我名下有两个数字员工：一个负责开发、测试、部署，另一个在用户群里服务真实的同事。它们不是工具，是组织里两个正式的岗位。岗位一立起来，一个问题就自然跟着来了：
「如果它批错了一张审批单，造成了损失，谁来负责？」
这个问题不难答——难的是我发现，市面上绝大多数 AI 产品，从来没准备回答这个问题，因为它们压根不是「员工」。
Chatbot、数字分身、数字员工，这三个词正在被混着用。很多人以为它们只是同一类产品的不同营销话术：能力弱一点的叫 Chatbot，能力强的叫数字员工。
但我的判断是： 它们是三代不同的东西。 区分代际的不是模型有多聪明，而是两个更根本的问题：
它的 Source of Truth 是什么？它出了错，谁来负责？
想清楚这两个问题，很多关于企业 AI 的争论会立刻变得清晰。
一、判断代际，不看能力，看 Source of Truth
先给一张总表。这是我目前能找到的最简的区分方式（这里的 Chatbot 指以对话为全部形态的 AI 产品，不是某个群里的消息通道）：
| 维度 | Chatbot | 数字分身 | 数字员工 |
|---|---|---|---|
| 本质 | 一个对话接口 | 一个人的 AI 代理 | 一个组织岗位 |
| 身份 | 没有身份 | 继承人的身份 | 拥有独立组织身份 |
| 服务对象 | 所有人 | 某一个人 | 整个组织 |
| 工作方式 | 被动回答 | 帮主人完成事情 | 主动完成岗位职责 |
| 权限 | 很少 | 主人的权限 | 岗位权限（RBAC） |
| 目标 | 回答问题 | 提升个人效率 | 提升组织生产力 |
| 状态 | 会话级 | 跟随个人 | 跟随组织 |
| 可批量 | — | 否（你就是你） | 是（岗位覆盖 × 吞吐） |
| KPI | 回复质量 | 主人满意 | 岗位结果（SLA / KPI） |
表格里的维度很多，但只需要盯住一行： Source of Truth。
Source of Truth 是个工程术语，意思是「当出现分歧时，以谁为准」。对 AI 产品来说，它回答的是：这个 AI 的判断依据，最终锚定在哪里？
三代 AI，三个答案。更重要的是，这三个答案决定了它们的 责任归属——这一点后面单独展开，它是整个框架的引擎。
二、第一代 Chatbot：Source of Truth 是 Prompt
Chatbot 不知道你是谁，也不知道你的企业是谁。它的全部能力来自两个地方：训练时冻结的模型知识，和运行时喂给它的提示词。
问什么，答什么。
它没有记忆，没有身份，没有上下文，每一次对话都是初次见面。企业想让它「懂业务」，只能把业务塞进 prompt 和知识库——于是有了客服机器人、问答机器人，本质都是同一件事： 用一段静态的文本，去模拟对一个组织的理解。
它的局限不在智商，在锚点：Prompt 是死的，组织和人是活的。用死的东西去追活的东西，永远慢半拍。
三、第二代数字分身：Source of Truth 是个人
数字分身的核心只有两个字：
「替我。」
它知道：
- 我的日历
- 我的邮件
- 我的聊天
- 我的知识
- 我的偏好
所有能力都围绕一个人的工作展开：帮我回复邮件，帮我整理会议，帮我安排日程，帮我写方案。
它本质上是 Personal Agent。和 Chatbot 比，这是质的变化： 它的判断有了锚点——那个具体的人。 它不再回答「一般人会怎么想」，而是回答「我会怎么想」。
但它也有清晰的天花板：
- 它没有自己的目标——目标就是我的目标；
- 它的上限就是我的上限——我的知识边界就是它的知识边界；
- 它不可批量——你的分身只能是你，复制给别人没有任何意义。
我在 数字分身和数字员工的分界线 里给过一个判断标准： 这份工作天然属于谁？ 属于某个人的——我的邮箱、我的日历、我的待办——就是分身。分身是个人效率的放大器，也是每个人接触 AI 的必经起点。
四、第三代数字员工：Source of Truth 是组织
这是最大的变化。数字员工不是「替我」，而是：
「这是组织里的一个岗位。」
招聘专员、法务、销售运营、财务审核、IT 运维——这些工作天然不属于任何一个人。今天做这件事的人离职了，明天换个人，工作还在继续。
所以数字员工拥有的东西，全部是组织属性：
- 工号
- 部门
- 汇报关系
- 岗位职责
- 权限范围
- KPI
- 上下游协作关系
它不是某个人的工具，而是组织成员。 组织架构才是真正的 Source of Truth。
