我的钉钉组织里有两名不领工资的「员工」。一个负责开发、测试、部署另一个；另一个在用户群里服务真实的同事。两个的主管都是我。
经常有人问我：这两个东西到底是什么？Agent？机器人？助手？
我的答案是： 它们是岗位。
这个回答背后，藏着一个我琢磨了很久的判断：
Agent 能解决能力问题，而数字员工解决组织问题。AI 真正进入企业，不是因为模型更聪明，而是因为它第一次拥有了组织身份。
模型能力的竞赛已经足够激烈，也足够拥挤。但企业 AI 真正的瓶颈从来不在能力——而在 信任。能力决定一个 AI 会不会干活，身份决定它能不能上岗。下一个十年的故事，不是造出更聪明的 Agent，而是让 AI 以「岗位」的形式，真正进入组织。
下面四个部分，是同一个命题的四个侧面：身份从哪来（数字分身），岗位意味着什么（组织身份），资产归谁所有（数字劳动力），以及它最终沉淀出什么（组织知识）。
数字员工不是机器人，而是企业里的一个岗位
过去十年，企业一直在购买各种「机器人」：客服机器人、RPA、Copilot、Agent。
它们共同的问题是： 都有能力，却没有身份。
企业真正需要的，不是一个会做事的 AI，而是组织里的一个岗位。因为「会做事」只是上岗的前提，「在组织里做事」才是。一个岗位意味着一整套组织关系：
身份：属于哪个部门，工号是什么
汇报：主管是谁，向谁述职
权限：能访问哪些系统，能动哪些资源
责任：谁审批它的动作，谁审计它的行为
预算：它消耗的算力记在谁头上
这五项，没有一项是模型能提供的。模型负责理解和执行任务；组织负责身份、权限和责任。
为什么组织这一侧是不可替代的？因为企业里最关键的运行数据是 活的，而且每天都在变：
- 今天是这个团队负责产品，明天组织架构调整，换了团队
- 某个系统的 Owner 上个月转岗了
- 一位有审批权限的总监这周离职了
- 一条审批规则的例外情况，只存在于最近三周的实践里
这些信息，模型永远学不完，也 不应该 靠模型记忆——让模型背组织架构，就像让一个外包员工靠脑子记公司人事档案：既记不全，也担不起责任。组织架构、权限体系、汇报关系，这些本来就是为了经营企业而建的系统，它们天然就是企业唯一可信的数据源（Source of Truth）。
真正的 Source of Truth 从来不是模型，而是组织本身。
这也是我在 Claude Tag 的 Agent Identity 里反复强调的断层：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。一个没有工牌的临时工，组织是不敢把审批单交给他的。
所以未来的方向不是很多人想象的「AI 管组织」，而是反过来：
组织管理 AI。
组织给 AI 发工牌、定职责、划权限、记审计、算预算。AI 越强，这套组织化的管控就越重要——这不是对 AI 的限制，而是 AI 能承担真实业务的前提。
数字分身是入口，数字员工才是终点
数字员工从哪里来？不是凭空造出来的，而是从每个人的数字分身长出来的。
每个人都会先拥有自己的数字分身。它帮助自己：写文档、发邮件、调接口、浏览网页、自动完成各种重复工作。这是个人效率工具，也是必经的起点。
但分身会碰到一个天花板： 个人的上下文是有限的。 你的分身再懂你，它也不知道公司的审批链怎么走、跨部门的数据谁能看、这个项目的预算归谁管。当它的能力越来越强，它想帮你做的事会不断撞上组织的边界——这些边界不是技术问题，是组织问题。
真正的变化发生在下一步。当数字分身足够成熟之后，它可以经过一道「入职流程」：
桌面数字分身（个人效率）
↓
安全评估 → 权限审批 → 知识配置 → 行为约束
↓
数字员工入职（组织中的一个岗位）
这一刻，它不再属于个人。它成为组织中的一个岗位。
这个演进不是产品路线图，而是结构上的必然：只要企业对 AI 的期待从「帮个人省时间」升级到「承担组织职能」，身份、权限、责任、审计这四道门就一道都绕不开。我在 数字分身和数字员工的分界线 里把这个跨越拆成了四个有依赖顺序的条件：先有组织身份，才有权限边界；先有岗位职责，才有事件源；先有持续运行，才有过程数据；最后才谈得上对结果负责。 不要跳步——让一个没有工牌的临时工去签审批单，是今天大多数企业 AI 项目翻车的原因。
