能真正干活的 AI 与自动化

AI 适用于哪里，不适用于哪里

许多有用的自动化里并没有 AI。从会计数据中提取每周报表，用的是通过 API 与各个系统对话的普通代码。

当输入杂乱无章时，语言模型就能派上用场，例如每次版式都不同的订单表。基于 Transformer 架构的模型能写出流畅的文字，也会以同样笃定的语气出错，因此我们把它们的输出当作需要核对的草稿。

我们通过 API 调用 Claude 和 OpenAI 的 GPT 等模型，可以直接调用，也可以通过 OpenRouter 调用；当数据必须留在您自己的基础设施上时，我们使用自托管的模型。简单的步骤则使用更小、更便宜的模型。

我们已经构建了什么

我们在生产环境中运行的两个系统，展示了我们所承接的工作类型。客户的详细信息已省略。

用于我们自己 IT 工作的运维助手

我们的技术人员在服务台、远程监控、Microsoft 365、Kubernetes 和网络检查中使用同一个助手。技术人员用平实的语言描述任务，助手收集证据并提出变更建议，并且只在该技术人员的权限范围内、在对应客户的系统内行事。对于没有 API 的网页门户，则在一个不保存任何凭据、用完即销毁的受限容器中处理。

面向受监管的多站点企业的助手

对于一位客户，员工在他们已在使用的聊天工具中向私有助手提问。它读取会计、库存和订单、销售终端、合规追踪以及工资报表中的数据，并返回基于最新数据生成的 Excel、Word 或 PDF 文件。采购方退回的订单表会变成销售订单和发票的草稿供审核，通过邮件送达的送货预约则每 15 分钟同步到共享日历。

哪些环节始终有人参与

这两个系统都遵循以下规则，客户项目也一样。

• 变更等待批准：对业务记录的变更会完整展示给管理员，经一次批准后执行，且批准会过期。
• 不能发送：客户助手可以起草邮件，但不能发送或删除邮件。
• 按人员授权：只有一个很小的指定人员组能看到财务和人事资料，其他人只能看到受限视图，受众混杂时也只显示受限视图。
• 全部留有记录：每一个操作、模型请求和批准都记录在具体某位人员名下。
• 密钥不外露：模型通过带有支出上限的网关访问，因此 AI API 密钥从不存放在工作环境中。
• 最小访问：智能体式工具，也就是分步骤完成任务的工具，只能访问工作所需的内容。

自动化项目如何进行

1. 选定一个工作流。通过一次简短的沟通，找出员工在哪些地方重复录入数据，然后选择一个起点。
2. 书面方案。写明将自动化哪些工作、读取和修改哪些系统、哪些数据可以发送给 AI 服务，以及谁来批准什么。
3. 访问权限。由您授予相关系统的访问权限。每个应用程序都有自己的密钥，保存在密码管理器中。
4. 并行运行。它与人工流程并行运行，由实际做这项工作的人对比结果。
5. 交付。代码保存在 Git 中并附有文档。之后由我们提供支持，或由您的团队接手。

我们的工程师借助 Claude Code 和 Codex 编写代码，每一项变更在发布之前都由人阅读。服务运行在容器中（参见 Docker 咨询），并连接到 Microsoft 365 和我们的自有软件。

对您的团队有什么要求

您的大部分投入集中在开始阶段：由实际做这项工作的人向我们讲解流程，包括各种例外情况，并检查最初的结果。由一位经理决定哪些数据可以发送给 AI 服务，以及谁来批准变更。上线之后，批准人会在变更到来时进行审核。

关于 AI 与自动化的常见问题

我们的数据会被发送给 AI 公司吗？

只有您在方案中同意的数据才会发送。发送到托管模型的文本会离开您的网络，因此对于必须留在内部的数据，我们使用自托管的模型。

AI 能自行修改我们的记录吗？

我们的构建方式使它不能这么做。它只提出变更建议，在写入任何内容之前，必须由指定人员批准。

运行成本是多少？

AI 服务商按输入和输出的文本量计费，因此繁忙的工作流运行成本比清闲的更高。在服务商允许的情况下，我们会设置支出上限。