怎样让 AI 真正成为公司系统，而非零散的临时助手？
Chapter 14
完整版 · 商学院底座 + OPC + 定制案例AI 原生公司与自动化
把 AI 放进公司职能、数据和审批系统中，让一个人拥有更大的执行网络。
OPC 的产能杠杆来自可重复、可审计、可接管的 AI 工作流。
公司基础设施与数字劳动力。
所有业务职能、数据、安全、质量与运营。
AI 公司架构图与第一条自动化工作流。
Learning Outcomes
学完这一章，你应该能
- 按公司职能设计 AI 角色与工作流
- 区分对话工具、自动化、Agent 与传统软件
- 建立知识库、数据、Skills 与上下文系统
- 设置权限、审批、日志、质量和成本控制
Chapter Outline
本章目录
CHAPTER 14 · FOUNDATION
商学院基础教材 · 从零讲解
把 AI 从工具集合变成可治理的公司能力
AI 能降低研究、制作、开发和运营成本。稳定业务需要清楚任务、可信数据、权限、审批、日志、质量和人工接管。
14.BS01
按公司职能设计 AI 团队：先定义结果和责任
一人公司仍然包含战略、市场、产品、销售、交付、客服、财务和运营。AI 可以承担部分工作，最终责任和高风险判断需要明确归属。
为每项职能定义输入、任务、标准、工具、输出、审批和指标。AI 擅长检索、分类、总结、初稿、转换、代码、监测和重复沟通；方向、重大承诺、关系、伦理和最终责任需要人参与。
购买很多工具不会自动形成 AI 公司。选择一条高频流程，例如企业销售或课程答疑，重构数据和步骤，再连接模型、CRM、邮件和审批。流程成功后复制。
公司需要完成的职能与结果。
把工作拆成输入、步骤、标准和输出。
关键判断和动作保留人工复核。
AI、软件和自动化承担可定义的工作量。
把企业培训销售流程交给 AI，哪些可以自动，哪些必须保留人
AI 岗位说明 = 业务目标 + 输入 + 任务边界 + 工具权限 + 输出格式 + 审批 + 质量指标
表单进入后，AI 可以整理公司背景、归类需求、生成诊断摘要和方案初稿，CRM 自动创建机会与提醒。你负责确认适配、价格、承诺和关键沟通。合同、对外发送和折扣设置审批。
成交后，系统根据模板创建项目、收集资料、生成日程和检查清单。涉及客户敏感资料、付款、版权和重大变更时保留人工。
同一个概念，在不同生意里怎样表现
| 内容 | AI 生成多平台草稿，本人确认观点和品牌。 |
|---|---|
| 软件开发 | AI 写代码与测试，权限、安全和发布有门禁。 |
| 咖啡店 | AI 辅助销量、评论和排班，现场与食品责任由人承担。 |
| 餐饮店 | AI 预测采购和菜单，实际验收、卫生和人员管理由负责人完成。 |
这组知识会改变哪些决定
- 这项 AI 工作对应什么经营结果？
- 错误后果是否可逆？
- AI 可以访问和执行什么？
- 谁负责最终批准和复盘？
理解概念以后，仍要避开这些错误
- 用角色名称代替真实流程
- 让 AI 承担无法验证的责任
- 自动化前没有稳定数据和标准
练选择一个高频流程，写出人、AI、自动化和外部协作的分工，并设置三个审批点。展开参考答案
参考推导
参考：从低风险、重复、可恢复的流程开始。所有自动动作记录输入、版本、输出和结果，高风险动作默认人工批准。
14.BS02
对话、工作流、Agent、API、数据库与知识库
不同技术形态适合不同稳定性和风险。经营者需要会选型、定义任务和验收，无需亲自精通每一项实现。
对话适合探索和一次性任务；固定工作流适合步骤清楚、重复发生；Agent 可以在有限范围内规划和调用工具；传统软件与规则适合钱、权限、状态和高并发。真实系统通常混合使用。
数据库保存客户、订单、价格和状态；知识库保存规则、案例和文档；API 让系统请求能力；Webhook 在事件发生时通知；工作流连接触发、条件、动作和异常。
一次性探索、人工主导、低风险。
固定步骤与条件，可重复、可监控。
