你应该把那些需要判断的、无法被程序化的工作交给 AI 去处理。
责编 | 王启隆
出品丨奇点折射（ID：rgznai100）
滴滴曾设有专门部门，负责判定司乘纠纷中的责任归属及赔偿金额。早期尝试用算法解决，但因纠纷缺乏标准答案，准确率仅 30%。大模型出现后，该任务准确率跃升至 99%，导致整个部门被裁撤，岗位职能完全由 AI 接管。
前 Meta/WhatsApp 核心架构师董舒对此现象深感振奋。他提出一个反常识观点：AI 最大的价值不在于辅助人类干活，而是替代人类直接出面干活。这标志着从"AI 助手”到“数字员工”的架构范式转变。
以下基于董舒在奇点智能产品大会的演讲及问答整理而成。
第四次产业革命的核心是“判断力”
董舒指出，中美业界已形成共识：我们正处于第四次产业革命（AI 革命）的边缘。与第三次信息革命带来的“确定性”软件不同，AI 革命的核心在于解决“不确定性”问题。
传统代码是确定性的，错误源于逻辑偏差；而现实生活充满不确定性，如合同风险评估、创意吸引力判断、候选人匹配等，传统程序束手无策。滴滴判责部的案例证明，大模型能处理依赖经验、上下文和非标准化输入的复杂判断，这种能力被称为“判断力”（Judgment）。
企业 AI 化的策略应发生根本转变：不应将重复性、确定性工作交给 AI，而应将那些需要专业判断、无法被程序化的工作交给 AI。
由此引出“判断力密度”概念。工厂流水线等低判断力密度岗位易被自动化取代；而营销、猎头、顾问等高判断力密度的白领行业，正是 AI 重点重构的领域。这也是当前白领群体焦虑感高于蓝领的根本原因。
为何聚焦中国服务业的重构？
服务业是典型的高判断力密度行业。中国用户偏好“端到端”的服务交付，而非 DIY 工具，这为 AI 重构服务业提供了巨大机会。
中国生产性服务业（如高端顾问、营销、法律）占 GDP 比重远低于美国，存在巨大缺口。传统模式下，此类服务依赖顶尖专家的个人时间，成本高且难以规模化，导致中小企业无法负担。人力成本的线性增长限制了公司规模，使其只能服务大客户。
AI 时代，通过将“判断力”程序化并依托算力复制，可突破人力瓶颈，实现服务的规模化交付。硅谷提出的AINS（AI Native Service）概念指出，最佳创业路径并非开发通用智能体，而是利用 AI 直接改造服务业，用“堆算力”替代“堆人力”，完成最后一公里的交付。
Agent 真的开始“上班”了吗？
随着 OpenClaw 等框架的出现，构建 Agent 的方式趋于标准化，能力市场（Skills Market）初步形成。企业内部开始出现各类 Agent，它们无需社保、不知疲倦且能自我进化。然而，目前广泛部署的真的是“数字员工”吗？
厘清概念：AI 助手 vs 数字员工
当前市场对“数字员工”存在混淆。实际上，企业应用分为两类：
1. 提效型 AI 助手：为每个员工配备专属 Agent。这种模式下，Agent 深度绑定个人习惯与数据，形成“数字分身”。从法理角度看，这类带有个人人格特征的 Agent 可能归属于员工个人。若员工离职带走“分身”，企业将面临数字资产流失的风险。
2. 服务型数字员工：从诞生之初即作为独立个体存在，拥有企业 ID，直接面向公司或客户交付结果，而非服务于特定员工。例如，企业设立一个"AI 财务”，所有员工直接向其提交需求，而非通过人类财务中转。这才是真正的企业级数字资产。
架构挑战：从个人实例到全局服务
现有的 OpenClaw 等架构多为“一人一实例”，缺乏数据隔离、权限分离和多租户支持，无法承载企业级对外服务。若直接将此类助手升级为对外服务，极易引发数据泄露和并发冲突。
真正的数字员工需要全新的基础设施（Infra），支持高并发、强隔离和安全管控。其核心价值在于专业服务的普惠化：将原本昂贵的专家服务转化为低成本的算力服务，使中小企业也能获得高质量的专业支持。
随之而来的是价格体系的重塑。由于边际成本急剧下降，外包、软件开发等服务的单价将大幅降低。人类的角色将从“执行者”转变为“机器维护者”和“逻辑校准者”，专注于训练、优化和迭代 Agent。
OPS Agent：面向规模化交付的解决方案
针对上述痛点，董舒团队推出了OPS Agent（One Person Service Agent）平台，旨在帮助企业和一人公司（OPC）构建可商业化交付的数字员工。
该平台自研底层 Infra，解决高并发与安全隔离问题，并提供 SDK 以便将训练好的 Agent 集成至业务产品中。其核心特色包括：
- 上下文强化学习：通过双轮架构（知识库 + 事件库），定时回顾对话与业务数据，自动提炼知识并更新 Agent 行为策略，实现自我进化。
- 商业闭环能力：支持支付、客户管理及咨询一体化。例如，留学咨询 Agent 可在提供建议后引导付费；销售 Agent 可在互动中识别意向并转化课程订单，必要时无缝切换至人工接管（Human in the Loop）。
未来展望：人机混编与 Agent 经济
企业转型需“两条腿走路”：既保留提升个人效率的 AI 助手，又部署面向业务的数字员工。但两者技术路径截然不同，后者门槛更高，需解决复杂的工程化问题。
未来的组织形态将是人机混编。岗位职责将重新定义：适合 AI 的部分由 Agent 独立完成，必须人工介入的部分由人类负责。例如，项目经理可由 AI 担任，负责任务分发、进度追踪和异常预警，人类员工则专注于创造性决策和复杂协调。
最终，我们将进入Agent 经济时代：企业招聘的不仅是人，还有 Agent；输出的服务也由 Agent 交付。这种循环将重塑劳动力市场，形成复杂的协作网络。
Q&A 精选
问：数字员工如何实现自我进化？
董舒：核心在于“上下文工程”。通过定时回顾历史对话和业务事件，利用 Cron Job 机制提取有效信息沉淀至知识库，并动态调整 System Prompt 和技能文档。目前主要依赖人工复盘反馈信号（如用户流失、对话长度等）来优化模型，未来将逐步实现自动化。
问：AI 能否完全替代线下实体工作？
董舒：纯线下工作难以完全替代，但岗位会发生分离与重组。未来团队将是 AI 与人类的深度协作体。AI 擅长管理、协调和流程控制，人类则处理非结构化难题和现场突发状况。例如在活动策划中，AI 负责统筹流程，人类负责现场执行。