引入AI员工的第一步:给岗位写一份说明书,而不是先挑工具
很多企业引入 AI 员工的过程,卡在一个意想不到的地方:不是模型不够强,也不是预算不够。平台开通、账号建好之后,团队反倒面面相觑——“让 AI 干什么?”
更具体的困境在后面。问业务负责人“这个岗位每天做什么”,他能说出个大概;再追问“哪些情况必须拦下来”“哪个字段缺了要退回”“什么算做对了”,答案往往变成四个字:看情况。人可以说“看情况”,因为背后有经验兜底;AI 学不会“看情况”,它只会执行被写清楚的那部分。所以,引入 AI 员工的第一步,是给岗位写一份说明书:把这个岗位对什么结果负责、吃进什么资料、按什么口径判断、在哪些地方必须停下来问人,一条条落到纸面上。
一、为什么第一步是写说明书,而不是选模型
1. 招一个真人进来,也得先有岗位说明书
很少有企业会在没有 JD、没有职责边界的情况下招人,然后期待对方自己摸索出该干什么。但轮到 AI,很多团队恰恰这么干:先把工具买回来,再想用途。结果就是——平台能力很全,却没人说得清第一个任务该是什么,试点自然推不动。
2. AI 缺的从来不是智力,是上下文
大模型能写方案、能读文档,但它不知道你们公司的付款审批要几级、退货单超过几天算异常、某个客户的历史价格是多少。这些不在模型里,在岗位里。说明书的作用,就是把这些“组织内部常识”从老员工脑子里搬出来,变成可交付给 AI 的上下文。
3. 说明书还是唯一能拿来验收的东西
没有说明书,试点结束时的讨论会变成“感觉还行”或“感觉不准”;有说明书,“做对了没有”就有对照物——按什么规则判、异常有没有被拦下、结果交给了谁。这是决定“扩大、调整还是停止”的依据。
Soiawork 的落地方法里,第一个动作不是配置,而是“带上一项需要改善的日常工作和相关资料”,一起确认接入条件、处理规则和检查结果的方法。这本质上就是在写说明书。
二、一份 AI 岗位说明书,至少要写清七件事
写说明书不是写愿景。它更接近一份作业指导书,把“人怎么做这件事”翻译成“AI 按什么做这件事”。以下七项缺一项,后面就容易返工。
- 岗位目标:这个岗位对什么结果负责,不是“做什么动作”。比如“保证当日订单与收款逐笔对上,差异在次日上午前被人看到”,比“负责对账”有用得多。目标写清楚,才知道什么时候该停、什么时候该升级。
- 任务清单:把重复发生的动作列成条目,标上频次(每天、每周、每月结账前)和触发条件。频次高、规则相对固定的任务,优先放进第一批。
- 输入与取数:资料在哪里——邮箱、共享盘、业务系统的哪个菜单、哪个电商后台。同时写清账号能访问哪些系统、哪些只能读不能改。这一步决定后面能不能自动跑起来。
- 判断规则:口径、优先级、一票否决项。规则要写成可以判定的形式:“学历不符直接不匹配”是规则,“感觉不太合适”不是。规则复杂的,画成两层:硬性门槛 + 能力项打分。
- 输出与交付:产出是什么形态(表格、凭证草稿、消息、看板)、写给哪个字段、交给谁。交付物形态不写清,AI 干完活也没人接得住。
- 异常与人工确认点:什么情况必须停下来等人。金额超阈值、关键字段缺失、规则之间互相冲突、对方身份无法核验,都属于这一类。这一项写得越细,后续越敢放手。
- 验收与复核:怎么算做对了,谁来抽查,抽查比例多少。对账类岗位可以写“差异清单必须逐条给出依据”,招聘类岗位可以写“进入待定的候选人必须给出原因”。
三、怎么写:从现有岗位“抄”一份,而不是从零发明
1. 跟一遍,比问十遍有用
让最熟悉这个岗位的同事正常干活,你在旁边记录:他从哪个系统取数、打开哪张表、看到什么会皱眉、什么情况下会去微信问一句。这些“皱眉点”和“问一句”,就是说明书里最值钱的异常规则。只靠访谈,这些细节几乎不会被主动说出来,因为对当事人而言它们太理所当然。
2. 用“现在怎么做 / 之后怎么做”对照着写
一栏写人工现状,一栏写希望 AI 接过去的部分。对照表能立刻暴露两个问题:哪些环节其实没有规则、哪些环节必须保留人工判断。很多团队在这一步才发现,自己以为标准化的流程,其实每次都在临场发挥。
3. 把口头规则写成可判定的判定树
“看经历像不像”要拆成可读的字段:有没有写过内容、有没有跑过社媒、专业是否匹配。这一步最费时间,但也最能带来一致性——不同的人、不同的日子,按同一套口径判。