在边界内规划、调用工具和迭代。
稳定状态、权限、规则、记录和规模执行。
退款为什么不能完全交给自由 Agent
可靠 AI 系统 = 模型理解 + 结构化数据 + 业务规则 + 工具调用 + 人工审批 + 日志监控
退款涉及金额、合同、欺诈、客户关系和会计记录。AI 可以分类原因、总结证据和草拟回复；规则系统计算可退金额与权限；超过阈值或争议转人工；支付系统执行并写入日志。
这种混合结构利用模型理解非结构化信息，同时用规则和审批保护确定性动作。经营者要按错误损失选择自动化等级。
同一个概念，在不同生意里怎样表现
| 课程答疑 | FAQ 自动、复杂诊断人工、反馈统一回写。 |
|---|---|
| 销售线索 | 表单触发、AI 分类、CRM 记录、人工确认。 |
| 咖啡会员 | 订单和偏好进数据库，AI 辅助分群，营销需遵守权限。 |
| 餐饮采购 | 销量数据触发建议，采购审批和验收由人完成。 |
这组知识会改变哪些决定
- 任务规则有多明确？
- 错误是否涉及钱、权利或敏感数据？
- 信息应进数据库还是知识库？
- 失败怎样重试、提醒和人工接管？
理解概念以后，仍要避开这些错误
- 所有流程都做 Agent
- 知识散落在长提示词和聊天
- 自动化失败没有重试与告警
练把一个流程画成“触发—数据—模型—规则—工具—审批—记录—异常”，并为每步选择技术形态。展开参考答案
参考推导
参考：稳定字段进入数据库，文档进入知识库，业务规则独立维护；模型输出尽量结构化；不可逆动作设置审批和幂等。
14.BS03
成本、质量、安全、权限与 AI 治理
AI 能放大产能，也会放大错误、数据泄露和不一致。治理不是大公司的专属，OPC 更需要简单清楚的边界。
成本包括模型调用、软件订阅、存储、人工复核、维护和失败损失。质量可以用标准样例、结构校验、人工抽检、业务指标和用户反馈评估。权限遵循最小原则，每个 Agent 只获得完成任务所需能力。
敏感数据、客户文件、合同、支付和个人信息需要分类与隔离。记录谁在何时使用什么信息执行什么动作。供应商变化、账号停用和模型升级都需要备份与回退。
只授予完成任务所需的最小数据和动作权限。
用标准样例与指标持续检查输出质量。
记录输入、版本、执行、审批和结果。
自动流程失败后的人工接管与业务连续性。
自动化课程客服真的省钱吗
AI 单位成本 = 模型 + 软件 + 基础设施 + 人工复核 + 失败/纠错
自动化收益 = 节省工时与错误 − 新维护成本 − 风险暴露
假设每月 400 条问题，人工平均 6 分钟，约 40 小时。AI 可解决 60%，每条模型与工具成本 0.2 元，剩余和抽检需要 20 小时。节省约 20 小时，同时需要维护知识库。
若错误答案导致退款或口碑损失，节省会被抵消。高频低风险 FAQ 适合自动，个性诊断、承诺、退款和争议升级给人。监测解决率、升级率、错误率和客户满意。
同一个概念，在不同生意里怎样表现
| 内容系统 | 检查事实、版权、品牌与平台规则。 |
|---|---|
| 软件开发 | 代码审查、测试、密钥和发布权限。 |
| 咖啡店 | 顾客数据和营销许可，AI 建议不能替代现场判断。 |
| 餐饮店 | 食品安全、过敏和人身风险不能依赖模型自由输出。 |
这组知识会改变哪些决定
- 这项自动化每月净节省多少？
- 错误最坏后果是什么？
- AI 可以访问哪些数据和动作？
- 供应商或系统失效时怎样继续？
理解概念以后，仍要避开这些错误
- 只计算模型费用，不算维护和复核
- 把所有客户数据放进同一上下文
- 上线后不再评估模型变化
练为一条 AI 流程建立成本、质量、安全和连续性表，定义四个监控指标与人工接管条件。展开参考答案
参考推导
参考：至少监控成功率、错误/返工、单位成本、处理时长和业务结果。涉及敏感数据、付款、法律承诺和不可逆动作，使用更严格的审批。
你的 AI 公司应该先替你减少重复经营负担，再扩展创作与产品能力
