上周有人请我整理一套数字员工的术语，用途是整理会议纪要。
整理的时候我意识到一件事：会议纪要看起来是最容易交给 AI 的岗位。语音识别模型足够强，转写免费，人人会用。按常理，它应该是数字员工最先上岗的岗位。
但我们真动手做的时候，发现不是这样。
第一版会议纪要机器人，把会议里的每一句话都转写出来了。问题是，没人看得懂：
「关于上次说的那件事，就按讨论的办。」——哪件事？怎么讨论的？
「这个意见我同意。」——谁的意见？
「后续小王跟进一下。」——哪个小王？
而且，转写本身也不干净。行业专业术语是 ASR 的重灾区——「灰度发布」「数据埋点」「多租户隔离」，通用模型的词典里没有那些词，转出来全是同音错字。
看起来是两个问题：术语转不准；就算转准了，也没人看得懂。
其实是同一个问题：缺上下文。术语转不准，是因为模型的词典里没有你公司的词；看不懂，是因为纪要里没有这些人是谁、属于哪个项目、上次讨论了什么决定、谁负责什么事。
这次经历让我们得到一个后来反复验证的判断： 数字员工不是任何岗位都能做，只有「上下文充分」的岗位才能做好。
判断一个岗位是否适合数字员工，只需要看五件事。
一、上岗之前的第一道考试
在你的下一个下属，不需要工位里我说过，招数字员工之前，先写岗位说明书——八个问题，把岗位边界定义清楚。
但那一步之前还有一步： 这个岗位配不配写岗位说明书？
如果 JD 写得很认真，但岗位本身上下文贫瘠——没有数据、没有连接器、没有反馈——招来的数字员工照样是个「很贵的聊天机器人」。岗位说明书解决「怎么定义」，这五个问题解决「该不该定义」。
数字员工 MVP 六步法的第一步是选场景：高频、规则明确、容错大。那三条看的是「任务类型」。这五问看的是更深一层的东西： 上下文供给。同一个任务类型，放在数字化程度不同的组织里，答案完全不一样。
五问是递进的：
① 有一方数据吗 ——上下文「在不在」
② 有连接器吗 ——上下文「拿不拿得到」
③ 有反馈闭环吗 ——上下文「学不学得动」
④ 高频标准刚需 ——「值不值得」交给它
⑤ 完成率≥95% ——最终「做不做得成」
# generated by hugo AI
下面用会议纪要这个岗位，把五问逐一过一遍。
二、第一问：有没有组织内的一方数据
一方数据，指岗位的工作过程本身在组织系统里留下的数字痕迹。
会议纪要的一方数据在哪？会议本身就开在钉钉里——听记有转写；参会人有组织关系；讨论的项目有群、有文档；决定要落成待办。「开会」这个岗位的工作过程，天然在系统里留下痕迹。这些痕迹不是买来的，不是爬来的，是组织自己长出来的。
会议纪要的 Source of Truth 不是录音，是组织本身：这些人是谁（通讯录）、为什么开会（日历）、之前发生过什么（群聊、文档）、之后要发生什么（待办）。
反面例子同样清楚：饭桌上做的决定。那种「会议」也有纪要——事后有人在手机上补了几行字。但它的工作过程发生在系统之外，没有痕迹，没有一方数据。模型再强，也无米下锅。
准入标准：岗位的主要工作过程发生在组织系统里。如果答案是「主要在线下发生」，后面四问不用看了。
三、第二问：有没有连接器拿到完整工作上下文
数据在，不等于拿得到。
一方数据锁在各个系统里，数字员工看不见，等于没有。连接器决定数字员工的视野：日历接口知道谁和谁开会，通讯录知道上下级和部门，群聊知道项目背景，文档知道决策前因，待办知道谁在负责什么。
我们做会议纪要数字员工时，转折点不是换了更强的模型，而是多接了几路上下文。接上日历，它知道了会议主题和参会人的部门；接上通讯录，它知道「小王」具体是哪个小王；接上项目群聊，它知道了「上次说的那件事」到底是哪件事。
连术语问题也是这么解决的。我们没有去训练 ASR，而是给它接了一路「术语表」——公司、行业、项目的专有名词，连同正确写法一起喂进去。转写遇到「hui du」，它知道该写成「灰度」，因为术语表里有这个词。ASR 的错词率，本质上是上下文的缺失率——模型不知道的词，就是它没接到的上下文。
每接一路连接器，纪要质量就上一步。模型的天花板还远，连接器的天花板就在眼前。
准入标准：岗位需要的上下文，能通过合法的权限边界拿到。如果关键上下文散落在私人聊天记录或某个人脑子里，不及格。
四、第三问：有没有自然的人类反馈闭环
这一问最容易被跳过，但它决定数字员工能不能「长大」。
在企业最有价值的 AI 训练数据，不是你写了什么里我说过，最有价值的学习信号是纠错，不是原始内容。问题是：纠错从哪来？
会议纪要有天然优势：纪要是有人看、有人改的。「这个决定写得不对」「这句话是张总说的，不是李总」「这条跟进应该归王五」。每一次修改，都是工作流自带的学习信号——不需要专门组织标注，不需要额外付钱。
好的反馈闭环有三个特征：输出有人看、错了有代价（错误的纪体会误导后续跟进）、纠正动作自然发生。
反面例子：有些岗位的产出没人看——比如为了合规而生成的报告。没人看，就没人改；没人改，数字员工就永远停在第一天的水平。你养的不是员工，是一块不会走的表。
