自建AIOS还是买平台?先算清5层能力成本
IT负责人最近常被问到一个问题:这个 AI 平台,我们自己能不能做?一边是厂商报价单,一边是自己团队三个人的排期表;一边是"我们有数据中台和研发",一边是业务部门催着两个月内看到效果。真正难的不是技术选型,而是这笔账没有统一口径——自建AIOS还是买平台?先算清5层能力成本,否则两边比的根本不是同一件事。
大多数自建预算只算了第一层:模型调用、服务器、几个工程师的人力。但一个能真正在业务里跑起来的 AIOS,至少包含接入、依据、执行、运行、组织五层能力,后面四层的成本往往在立项书里是空白的,直到项目上线第三个月才以"维护人力"的形式冒出来。这篇文章把这五层拆开,讲清每一层自建要付出什么、买平台要看什么,最后给一个可执行的判断顺序。
一、先把问题问对:不是"自建还是买",而是"哪几层自己扛"
决策的真实分歧点
企业讨论 AIOS 时,很容易滑向"技术自主"的情绪讨论。但落到经营上,问题其实是:这五层能力里,哪几层是我们的核心竞争力,哪几层只是必要的成本?
- 平台不是一层软件,是一组持续运转的能力。 一次性把系统搭起来,和让它每天稳定处理几百条业务任务,是两个量级的工作。
- 自建的成本大头在"变化"上。 接口会改、口径会变、人员会走、业务会加平台。首版开发的成本通常只是总投入的一小部分。
- 买平台也不是零成本。 场景梳理、口径确认、权限划定、异常处理规则,这些工作无论自建还是采购都省不掉,只是由谁来做、做多久的差别。
五层能力成本模型
把 AIOS 拆成五层,是为了让预算表能对得上:
- 接入层:能不能从现有系统里把数据取出来、把动作做下去。
- 依据层:AI 知不知道"按什么规则算、依据哪份文件"。
- 执行层:动作能不能做对,以及在不确定的时候能不能停下来。
- 运行层:能不能按时跑、跑完有回执、出错有人知道。
- 组织层:权限、责任边界、方法复用,能不能从一个人扩散到一个部门。
下面逐层算。Soiawork 作为企业级 AI 智能体平台,对应的正是这五层——把它放进同一张表里对照,判断会清楚很多。
二、第一层:接入层——数据拿不出来,后面全是空谈
自建容易漏算的部分
接入层看起来最简单,实际上是最容易被低估的一层。
- 有 API 的系统和没 API 的系统,成本差一个量级。 ERP、电商后台、财务软件往往有接口,但企业内部还有大量老系统、客户端软件、只能人工点开看的报表页面。
- 接口不是接一次就完。 平台改版、字段调整、鉴权过期,都需要有人跟进,这部分是长期运维成本。
- 账号与授权要先理清。 谁能取哪些数据、以谁的身份操作,这个边界没定清楚,技术上跑通了也不敢上生产。
买平台要看的接口能力
采购时不要只问"支持多少个连接器",要问"没有接口的系统怎么办"。
在 Soiawork 中,接入分两条路:连接器负责对接标准系统与常用平台,设备(Soia Worker)负责在授权范围内操作本机软件和内部系统——包括那些没有开放接口、只能靠界面交互的老系统。这两条路覆盖的场景不同,缺一条,很多现实任务就做不了。
三、第二层:依据层——AI 不知道规则,做得越快错得越多
规则散落在人脑和文件里
这是自建项目最容易翻车的一层,也是最不像"技术问题"的一层。
- 口径定义往往没有文档。 毛利怎么算、费用跨期怎么摊、哪些订单算有效,答案通常在老员工的经验里。
- 依据要能更新。 活动规则、平台政策、价格体系都在变,知识如果写死在代码里,每次变更都要发版。
- 检索要带权限。 知识库不能变成"谁都能搜到全部"的漏洞,权限继承要在设计之初就考虑。
知识库不只是"把文档传上去"
在 Soiawork 中,知识库承载规则、口径、制度与历史依据,文件空间承载任务过程中产生的表格、报表与留档材料。二者配合的意义在于:任务执行时能查到"依据哪一条",事后能回溯"当时按什么算的"。
以医药零售的活动毛利测算与提报为例,这类任务的链路是:先确定活动规则(平台、活动范围与计算公式),再匹配商品、成本与历史提报记录,然后列出候选清单并标出缺成本、低毛利与重复项,最后由运营与价格负责人确认后提报,并记录回执。规则与计算依据可回溯,是这条链路能长期跑下去的前提——而不是每次活动都靠人回忆上次怎么算的。
四、第三层:执行层——关键不是点得快,是知道什么时候该停
自建最难复制的不是速度
执行层的成本,很多人按"自动化脚本"来估:把点击步骤录下来就行。但真实业务里的难点在判断。
- 名称相近时不能自己选。 套装和单品、不同规格的同名商品,选错一个,价格体系就乱了。
- 搜不到不等于失败。 平台上没有这个品,需要先建,这和"执行失败"是两种交代。
- 被系统拦下要如实上报。 谎报成功比报错更危险,因为它会让下游全部基于错误状态继续跑。
该停就停,是一种能力设计
在 Soiawork 中,技能把一个方法固定下来可复用,工作流固定步骤与判定分支,设备(Soia Worker)负责在界面上完成真实动作。三者组合,才能把"能做"和"该停"同时写进流程。
场景库中有一个复现验证场景:多平台商品上下架状态维护。按主管在共享表格写下的指令,在授权范围内定位商品并执行、回写结果。该场景为演示数据:12 条指令跑完 9 条成功、3 条转人处理、失败 0,判定覆盖明确的规则项,需人工确认的分支保留给人。这个例子的价值不在于"12 条"这个数字,而在于它展示了一种设计取向——一批指令一次跑完,异常全部有交代,误改与重复执行的风险由"该停就停"的判定挡住。
五、第四层:运行层——上线只是开始,稳定才是成本
一次性交付和持续运行是两回事
很多自建项目在演示时表现良好,进入日常运行后问题集中爆发。
- 谁来触发? 靠人记得点一下,本质上没有减轻负担;真正的减负是按时自动运行。
- 跑完留下什么? 回执、日志、异常清单,这些是事后核对与追责的唯一依据。
- 异常谁处理? 没有转人工通道,一次异常就会让业务方失去信任。
- 单次成本怎么算? 工具使用指标(对话数、调用次数)不是业务价值,单次任务的真实成本才是。
自动任务与回执
在 Soiawork 中,自动任务负责按时运行,工作空间承载任务记录、结果与异常,让人能随时核对"这次跑了什么、哪几条没成、为什么"。这一层的价值在平静期看不出来,出事那天才体现。
六、第五层:组织层——从一个人的助手,到一个组织的能力
最贵的成本是"每次都重来"
前四层做完,企业通常能得到几个能用的智能体。真正的分水岭在第五层。
- 方法能不能复用。 一个部门跑通的对账方法,换个部门要不要重做一遍?