你长期容易把客户问题直接转成新的内容和工作。AI 经营系统可以先统一收集反馈、归类原因、生成周报，并判断应当改产品、补文档、调整销售边界或保持观察。
企业培训销售、课程答疑、内容分发、案例整理和财务记录都适合建立半自动流程。关键价格、合同、承诺、删除和付款保留人工批准。
AI 节省出的时间要重新分配给行业研究、客户关系、核心判断和生活。自动化如果只让你继续增加项目，最终仍会形成新的过载。
本章最后一问
请选一条目前每周重复发生、低风险且令人疲惫的流程，完成第一版 AI 自动化蓝图。
DEEP DIVE
把本章读成一本经营教材
这一层补充概念之间的因果、判断条件和跨行业差异，帮助你从“知道名词”走到“能够做经营决策”。
AI 应当进入流程而非停留在工具
零散使用 AI 可以提高单次产出速度，真正的公司杠杆来自流程设计：触发条件、上下文、模型任务、工具调用、结构化输出、人工审批、异常处理和数据回写形成闭环。
自动化先处理稳定重复
频率高、规则清楚、输入输出稳定、错误可检测的任务最适合自动化。战略判断、关系、责任和高风险决策应保留人工。自动化低频混乱流程只会放大错误。
知识和数据是 AI 公司的基础设施
模型能力可以替换，公司的客户、产品、案例、术语、流程、决策记录和质量标准需要持续积累。知识库必须有来源、版本、权限和更新责任，否则 AI 只会更快地产生不一致内容。
AI 工作流 = 触发 → 上下文 → 推理/生成 → 工具执行 → 结构化结果 → 人工审批 → 写回系统 → 监控
自动化优先级 = 频率 × 时间成本 × 稳定性 × 可检测性 ÷ 风险。
范米花儿专属课 · Chapter 14
把这一章放回你的真实处境
你已经非常熟悉 AI 生成、Skills、规范和产品流程。下一步是把这些能力从设计场景扩大到整家公司：研究、内容、销售、交付、客服、财务整理和经营复盘。定制课程会直接用你的真实业务设计工作流。
这一章对你的核心问题怎样让 AI 真正成为你公司的数字劳动力，同时保留关键判断和责任？
起点并不为空
- 理解 AI 上下文、规范和工作流
- 能够设计信息结构与验收标准
- 正在学习软件系统和全栈开发
过去的优势也会形成惯性
- 为自动化而自动化
- 知识分散在聊天和个人脑中
- 高风险动作缺少人工审批与日志
现有业务只是训练场
- 先用你熟悉的业务建立理解
- 再迁移到数字产品与陌生行业
- 最后用实体经营检验完整性
给范米花儿配置一套真正能工作的 AI 公司，而不是一堆聊天窗口
市场与研究系统可以持续收集学员问题、客户访谈、竞品更新和行业资料，按固定字段分类，并每周生成机会与风险摘要。最终判断仍由你完成，系统负责减少整理成本。
内容系统可以从一个经过确认的核心观点，生成不同平台的草稿、标题和摘要，同时调用品牌规则、术语库和历史案例。发布前由你审批，发布后把数据和评论回写，形成选题反馈。
销售系统可以让线索通过表单进入 CRM，AI 初步归类客户、生成诊断摘要和方案草稿，自动提醒跟进。价格、承诺、合同和发送动作保留人工批准。
课程与产品系统可以把常见问题、使用错误、功能反馈和成功案例统一记录，定期判断哪些需要补文档、改产品、调整销售边界或停止服务。这样用户反馈不再直接触发你临时增加工作。
课程、产品、软件与企业服务
软件业务可以进一步自动化用户上手、支持分流、使用监测、续费预警和质量评估，但涉及扣款、权限、删除和承诺的操作设置审批。
咖啡店、餐饮与本地经营
咖啡店可使用 AI 辅助评论归类、销量预测、采购建议、排班草案、活动文案和会员分群。食品安全、现场人员和最终采购仍需要明确负责人。
你在这一章需要作出的四个判断
- 先建立公司知识库和数据字段
- 只自动化稳定重复流程
- 高风险动作保留审批
- 所有 AI 流程有日志、成本和质量指标
你的定制作业选择一条真实流程，例如企业培训销售或课程答疑，画出触发、输入、AI 任务、工具、审批、输出、异常、监控和数据回写。
14.01
按公司职能设计 AI 团队
