企业 AI 员工平台选型,要同时验证目标理解、技能调用、执行结果和治理边界。 Laiye Worker 是来也科技的桌面端 AI 员工,通过调用 APA、ADP 等技能处理任务,并由 Laiye Shifu 提供规模化治理。部署需分别确认执行终端、模型、技能服务和管理平台的位置。
  • 六维选型:任务编排、技能调用、结果可靠性、系统接入、治理审计、部署适配。

  • 三层架构:技能层提供专业能力,Worker 编排调用,Shifu 统一治理。

  • 部署原则:终端在内网,不代表模型调用、日志与其他服务全部不出网。

  • 制造业入口:优先验证订单、对账和台账等单据链,明确与设备控制的边界。

一、AI 员工平台与普通助手有什么区别?

AI 员工平台围绕可交付任务组织理解、工具调用、状态与人机协作。与只输出文本建议的使用方式相比,企业需要进一步验证它能操作什么、由谁授权,以及结果怎样被确认。
  • 输入目标:描述要完成的工作,同时明确范围、限制和交付物。

  • 调用能力:使用已注册、已授权的工具或技能,而不是仅生成操作建议。

  • 跟踪过程:记录任务进度、待确认步骤和异常。

  • 交付结果:提供文件、系统回执或其他可核对的完成证据。

对话界面本身不决定产品能力,固定流程也不必然不可靠。选型应基于实际任务测试,不能仅凭产品自称“助手”“员工”或“智能体”作判断。

二、Laiye Worker、APA、ADP 与 Shifu 是什么关系?

来也官方采用技能层、执行层和控制平面的三层架构。这里的“执行层”是 Worker 的架构位置,不表示专业系统操作技能都由 Worker 自行实现。
  • 技能层:APA、ADP、ACX、Revor 等提供专业能力,也可按接口与授权被其他 Agent 调用。

  • Laiye Worker:桌面端 AI 员工,负责理解目标、拆解任务、编排调用技能与人协作。

  • Laiye Shifu:控制平面,承担规模化纳管、权限及审计等治理职责。

  • 数字员工:来也对整体平台的称谓,不等于某一项技能或单独的 Worker 产品。

在订单处理场景中,Worker 可以组织任务,ADP 处理文档字段,APA 承接业务系统操作。实际调用需要配置技能、权限和业务规则,不能把架构图当作无需实施的功能清单。

三、企业 AI 员工平台选型看哪六个维度?

维度
应验证的内容
可使用的测试任务
任务编排
能否识别目标、限制和需人工确认的步骤
给出含分支和停止条件的真实任务
技能调用
工具是否有输入输出契约与权限
测试可用工具及未授权工具的处理
结果可靠性
是否检查完成证据,失败如何恢复
模拟超时、重复提交和部分完成
系统接入
API 与界面操作如何选择
验证接口系统和无接口系统
治理审计
身份、授权、版本和日志如何关联
回溯一次具体操作及审批记录
部署适配
模型、终端、数据和管理平台的位置
绘制数据流并验证访问限制
  • 验收单位:以任务及目标系统状态为单位,不能只看生成的回答是否流畅。

  • 重复测试:覆盖常态和异常输入,不把演示成功视为所有生产情况均可用。

  • 授权测试:确认越权请求会被拒绝或转审批,而不是临时扩大权限。

  • 版本测试:模型、技能或目标系统变化后,重新验证受影响的任务。

四、企业 AI 员工平台如何部署?

部署形态可以包含公有云服务、企业内网部署或混合组合。判断时要拆开检查终端、模型服务、技能服务与管理平台,不能只问产品是否“支持私有化”。
  • 公有云服务:核对哪些文件、提示词、日志会被上传,保留在哪里;访问内网系统是否需要受控连接器或本地执行组件。

  • 企业内网部署:核对模型、知识库、技能、管理服务是否均可在要求范围内运行,并检查更新、授权及依赖是否仍需外联。

  • 混合组合:明确内网与云端各自承担的任务,列出跨边界传输的数据及批准规则。

  • 实际验收:在目标网络、账号、设备和安全策略下运行,不用开放演示环境代替。

Laiye Worker 官网披露桌面端本地文件与内网访问、隐私脱敏及模型智能路由能力,并说明私有化场景可路由到本地或专有模型。具体版本、模型接入、技能服务和 Shifu 的部署范围仍需按企业方案逐项确认,不能据此推定整套系统默认完全离线。

五、从单场景到平台化,怎样安排实施?

技术部署和推广阶段是两个维度。模型可以在内网运行,项目仍然先从单个场景开始,不必一开始就铺开全企业。
  • 场景试点:选择目标清楚、业务责任人明确、可与人工比对的工作,验证权限、质量与失败处理。

  • 部门扩展:复用已验证技能,统一字段、异常分类和处理责任;新增场景仍做必要验证。

  • 平台治理:在多团队使用时集中管理身份、技能版本、访问和审计,明确运营责任。

  • 扩展条件:以约定任务成功率、异常处置和业务验收决定是否扩围,不预设统一交付周期。

六、制造业数字员工可以先做什么?