为什么必须是组织？因为企业里最关键的运行数据是活的：今天这个团队负责产品，明天架构调整换了团队；某个系统的 Owner 上个月转岗了；有审批权的总监这周离职了。这些信息模型永远学不完，也不应该靠模型记忆——它们本来就沉淀在组织架构、权限体系、审批流这些为了经营企业而建的系统里。数字员工要做的不是把这些背下来，而是 连上去。
五、真正的分水岭：责任归属
表格看完了，还差一个容易被忽略、但我认为最重要的维度： 责任归属。
- Chatbot：回答对不对，用户自己判断。它说错了，你下次当心，没有人需要为它的错误负责。
- 数字分身：主人对结果负责，AI 只是助手。它替你发错了邮件，背锅的是你。
- 数字员工：岗位对结果负责，主管负责管理和审批，组织负责持续优化岗位能力。
看出规律了吗？三代 AI 的演进，本质是 责任单元的升级：
没有人负责（Chatbot）→ 个人负责（分身）→ 组织负责（员工）
这就是为什么第三代最难。责任一旦落到组织头上，组织就必须回答四个问题：
- 它是谁？——能不能被识别
- 它能做什么？——能不能被约束
- 它做过什么？——能不能被审计
- 它做得好不好？——能不能被评估和替换
答不上来，这个「员工」就是一个没有工牌的临时工——能力再强，组织也不敢把一张审批单交给它。
六、八项组织能力：责任的基础设施
所以，数字员工需要的不只是一个更强的大模型，而是一整套组织级能力：
身份（Identity）、权限（Permission）、工作空间（Workspace）、企业连接器（Enterprise Connectors）、长期记忆（Memory）、可评估体系（Eval）、学习闭环（Feedback Loop）、审批与治理（Governance）。
这八个词平铺着看像一张采购清单，其实可以按责任框架归成三类：
可问责——能识别、能约束、能审计：
- 身份（Identity）
- 权限（Permission）
- 审批与治理（Governance）
能干活——有工位、能触达系统、有记忆：
- 工作空间（Workspace）
- 企业连接器（Enterprise Connectors）
- 长期记忆（Memory）
能进化——可评估、可迭代：
- 可评估体系（Eval）
- 学习闭环（Feedback Loop）
注意这份清单的主语： 这八项能力，没有一项是模型厂商能单独交付的。 身份来自组织架构，权限来自岗位设计，连接器来自企业系统，反馈来自真实业务流。模型厂商交付的是引擎，组织交付的是让它上路的一切。
我在 数字员工背后的 Agent，是五层基础设施的叠加 里把这套东西拆成了身份、上下文、执行、验收、学习五层，就是这份清单的工程投影。这些能力决定了它能否成为组织中的稳定生产力，而不是一次性的智能助手。
七、代际不是替代
这里要澄清一个常见的误读：「代」不意味着淘汰。
Chatbot 没有消失——它成了界面层。今天大多数数字员工，用户还是从一个对话框里唤起它。数字分身也没有消失——它成了个人入口。在 数字员工是下一个十年的故事 里我讲过那个演进：分身足够成熟之后，经过安全评估、权限审批、知识配置、行为约束这道「入职流程」，就能长成组织里的一个岗位。
代际升级的是 责任单元，不是产品形态。每一代都还在，只是不再是最重要的那一代。
八、能力不是前提，能力是放大器
最后回应一个最常见的反驳：「说身份、治理都为时过早，模型连很多事都做不好。能力是 1，其他都是 0。」
我的看法恰好相反： 能力不是责任的前提，能力是责任的放大器。
一个能力弱的 Chatbot，错了只影响一次回答；一个能力强、有权限、却没有治理的数字员工，能力越强，出错的影响面越大。企业对 AI 的期待从「帮个人省时间」升级到「承担岗位职能」的那一刻起，身份、权限、责任、审计这四道门就一道都绕不开。
这也是我在 五个问题，判断一个岗位能不能交给数字员工 里反复强调的：能力（Eval 完成率）只是五个问题之一，另外四个——一方数据、连接器、反馈闭环、任务属性——全是组织侧的问题。企业 AI 的瓶颈从来不在模型，而在组织有没有给 AI 留位置。
九、一句话概括三代
把三个阶段放在一起，我会用一句话概括：
Chatbot 是会聊天的 AI；数字分身是会替你工作的 AI；数字员工是组织正式雇佣、能够持续承担岗位职责的 AI。
这是一次从 工具（Tool）→ 代理（Agent）→ 组织成员（Organization Member） 的演进，也是 AI 从服务个人走向重塑企业组织形态的关键跃迁。
如果只能再补一句，我会把责任这条线补完整：
工具不承担责任，代理的责任在人，员工的责任在组织。
你的组织里，AI 现在是第几代？它有没有还在「没有工牌的临时工」这个阶段空转？欢迎留言讨论。