先确定业务结果和责任，再选择模型、工具与自动化。
一人公司仍然包含战略、研究、产品、营销、销售、交付、客服、财务和运营职能。可以为每个职能设计 AI 角色，但角色必须有输入、任务、标准、工具、输出和审批人。
AI 最适合承担高频信息处理、初稿、分类、检索、转换和监控。方向、关键承诺、高风险判断、关系和最终责任通常保留在人。
Framework
把概念放进一张结构里
汇总行业变化、竞争和假设，供创始人判断
检索、整理、对比并保留来源
整理需求、生成原型和测试用例
生成变体、筛选线索、准备方案与跟进
分类问题、执行标准流程、监控异常
整理交易、对账与预算草稿，最终由人复核
真实经营场景专业服务
AI
买了很多 AI 工具，为什么工作仍然混乱
发生了什么
每个工具单独使用，信息反复复制，输出标准和审批不统一。
真正风险
工具数量增加，业务流程没有被重构。
怎样理解
先选择一个高频流程，定义输入、输出、标准和责任，再连接合适工具。
下一步动作
从业务流程出发设计 AI 角色。
经营者要继续追问
- 这项工作要产生什么经营结果？
- AI 可以完成哪些标准步骤？
- 什么错误后果需要人工批准？
- 输出怎样进入下一步系统？
Practice
自动保存这一节的练习
画一张公司职能图，为每项职能标注“本人、AI、自动化、外部协作”。
本节术语AI WorkforceFunction MapTask DesignHuman ApprovalDigital Labor
TakeawayAI 公司先设计职能和责任，再选择工具。
14.02
对话、工作流、Agent 与软件系统
四种形态承担不同复杂度和可靠性。
对话适合一次性探索；工作流适合步骤明确、重复发生的流程；Agent 可以根据目标选择工具与路径，适合存在有限变化的任务；传统软件适合高稳定、高并发、强约束和确定性操作。
很多业务需要组合使用：AI 负责理解和生成，规则引擎负责校验，数据库保存状态，人工批准高风险动作。不要把所有流程都交给自由决策的 Agent。
Framework
把概念放进一张结构里
一次性问题、探索与人工主导
固定步骤、明确条件和可重复执行
在允许范围内规划、调用工具和迭代
稳定状态、权限、规则和大规模执行
模型理解 + 规则约束 + 数据记录 + 人工审批
真实经营场景退款流程
系统
让 Agent 自动处理所有退款安全吗
发生了什么
退款涉及金额、欺诈、合同和客户关系，错误会直接造成财务损失。
真正风险
高风险交易需要确定规则、权限和审批。
怎样理解
AI 先分类原因和整理证据，规则计算可退金额，超过阈值由人批准，系统写入日志。
下一步动作
按可逆性和损失决定自动化等级。
经营者要继续追问
- 任务有多少明确规则？
- 错误是否可逆？
- 动作是否涉及钱、权利或敏感数据？
- 过程需要怎样记录？
Practice
自动保存这一节的练习
选择十项业务任务，分别判断适合 Chat、Workflow、Agent、Software 或 Hybrid。
本节术语ChatWorkflowAgentRule EngineHybrid System
Takeaway自动化形态要与任务的不确定性和风险匹配。
14.03
数据、知识库、Prompt 与 Skills
AI 输出质量依赖持续可用的业务上下文。
公司知识可以分为事实数据、规则、方法、示例和历史决策。事实进入结构化数据库，文档进入知识库，稳定操作写成 SOP 或 Skill，少量临时要求留在 Prompt。
上下文需要版本、来源、权限和更新时间。把所有内容塞进一个长提示词会导致冲突和过期。高质量系统会按任务检索最相关信息，并记录使用了什么版本。
Framework
把概念放进一张结构里
客户、订单、产品、价格、状态和指标
行业、产品、案例、合同、FAQ 和研究资料
价格、权限、合规、质量和业务边界
完成一类任务的步骤、工具和验收
本次任务的目标、上下文和输出要求
真实经营场景销售方案
知识
AI 每次写出的报价都不一致