- 权限能不能随规模保持清楚。 十个人的时候靠口头约定,一百个人的时候必须有边界。
- 责任能不能落到人。 AI 出结果,谁确认、谁签字、谁承担后果,这条线不能模糊。
AI 组织的含义
Soiawork 的定位是帮助企业构建 AI 组织、打造专属 AIOS,把 AI 接到业务目标、人员和系统上,把有效实践沉淀为可复用的组织能力。这个"沉淀"是第五层的核心价值——它决定了投入是一次性支出,还是能持续摊薄的资产。
以电商经营利润核对为例:按确认口径汇集销售、退款、投放、成本与费用数据,保留店铺、商品、时间与来源,生成经营贡献草稿,缺成本、跨期费用和无法匹配的订单单列,由财务确认算法与正式入账。这里有一条不能越过的线:AI 负责把差异对应到商品、店铺与原始账单,把口径差异显式呈现出来,但正式入账仍然由财务决定。组织层的成熟标志,恰恰是把这类边界写清楚,而不是让 AI 假装什么都能定。
七、把五层摊开之后,判断会变得具体
三种合理的选择
- 五层全自建:适合把 AI 能力本身作为产品对外输出的团队。前提是愿意承担持续运维,并且接受首版落地周期以季度计。
- 平台为主、关键层自建:多数企业的现实解。接入与执行用平台能力,依据层和组织层自己深度参与——因为那里面是企业自己的规则和边界。
- 先买一层验证,再决定扩不扩:风险最低的路径,也是本文建议的起点。
一个可执行的试跑顺序
不要从"公司级 AI 战略"开始,从一个具体任务开始:
- 选一项高频、规则相对清楚、错了能发现的工作,比如活动毛利测算、多店铺对账、经营数据汇集。
- 先在平台上跑通一遍:连接器取数、知识库查依据、工作流固定步骤、设备操作本机软件、自动任务按时运行。
- 核对结果与异常:这一次哪些做对了、哪些转人工、人工介入花了多久。用同一批真实样例建立当前基线。
- 再决定是否扩大:结果质量持续达标、关键异常可识别、人工介入逐步下降、单次成本与价值匹配,才谈扩面;否则缩小范围、调整方法,或者停下来。
回到最初的问题:自建AIOS还是买平台?先算清5层能力成本。 自建的成本主要在变化和维护上,买平台的价值主要在接入、执行、运行这三层的现成度和迭代速度上。把五层写成一张表,填上自己的人力、时间窗口和业务紧迫度,答案通常自己就浮出来了。Soiawork 让智能生长,让工作进化——让每家企业,都能轻松构建自己的 AI 组织。
常见问题解答
1. 用平台是不是要改造现有系统?
多数情况下不需要。接入层有两条路:标准系统走连接器,没有开放接口的系统由设备(Soia Worker)在授权范围内操作界面。真正需要企业先定的是账号与授权边界,而不是动系统本身。
2. 数据和权限怎么控制?
分两层看:取数时按账号授权,AI 用的是被授权身份能看到的范围;知识库同样要有权限继承,不能变成全员可搜。权限边界建议在试点阶段就划定,而不是等扩面时再补。
3. AI 做错了谁负责?
取决于任务性质。规则明确、结果可核对的任务,AI 出草稿、人确认;涉及专业判断的(处方审核、法务意见、财务入账),最终决定权仍在责任人手上。Soiawork 的做法是把"该停就停"和异常转人工写进流程,让责任线可追溯。
4. 从哪个场景开始比较稳?
建议选高频、规则相对清楚、结果能被核对的任务,比如活动毛利测算与提报、经营利润核对、多平台商品状态维护。先小范围跑一轮,比对基线,再决定是否扩大。
5. 和现有的 RPA、BI 是什么关系?
RPA 偏固定路径的界面操作,BI 偏数据呈现与历史分析,AIOS 更靠近"理解规则、做出判断、跨系统完成一整件事"。三者可以并存:BI 提供口径与数据基础,RPA 覆盖高度稳定的重复动作,AIOS 处理需要判断和异常交代的任务。