在 Soiawork 的场景库中,有一个已完成复现验证的招聘筛选场景,其说明书结构就比较典型:先确认招聘平台连接与在招岗位,读取实习岗 JD 后拆成两层筛选标准——硬性门槛(学历、身份、到岗时间、实习周期、薪资)与核心能力(文案写作、内容运营、信息整合、专业匹配);然后统计并去重打招呼人数,逐个打开候选人主页与简历判断,合格者下载简历转 PDF 并经协同办公平台发出,已排除的批量退回拒绝池,最后回读发送状态确认。另一条自动招聘的复现验证流程里,从邮箱读取 24 份格式不一的简历,按硬性条件与能力项判出命中 12、待定 6、不匹配 6,再按面试官可面窗口排期、写人才库并发出通知。需要说明的是,以上属于复现验证环境中的流程演示,用于说明“规则写清楚之后流程可以连续走完”,未给出耗时或准确率数据,不作数字宣称。
4. 说明书要写给“下一个接手的人”看
一个好用的检验标准:把这份说明书交给一个完全没做过这个岗位的同事,他能不能照着复述出判断口径。如果复述不出来,说明还有隐性经验没被写下来。
四、三个最常见的写法误区
1. 写成愿望清单,而不是作业说明
“提升效率”“减少人工”“智能化处理”都不是说明书内容。有效写法是具体到“每天早上 9 点前,把昨日各店铺订单与平台结算单逐笔比对,差异超过 1 元的列成清单发给财务”。越具体,越能配置。
2. 只写顺利路径,不写异常
大多数说明书初稿只描述“正常情况下怎么走”。但真正的成本几乎都发生在异常上:附件打不开、金额为空、同名客户两个编码、系统提示无权限。把这些列出来,并逐个标注“自动处理 / 停下问人 / 转人工”,才算写完。
3. 不写谁负责、谁签字
AI 可以执行,但不能承担结果责任。说明书中必须明确:这类判断的最终责任人是谁,哪些结论必须由人确认后才能生效。财务入账、合同条款、处方审核这类事项,AI 只做前置整理和建议,签字权仍在责任人手上。
五、说明书落到平台上,是什么样子
写完的说明书不是锁进文件夹,它要能变成可运行的东西。在 Soiawork 中,说明书里的七件事大体对应到这些能力上:
- 输入与取数 → 通过连接器把业务系统、平台后台的数据取进来,待处理的文件放在文件空间里统一管理。
- 判断规则与依据 → 把制度、口径、SOP 放进知识库,AI 每次判断时检索依据,而不是凭印象。
- 操作动作 → 由设备(Soia Worker)在本机软件和客户端里完成点击、填写、下载这类界面操作,不需要改造原系统。
- 固定步骤 → 用工作流把顺序、分支和判断节点固化下来,避免每次执行顺序不一致。
- 可复用方法 → 调好的方法沉淀成技能,同一套筛选口径、同一套对账逻辑,可以被多个岗位直接调用。
- 按时触发 → 用自动任务设定运行时间,日报类、监控类岗位不必靠人想起来才跑。
- 权限与归属 → 一个岗位对应一个工作空间,谁能看、谁能改、动作记录留痕,都在这个边界里。
这也是 Soiawork 作为企业级 AI 智能体平台的定位:帮助企业构建 AI 组织、打造专属 AIOS,把 AI 接到业务目标、人员和系统上。写说明书,正是这个“接”的起点。
结尾
写说明书的真正价值,不在于文档本身,而在于逼着团队把“看情况”变成“按这条判”。建议不要一上来就铺开:挑一项重复发生、规则相对清楚的工作,先把说明书七项写全,跑一小批真实资料,然后逐条核对结果与异常——哪些判对了、哪些该停没停、哪些口径根本没写清;补完规则再决定是否扩大到其他岗位。AI 组织的生长方式,大致就是这样一份一份说明书累积出来的。
常见问题解答
要不要先改造现有系统,才能让 AI 上岗?
多数情况下不需要。说明书里如果写清“从哪个界面取数、在哪个客户端填写”,这类界面级操作可以由设备(Soia Worker)完成,原系统照旧。只有当你希望数据以接口方式流转、或者涉及大批量高频同步时,才值得评估接口改造。建议先用现有系统跑通流程,再判断改造收益。
数据和权限怎么控制?
在说明书阶段就要写清两件事:账号能访问哪些系统、哪些只能读。落地时按岗位划分工作空间,把可见范围限定在岗位所需的数据内;涉及敏感字段的,设置为只读或脱敏后再进入判断环节。
AI 做错了谁负责?
责任不能转移给 AI。说明书中应明确每个判断节点的责任人,以及哪些结论必须人工确认后才生效。可行做法是从“只读、建议、人工确认”三种低风险模式起步:AI 先给判断和依据,人点确认后才执行下一步动作。
第一份说明书该从哪个岗位写起?
看四个条件:业务价值清楚、重复发生或时效要求高、有明确的业务负责人和结果接收人、必要的数据和账号能拿到。财务对账、招聘初筛、电商经营监控、跨境多店铺对账通常符合这几条。规则还在频繁变动的岗位,先放一放。
这和已有的 RPA、BI 是什么关系?
三者解决的不是同一层问题。BI 负责把结果呈现给人看;RPA 负责按固定脚本重复操作;AI 员工的说明书里既有操作(交给设备和技能),也有判断(依赖知识库中的规则和依据)。实践中它们常常串在一起:BI 的看板触发、RPA 式的操作由设备执行、判断环节由 AI 按说明书口径给出建议。