发生了什么
产品范围、价格、案例和合同条款分散在多个文档，部分已经过期。
真正风险
缺少单一可信来源和版本管理。
怎样理解
建立产品资料库、价格表、案例索引和报价 Skill，生成后检查版本与授权。
下一步动作
把稳定知识从临时对话迁入公司系统。
经营者要继续追问
- 这条信息属于数据、规则、方法还是临时要求？
- 谁负责更新？
- AI 使用的是哪个版本？
- 哪些内容需要权限控制？
Practice
自动保存这一节的练习
建立第一版公司知识目录，分为事实、规则、方法、示例和历史决策。
本节术语Knowledge BaseStructured DataPromptSkillVersion ControlRAG
TakeawayAI 的长期能力来自可维护的公司知识，而非一次对话。
14.04
API、Webhook 与业务自动化
系统连接让信息自动流动，减少复制、遗忘和重复录入。
API 让软件按规则互相请求数据或执行动作；Webhook 在事件发生时主动通知其他系统；自动化平台按照触发、条件和动作连接表单、CRM、邮件、支付与项目系统。
自动化前先稳定流程和数据字段。把混乱流程自动化，只会更快地产生错误。每条工作流需要失败重试、人工接管、日志和通知。
Framework
把概念放进一张结构里
启动流程的事件，例如付款或表单提交
判断客户、金额、风险和状态
写入数据、发送消息、创建任务或调用工具
事件发生后向另一个系统发送通知
失败后的重试与幂等处理
自动流程失败时转入人工
真实经营场景线索管理
自动化
客户提交表单后，怎样自动进入销售流程
发生了什么
创始人手工复制信息、发送邮件、创建提醒，经常遗漏。
真正风险
流程重复、规则清楚，适合自动化。
怎样理解
表单触发 → 客户分类 → 写入 CRM → 生成初步分析 → 人工审核 → 发送邮件 → 创建跟进。
下一步动作
先自动化高频、低风险、可恢复的流程。
经营者要继续追问
- 触发事件是什么？
- 需要哪些条件分支？
- 失败怎样发现和重试？
- 哪一步必须人工批准？
Practice
自动保存这一节的练习
把一个重复流程画成“触发—条件—动作—审批—记录—异常”六步图。
本节术语APIWebhookAutomationTriggerRetryFallback
Takeaway自动化的价值来自可靠的信息流和异常处理。
14.05
权限、审批、日志与质量治理
AI 可以扩大产能，也会扩大错误的速度和影响范围。
治理从最小权限开始：每个系统和 Agent 只访问完成任务所需的数据与动作。高风险操作设置审批门；所有关键输出保留来源、输入、版本、执行人和结果日志。
质量可以通过结构化输出、规则校验、样例测试、双模型检查、人工抽检和业务指标监控。不同风险等级使用不同强度。
Framework
把概念放进一张结构里
只授予完成任务所需的最小权限
关键动作需要人工确认
记录谁在何时用什么信息执行了什么
用标准样例和指标持续检查质量
观察错误率、成本、延迟和业务结果
真实经营场景客户数据
安全
AI 助手能够读取全部客户文件，会有什么风险
发生了什么
一个提示注入或账号泄露可能暴露敏感信息。
真正风险
权限范围过大，缺少数据隔离和日志。
怎样理解
按客户与任务分区访问，敏感信息脱敏，高风险导出需审批，定期审计权限。
下一步动作
每项权限都与明确任务和责任对应。
经营者要继续追问
- AI 可以看到哪些数据？
- 可以执行哪些不可逆动作？
- 错误多久能被发现？
- 是否能够追溯输入、来源和版本？
Practice
自动保存这一节的练习
给一条 AI 工作流做风险分级，列出权限、审批、日志、测试和人工接管。
本节术语Least PrivilegeApproval GateAudit LogEvaluationMonitoring
Takeaway可靠 AI 系统需要边界、证据和随时可接管的人工路径。
14.06
成本、模型选择与供应商锁定