所以这两个「场」的分工是清楚的：
桌面 Agent 是数字分身的训练场。钉钉是数字员工的工作场。
这不是我的推演。在 两个数字员工，一个组织 里，这个模式已经跑起来了：一个数字员工通过 CI/CD 不断迭代自己，另一个在群里服务真实用户，都在组织里，都有主管，都被审计。未来企业新增的不只是员工，也包括数字员工。未来组织图里，人和数字员工将共同组成团队。
企业真正购买的不是模型，而是数字劳动力
视角换到买方。企业并不担心 AI 能不能干活——这个疑虑正在被每一代新模型快速打消。企业真正担心的是另一组问题：
数据属于谁？训练成果属于谁？如果员工离职怎么办？如果模型升级怎么办？如果供应商停止服务怎么办？
这五个问题，问的都不是能力，是 资产的归属。它们决定了数字员工必须满足三个原则：
| 原则 | 含义 |
|---|---|
| 数据属于企业 | 交互、纠错、反馈信号，沉淀在企业侧 |
| 知识属于企业 | 积累的记忆、技能、Eval，不随供应商消失 |
| 能力属于企业 | 模型可以换，数字员工的积累不动 |
这三条我在 私有 Eval 是终极护城河 里从商业角度推过一遍：原始数据不是护城河，由数据蒸馏出的 eval、技能、记忆才是。数字员工就是这些资产的载体——如果它换一个模型就要从零开始，说明这些资产从来没有真正属于企业。
由此也长出一条清晰的运行路径：数字分身可以在企业本地持续学习；成熟之后，再迁移到企业控制的云端安全沙箱运行。企业承担算力成本，企业拥有数据资产，企业沉淀数字资产。
所以企业购买的不只是 AI，而是 能够长期积累的数字劳动力。软件是一次性采购，劳动力是持续增值的资产——这个区别，决定了预算科目、采购逻辑和管理方式都会跟着变。
知识管理将从「维护知识库」变成「经营数字员工」
最后一个侧面，也是影响最深远的一个。
过去二十年，企业一直试图维护知识库。结果几乎都一样：知识越来越旧，维护越来越贵，最终没人相信。
原因很简单。知识不是静态文档。知识本质上存在于组织每天发生的协作里——聊天、会议、审批、文档、代码、任务。这些持续变化的信息，才是真正的企业知识。把知识从协作里抽出来塞进文档库，就像把鱼从水里捞出来保鲜：形态还在，生命已经结束了。
我在 企业最有价值的 AI 训练数据，不是文档内容，是隐性知识 里讲过：真正高价值的是那些藏在协作过程中的纠错、追问和决策信号。它们从来不在文档里，所以「维护文档」这条路从一开始就注定事倍功半。
未来的顺序会反过来。企业不会先维护知识库、再让 AI 使用，而是：员工正常工作——聊天、开会、写文档、审批；AI 自动沉淀组织知识；再通过人与数字员工的协作，把隐性知识不断固化为显性知识。
知识库从「被人维护的对象」，变成「数字员工工作的副产品」。
例如，一个运维数字员工不仅知道如何处理故障，它还能准确回答：
- 当前系统 Owner 是谁？
- 哪个团队负责？
- 谁拥有审批权限？
- 最近是谁修改了配置？
这些答案它答得准，不是因为模型记住了，而是因为 它接在组织这个 Source of Truth 上。组织变了，它的答案跟着变——这是任何静态知识库做不到的。
数字员工最终会成为企业知识最完整、最新、最可信的载体。
Agent 改变软件，数字员工改变组织
把四个侧面合起来，就是一个完整的战略判断：
未来十年，企业不会围绕 AI 重构。 企业会围绕数字员工重构。
今天的软件管理流程，明天管理数字员工。今天的人力资源管理岗位，明天同时管理人和数字员工。过去企业的信息化，是把流程搬到线上；未来企业的智能化，是让数字员工真正成为组织的一员。
Agent 改变的是软件，数字员工改变的是组织。
这也是为什么我认为， 数字员工不是一个产品，而是未来十年的企业组织范式。
范式之争的特点是：入场早的人定义规则。当组织图开始为数字员工留出格子，当 HR 系统开始管理 AI 的入职和离职，当审计日志开始记录 AI 的每一个动作——这些接口一旦被某种形态占据，后来者就只能兼容，很难重来。
你的组织图里，给数字员工留格子了吗？欢迎留言讨论。