类型。 它只看上下文的所有权。
秘书不是天然属于哪一类
回到开头那个 CEO 的故事。
他的 EA 每天做的事情——看邮件、总结会议、安排行程、订机票、写讲话稿——全部围绕「他」展开。它关心的是他的日程、他的会议、他的偏好。这是 数字分身。
但如果这个 EA 开始：
- 安排所有高管行程
- 协调整个董事会会议
- 管理行政资源
- 分配会议室
- 统一预订差旅
它就不再属于 CEO 一个人了。它属于 Executive Office（总裁办）。这时候，它已经变成了 数字员工。
同样是「秘书」，同样是订票、写纪要、安排行程。区别不在于它做什么，甚至不在于它有多自主——而在于 它到底是在服务一个人，还是在承担一个岗位的职责。
| 维度 | 数字分身 | 数字员工 |
|---|---|---|
| Owner | 个人 | 组织 / 岗位 |
| 优化中心 | 个人上下文（Personal Context） | 工作上下文（Work Context） |
| 核心指标 | 像不像我 | 干得好不好 |
| 可替代性 | 不可替代——你就是你 | 可替代——同岗位可换 |
| 生命周期 | 跟人走，人走即消亡 | 跟岗位走，换人不停机 |
| 信任来源 | 它代表我 | 它靠谱 |
这个表格比「会不会自主执行」或「Token 谁买单」稳定得多。
从分身到员工：四个跨越条件
判断标准清楚了，但真正难的是 跨越。
一个 CEO 的分身用了两年，积累了大量 personal context——写作风格、决策偏好、跟每个董事的沟通分寸。然后组织决定让它承担总裁办职能。这时候你会发现，光有 AI 能力远远不够。
从分身到员工，需要四个组织化条件，而且它们 不是并列的，是有依赖顺序的：
① 组织身份（工号、权限、审计）
↓ 没有身份就没有权限边界
② 岗位职责（负责一类工作，不是回答问题）
↓ 没有职责定义就没有事件源
③ 事件驱动、持续运行（daemon 模式，不是等人发指令）
↓ 没有持续运行就没有过程数据
④ 结果负责（可观测、可归因、可回滚）
# generated by hugo AI
不要跳步。 很多企业在第一步（给 Agent 一个组织身份）都没做完的情况下，就试图让 Agent「对结果负责」——这就像让一个没有工牌的临时工去签审批单。
我在 Claude Tag 的 Agent Identity 里详细讨论过第一步：今天几乎所有企业 AI 产品里，Agent 没有自己的身份，它在借用人的身份做事。审计日志里记的是那个 @Agent 的人，而不是 Agent 本身。这是整个跨越链条的起点，也是最容易被跳过的一步。
「对结果负责」到底是什么意思？
第四个条件最容易被说成空话。组织里的「负责」本质上是一个惩罚机制——人之所以能对结果负责，是因为有后果：扣绩效、降级、开除。
Agent 没有「被开除」的恐惧。所以「对结果负责」在 Agent 语境下必须被重新定义：
- 可观测：每一步决策有 trace，不是黑箱出了结果
- 可归因：出了问题能定位到是 prompt 的问题、数据的问题、还是权限配置的问题
- 可回滚：错误操作能撤销，不是「已经发出去的邮件收不回来」
KPI 和 SLA 是结果度量，但组织真正需要的是 出错时的处置链路。没有处置链路的「负责」，只是一句口号。
混合态不是过渡态，是长期稳态
上面这套框架有一个明显的缝隙： 个人自带 Agent 进入企业工作 怎么办？
一个工程师用个人 Claude Pro 写公司的代码。Agent 服务的是个人的工作流，但产出归属组织。它的 Owner 是个人，但工作上下文是组织的。按二分法，它既不是纯粹的分身（因为它不围绕「我」优化），也不是纯粹的员工（因为组织不拥有它、不对它负责）。
我倾向于认为， 这个混合态不是过渡态，而是长期稳态。
原因很简单：组织永远无法完全控制个人的工具选择。就像 BYOD（Bring Your Own Device）从来没有被 MDM 完全收编一样，BYOA（Bring Your Own Agent）会是常态。一个人的工作流里会同时存在分身和员工——用 Claude Pro 写代码、用 Cursor 做 review、用钉钉的数字员工跑审批。
所以框架需要容纳第三种形态：
Personal Agent operating in Org Context——Owner 是个人，但工作上下文是组织的。
它不是分身，也不是员工。它是一个 寄居在组织里的个人工具。
这对产品设计的启示是：不要试图把所有 Agent 都收编为「数字员工」。留一个「个人 Agent 接入组织上下文」的通道，可能是比「全员数字员工」更现实的落地路径。
更深一层说， context 的 ownership 和 judgment 的 ownership 可以分离。团队的数据属于组织，但 leader 对团队的判断风格（谁靠谱谁摸鱼、谁该提拔谁该汰换）属于个人。分身继承判断，员工继承数据。同一个 Agent 里，数据是 org 的，判断是 personal 的。
真正的瓶颈：组织没有给 Agent 留位置
说了这么多，我想把最核心的判断放在最后：
当前企业 AI 落地最大的断层，不是 Agent 能力不够强，而是组织治理基础设施没有给 Agent 留位置。
HR 系统里没有「Agent 工号」这个字段。IAM 系统里没有「非人类主体」的权限模型。审计日志里 Agent 的操作要么记在某个人的名下（代理），要么根本不被记录。
不是企业不想给 Agent 组织身份，是 现有 IT 治理体系没有这个位置。
一个数字员工的组织身份，在系统里至少需要长这样：
agent_id: "DA-2026-0042" # 独立工号，不是挂在某人名下
name: "行政秘书"
org_unit: "总裁办" # 归属组织单元，不是归属个人
supervisor: "user:zhangsan" # 有明确的人类上级
permissions:
- calendar:read:org # 读组织日历，不是读个人日历
- meeting_room:book # 预订会议室
- travel:approve:L2 # L2 级差旅审批权限
audit:
log_to: "agent-audit-trail" # 独立审计日志，不混在人的日志里
retention: "7y" # 审计保留期
sla:
response_time: "< 30s"
escalation: "user:lisi" # 超时自动升级给谁
# generated by hugo AI
注意 supervisor 和 escalation 这两个字段——它们回答的是「出了事找谁」。没有这两个字段，Agent 就是一个没有上级的临时工，组织不敢真正放权给它。
我在 两个数字员工，一个组织 里实践过这件事：给两个数字员工分配了独立的组织身份、独立的权限、独立的审计 trail。技术上不难，难的是 在组织架构里开一个「非人类实体」的位置——它有工号、有权限、有上级、有审计，但它不是人。
这件事比任何 AI 能力都难，但也比任何 AI 能力都更有壁垒。
回到那个 CEO
后来那个 CEO 朋友做了一个选择：他的 EA 继续做分身，只服务他一个人。总裁办的行政职能，另外建了一个数字员工。
他问我：「为什么不直接让 EA 毕业？」
我说：因为你还没准备好。你的 EA 没有组织身份，没有岗位 SOP，没有审计 trail。让它直接服务所有高管，出了错谁负责？
他想了想，说：「那我先给它办个工号。」
这句话比任何 AI 战略都实在。
数字分身，是围绕一个人的上下文持续工作；数字员工，是围绕一个岗位或组织职责持续工作。 分界线不是能力，不是自主程度，不是谁付 Token——是服务关系。
而要让一个 Agent 真正「入职」，组织需要做的第一件事不是给它更强的模型，而是 给它一个工号。
你在实际落地中，Agent 的身份和权限问题是怎么解决的？欢迎留言讨论。