AI 产能需要同时看质量、延迟、调用成本、维护和迁移。
总成本包括模型调用、工具订阅、向量存储、自动化任务、人工复核、失败重试和维护。高能力模型可以用于复杂判断，低成本模型用于分类和格式化，规则可以承担确定性任务。
供应商锁定来自专有接口、数据格式、Prompt 适配和工作流深度。关键流程应当保留模型抽象层、可导出数据、基准测试和备用方案。
Framework
把概念放进一张结构里
按任务难度、风险和成本选择模型
每份报告、每个客户或每次任务的 AI 成本
检查、修正和异常处理所需时间
迁移模型、平台和数据的难度
用于比较模型质量和成本的一组真实任务
真实经营场景内容平台
成本
更换模型后输出质量突然下降
发生了什么
流程与某个模型的隐性习惯高度绑定，没有基准测试。
真正风险
供应商变更影响核心交付，缺少抽象和评估。
怎样理解
建立真实样例集，记录质量、成本和延迟；把模型调用封装，并准备备用模型。
下一步动作
关键工作流避免只依赖单一模型。
经营者要继续追问
- 每单位业务的 AI 总成本是多少？
- 高能力模型是否用在真正需要的环节？
- 迁移供应商需要修改多少系统？
- 有没有持续可运行的基准测试？
Practice
自动保存这一节的练习
选择一条 AI 任务，分别用高、中、低成本方案测试质量、时间和总成本。
本节术语Model RoutingUnit CostVendor Lock-inBenchmarkModel Abstraction
TakeawayAI 成本管理需要把模型费用、人工复核和维护放在一起。
14.07
建立 AI 经营驾驶舱
自动化结果需要进入业务指标，创始人才能知道系统是否有效。
驾驶舱可以同时观察销售、交付、客户、财务和 AI 运行。指标不宜过多，优先选择能触发行动的数字，例如有效线索、回款、交付周期、人工介入率、错误率、单任务成本和客户结果。
每周复盘异常与瓶颈，每月检查模型、工具和流程是否仍然适用。AI 系统应当降低经营复杂度，不能成为新的维护负担。
Framework
把概念放进一张结构里
收入、成交、交付、留存和客户结果
周期、等待、人工介入和返工
准确、完整、合规和通过率
单任务调用、复核、失败和维护成本
权限异常、错误动作、数据和供应商故障
真实经营场景OPC 运营
运营
自动化越来越多，为什么创始人仍然不知道哪里出问题
发生了什么
工作流各自运行，失败通知分散，业务指标没有连接。
真正风险
自动化缺少统一监控和经营视角。
怎样理解
建立每周驾驶舱，把工作流运行状态与成交、交付和客户结果关联。
下一步动作
所有自动化都必须服务一个业务指标。
经营者要继续追问
- 这条工作流改善哪项经营结果？
- 失败后谁会收到通知？
- 人工介入率是否持续下降？
- 自动化维护成本是否超过节省？
Practice
自动保存这一节的练习
设计一个只含十二项指标的 OPC 驾驶舱，并为每项写触发动作。
本节术语Operations DashboardHuman Intervention RateError RateCycle TimeCost per Task
TakeawayAI 公司要用经营结果衡量自动化，而非用工具数量衡量先进程度。
Knowledge Check
随堂检查
先用自己的话回答，再展开参考答案。
01为什么不能把所有任务都交给 Agent？查看答案
任务的确定性、风险、权限和可逆性不同，高风险操作需要规则与审批。
02知识库和长 Prompt 有什么结构差异？查看答案
知识库可维护、可检索、可分权和版本化，长 Prompt 容易冲突和过期。
03AI 工作流的总成本为什么不只看模型费用？查看答案
还包含人工复核、失败重试、工具订阅、维护和错误成本。
Chapter Recap
这一章需要带走什么
- 先设计公司职能，再设计 AI 角色。
- 对话、工作流、Agent 和软件各有适用边界。
- 业务知识需要结构化、版本化和分权。
- 权限、审批、日志和评估是 AI 原生公司的底座。