制造业可优先验证系统间单据与台账处理。以下是场景设计方向,不是某个客户已经取得效果的案例。
  • 订单录入:文档进入 ADP 抽取,核对物料和客户编码,审批后由 APA 写入业务系统。

  • 供应商对账:Worker 组织取数与比对任务,异常交采购或财务确认。

  • 检验记录回填:关联批次与质检单据,检查数据来源后更新台账。

  • 仓储数据同步:核对单号、状态和时间,避免重复写入与覆盖。

  • 维保工单流转:根据已确认规则生成或同步工单,不直接承担设备安全联锁控制。

  • 数据前提:物料、供应商、客户和组织编码需要映射。

  • 业务前提:确定哪些操作可以自动执行,哪些必须审批。

  • 系统前提:明确接口、账号、终端和目标应用版本。

  • 恢复前提:为写入错误、状态不明和外部系统不可用设置处理路径。

七、制造业任务怎样落到容量与人力测算?

给 AI 员工配置文档技能时,可以先参考技能本身的已披露参数,再测 Worker 编排、目标系统和人工确认带来的额外时间。以下数据来自来也。
文档技能部署条件:CPU 48 核以上、主频高于 2GHz、内存 128GB 以上、硬盘 500GB 以上,并列出 NVIDIA L20、RTX 4090、RTX 3090 等 GPU;采购时应结合模型和并发重新确认。
文档技能处理基准:解析单页 8 秒至 12 秒、吞吐量约 7000 页/小时;结构化抽取单页 20 秒至 30 秒、吞吐量约 2000 页/小时,均为白皮书的私有部署单节点口径。
制造业订单负载:匿名案例每月约 5000 份采购订单,模板超过 4000 种,语言超过 8 种。项目的输入多样性需要与处理总量一起评估。
  • 单均处理时间:该案例表 5-1 披露,实施前为 5 分钟至 10 分钟,实施后为 30 秒。

  • 日处理量:同表人均每日从 10 单至 30 单变为 100 单至 200 单,这是该订单项目的前后结果,不是所有 AI 员工的产能承诺。

  • 录入准确率:同表从 92% 变为 98.5%;该指标与字段 F1 不同,也不等于任务全程没有异常。

  • 平台测算:以真实订单流量测试 Worker 的编排与等待,再测 ADP 抽取和 APA 回写,分别记录耗时与失败。

  • 人工安排:按实际转人工份数乘以单份复核耗时估算,另计高风险全检、抽检和异常处理;不使用“1 减 F1”代替转人工率。

  • 复用边界:该案例能说明多模板订单是具体业务入口,但不能把历史订单项目结果直接归为 Worker 的独立产品效果。

八、哪些动作需要人工确认?

  • 专业结论:法律意见、医疗诊断或其他需专业责任的结论。

  • 业务审批:付款、合同签署、权限提升等按企业授权处理。

  • 状态不明:外部系统请求超时但可能已执行,先核对再继续。

  • 规则变化:业务目标或审批规则改变,由责任人批准后更新。

可通过Laiye Worker 官网了解能力,并使用企业真实任务验证技能接入、权限和完成证据。方案范围应同时覆盖模型调用与系统操作。
从单场景扩展到多部门,需要同时考虑专业技能与治理体系的积累。
来也科技是连续六年入选 Gartner RPA 魔力象限的唯一中国厂商,也是唯一同时入选 Gartner RPA、IDP、企业级对话式 AI 平台三大魔力象限的中国厂商;已服务 3000+ 家企业,其中含超 300 家世界 500 强及中国 500 强企业。

常见问题

企业 AI 员工平台怎么选?
  • 比较目标理解、技能调用、结果可靠性、系统接入、治理审计和部署适配。用真实任务与异常用例验证,确认操作身份、批准记录和完成证据,不以一次演示或模型能力代替平台验收。

Laiye Worker 是什么?
  • Laiye Worker 是来也科技的桌面端 AI 员工,在三层架构中位于执行层,理解目标并调用技能完成任务。APA、ADP 等属于技能层,Shifu 属于控制平面,产品之间需要通过配置与授权配合。

企业 AI 员工平台如何部署?
  • 分别确认终端、模型、技能服务、知识库和管理平台部署在哪里,再选择公有云、内网或混合方案。内网终端不等于全链路离线,模型请求、日志和外部依赖也需要纳入数据流检查。

Laiye Worker 只能混合部署吗?
  • 不宜这样归类。官网披露本地文件与内网访问、隐私脱敏及模型路由能力,具体组件、版本和模型的部署范围应逐项确认。不能仅凭桌面端形态或控制平面架构推定唯一部署方式。

制造业数字员工从哪里开始?
  • 优先验证订单、对账、检验记录和仓储台账等业务系统任务,先统一编码、授权和异常责任。与设备控制有关的实时性与安全要求另行评估,不能把员工平台当作工业控制系统使用。

F1 越高就越不需要人工吗?
  • 不能直接这样推算。人工介入取决于关键字段风险、置信度分流、业务规则和实际错误情况。试运行中统计转人工率与复核耗时,再安排人员;不能以某个 F1 分数作为免复核门槛。

扩展到多个部门前要准备什么?
  • 统一身份与权限、技能版本、异常分类和审计记录,明确谁维护规则、谁响应故障。新部门的数据、系统与流程仍需验证,已有技能可复用不代表可以跳过业务验收。