准入标准：岗位的产出有人类阅读并自然纠正。没人看的产出，等于没有学习。
五、第四问：是不是高频、标准化、刚需任务
前三问看「能不能做」，这一问看「值不值得做」。
- 高频：公司天天开会。一个月才发生一次的工作，数字员工的上岗成本永远摊不平。
- 标准化：纪要有相对固定的形态——谁参加、讨论了什么、决定了什么、谁跟进什么。可标准化，才写得出 eval。
- 刚需：没有纪要，决策没法跟进，结论没法追责。只有「刚需」岗位才有人负责交接，数字员工才接得过去。
锦上添花的岗位，前三问全过也不该先做。资源有限，先做最疼的地方。
六、第五问：Eval 完成率能不能稳定到 95%
前四问是定性的，第五问是定量的——也是最终的准入闸门。
在Evals 是新的 PRD里我说过，PM 的核心产出正在从需求文档变成 eval 集。对数字员工来说，eval 集就是它的「上岗考试」：
会议纪要的 eval 集怎么建：
1. 取 50 场历史真实会议（覆盖周会、评审会、项目会等类型）
2. 人工标定每场的「标准纪要」：决策点、责任人、跟进项
3. 让数字员工对这 50 场会议生成纪要
4. 逐场对照：决策写对了吗？责任人归对了吗？跟进项漏了吗？
5. 完成率 = 合格场数 / 总场数
# generated by hugo AI
我们内部用的准入线是：数字员工经过几轮迭代后，完成率稳定达到约 95%。要说明的是，这是基于我们落地实践的准入基准，不是行业标准——你的组织可以用自己的线，但你必须有一条线。
这条线里，待办是容错最低的部分。摘要写歪了，读的人能纠回来；决策点漏了，下次会议还能补。但待办是行动承诺——责任人写错，任务就派给了错的人，跟进从第一天就断了。所以我们把待办单独拆出来评：责任人、截止日期、交付物三项全对才算对。待办准确度的要求，天然比纪要的其他部分更高。
这个数字的诊断价值大于门槛价值：达不到 95% 时，去看错在哪。十有八九不是模型笨，而是上下文缺一角。纪要把「小王」归错了人，多半是发言人识别没接上；决策点漏了，多半是会前文档没进上下文。 eval 的错误点，就是补上下文的路标。
如果上下文补齐了还稳定不了，说明这个岗位的上下文覆盖有结构性缺口——回到第一问，也许这部分工作暂时就不该交给数字员工。
七、准入检查表
五问合成一张检查表。任何数字员工项目立项之前，先过一遍：
| # | 问题 | 考察什么 | 准入标准 | 不达标意味着 |
|---|---|---|---|---|
| ① | 有没有一方数据 | 上下文存在性 | 主要工作过程在系统内留痕 | 工作在线下发生，无米下锅 |
| ② | 有没有连接器 | 上下文可得性 | 关键上下文可经权限边界获取 | 上下文散落在私聊或人脑 |
| ③ | 有没有反馈闭环 | 上下文可学性 | 产出有人看、有人自然纠正 | 没人看，数字员工不进化 |
| ④ | 高频标准刚需 | 投入产出 | 高频 + 可标准化 + 有人负责交接 | 成本高，回报低 |
| ⑤ | 完成率≥95% | 可交付性 | eval 迭代后稳定达标 | 上下文覆盖有结构性缺口 |
五问全过，上岗。第一问不过，直接放弃。第一、二问过但第三问不过，慎重——你招的不是员工，是工具。
八、两个常见的反驳
「模型能力还在涨。今天上下文不够的岗位，明年就能做了，何必现在筛选？」
上下文的瓶颈不在模型侧。饭桌上的决定，不会在任何系统里留下痕迹——模型再强，也读不到不存在的上下文。模型进化解决的是「把饭做好」的问题，不是「米存在」的问题。而「米存在」依赖组织侧的建设：工作在线化、连接器、权限边界，这些没有一样是模型能替你做的。
「上下文不够，人工整理一份资料喂给它不行吗？」
三个问题。第一，人工整理的成本会吃掉数字员工的全部收益——你雇人给它维护上下文，到底谁是谁的员工？第二，喂进去的是死资料：静态文档没有纠错信号，数字员工永远不会进化。第三，组织每天都在变，人工维护的上下文从整理完那一刻就开始腐烂。唯一不腐烂的上下文，是工作过程里自己长出来的。
九、准入考试真正考的是什么
用了一段时间五问之后我发现，它真正考的不是数字员工，是组织自己。
每一个没通过准入的岗位，原因几乎都不是「AI 不够强」，而是组织的数字化基建缺一角：该在线的工作还在线下，该打通的数据还在孤岛，该有人看的产出还无人问津。
所以准入测试的产出不只是 go/no-go，而是一张 组织上下文资产图：哪些岗位上下文充足，可以直接上岗；哪些岗位要先补连接器；哪些岗位要先把工作过程搬上线。
这也解释了一个反直觉的现象： 同一套数字员工方案，在 A 公司用得风生水起，在 B 公司一塌糊涂。 差别不在方案，在两家组织的工作过程「上下文可读性」不同。
你的下一个下属不需要工位，但需要一份你认真写过的岗位说明书。而岗位说明书之前，还有一步：先看看这个岗位的上下文，养不养得起一个数字员工。
上下文充足的岗位，数字员工在等人；上下文贫瘠的岗位，人在等数字化。
你所在的公司，哪个岗位能通过这五问？哪个岗位会死在第一问？欢迎留言聊聊。