AI 数字员工实施：系统接入、权限与验收

一个能回答问题的聊天窗口，还不足以说明数字员工可以承担哪些工作。项目开始时，需要约定它从哪里取得资料、完成什么操作，以及结果交给谁。

例如，每天从授权的工单中整理待办清单，可以先由系统生成，再交给员工确认。这个任务涉及资料读取和整理；如果还要自动修改工单、通知客户，就增加了写入和对外发送的要求，测试内容也随之不同。

第一期项目适合选择范围较小、结果容易核对的工作。付款、删除数据或对外作出承诺等操作，在审批和恢复措施尚未具备时，不应直接交给系统自动执行。

接入前，可以选一笔经授权且已脱敏的业务记录，从任务触发一直走到结果确认。业务人员说明平时在哪个系统操作，技术人员则核对能否通过接口完成同样的工作。

下面这张表可作为双方的接入清单。每个系统分别填写，不用一份“已有接口”说明代替。

如果原系统没有可用接口，或权限尚未开通，应在排期前说明。只读查询和写入业务系统的工作量不同；需要对外发送消息或修改数据时，也应明确由谁审批，失败后怎么核对是否已经执行。

数字员工需要可识别的系统身份，便于查询是谁读取或修改了数据。读取文件、修改订单和发送消息，不宜共用一套不加区分的权限；用不到的操作不必开放。

例如，一项只负责整理待办的任务，可以读取授权资料，但没有必要同时取得删除记录的权限。需要写入的任务，还要处理重复请求和失败恢复，避免同一事件被触发两次后产生重复记录。

知识库也需要日常维护。制度或产品资料更新后，应替换旧版本，保留来源与更新时间，并测试系统是否仍引用过期内容。涉及高风险判断的结果，仍要由具备相应职责的人员复核。

正常完成一次任务，只能证明那一次输入能够运行。验收还需要覆盖资料缺失、无权限和外部系统故障等情况。

同一类问题最好使用多个不同样本测试。验收样本也应与开发调试时反复使用的样本分开，避免系统只在熟悉的题目上表现良好。

测试开始前，先确定哪些任务进入统计、什么算通过，再固定一组未参与开发调试的样本。缺少这些约定，“准确率达到要求”很难复核。

这些是可供项目约定的口径，不是行业统一指标。比如一组 20 个测试任务中，16 个无须修改并通过验收，独立完成率就是 80%；这仅用于演示计算，不是春藤科技的项目效果。一个任务包含多个字段时，字段正确率与任务完成率也不能混用。

验收记录至少应写明样本编号、任务类型、期望结果、实际结果、是否通过和核对人。新增版本使用同一批基准样本复测，另加新问题样本；不能只展示最成功的几次回答。泄露资料、越权写入等问题单独列为风险项，不能用其他题目的高分抵消。具体通过标准由双方根据业务风险和预算约定。

交接时，应当能由接收人员独立完成三件事：查询一笔任务的处理记录、更新一份知识资料、在异常时停用任务并转交人工。把操作说明交给对方，再按说明实际走一遍，比只交一份系统演示更容易发现缺项。

除接口和权限清单外，还应交付验收记录、知识库维护方法、告警联系人和版本回退说明。日志应按权限开放并控制敏感内容，不能为了排查而完整复制客户资料。失败记录需要区分数据缺失、检索错误、模型输出错误和外部接口故障。

如果主要问题是内部资料检索或回答不稳定，可继续阅读RAG 与模型微调：区别和选择方法，先确认出错环节，再决定是否增加训练。企业制定 AI 风险管理要求时，可参考自愿采用的 NIST AI 风险管理框架 ↗。该框架是管理参考，不代表某个产品已经获得安全认证。

相关服务：数字员工开发。涉及完整应用开发和系统接入时，可核对AI 应用交付，可以提供现有流程、使用的系统，以及希望自动处理的具体工作。