AI NOW！ 2025-10-24 10:16 浙江
6000元，博士水平，全年无休，AI 员工比正式员工还着急？新的组织形态会催生新的协作模式吗？
“6000元，博士水平，全年无休，AI 员工比正式员工还着急？新的组织形态会催生新的协作模式吗？
🤖 **AI 员工的现实局限性：** 文章深入分析了当前AI员工在企业应用中遇到的核心问题，包括其反应模式与人类的差异（缺乏节奏感和即时性）、在复杂场景下的失效（“人工智障”）、对人类模糊或隐藏意图的理解不足、由于训练模式带来的“记忆滞后”（缺乏状态记忆），以及无法理解和权衡利益的“缺乏博弈能力”。这些因素导致AI员工在实际工作中难以达到预期效果，管理成本甚至可能高于真人员工。
💡 **Lucius的解决方案与切入点：** Lucius创始人赵赫提出，AI员工应先从“局部替代”入手，优先取代组织中执行性强、工作套路固定的“弱角色”，例如客服和社区运营。通过“租用”AI员工，客户无需自行搭建和维护复杂的工具，Lucius负责训练和交付，从而解决企业在AI落地中的实际难题。其核心理念是“柿子挑软的捏”，让AI先胜任“实习生”的角色。
🚀 **OAK架构与AI的自我迭代：** Lucius的核心技术是OAK自学习架构，它不仅能“生成回答”，更能“复盘行为、封装经验”。该架构包含Observation（识别任务触发点）、Action（执行动作并记录后果）、Knowledge（将反馈转化为可执行知识）三个层面。这种设计使得AI员工能够通过不断学习和优化，从“查答案”迈向“总结经验”，实现自我迭代和持续改进，为未来的复杂岗位奠定基础。
🌐 **AI Native组织形态与协作重塑：** 文章预见，随着AI员工的普及，将催生“AI Native”的组织形态。这种新形态将重组部门分工，AI员工承担更多桥接性工作和进度追踪，使人与人之间转变为面向最终业务目标的端到端协作。组织的决策速度和数据驱动性将大幅提升，形成“即时反馈—快速迭代”的动态系统。知识沉淀逻辑也将改变，AI成为经验封装和复用的核心，最终可能弱化公司边界，实现跨组织、跨自由职业者的协同。
🛠️ **“不怕手脏”的交付优势：** 赵赫认为，其作为创业者的最大优势在于“不怕手脏”，愿意深入交付细节，将AI员工训练得更好。他坚持从模型技术的落地应用出发，利用Transformer在意图判断和模式映射上的优势，并规避其在状态记忆上的短板。他认为，AI应先从可重复、可验证的固定工作做实，再逐步放权，而不是过早地将“决策权”交给AI，通过深耕具体场景，才能真正解决问题并创造价值。
AI NOW！ 2025-10-24 10:16 浙江
6000元，博士水平，全年无休，AI 员工比正式员工还着急？新的组织形态会催生新的协作模式吗？
“6000元，博士水平，全年无休，AI 员工比正式员工还着急？新的组织形态会催生新的协作模式吗？
Lucius 的创始人赵赫的职业经历一直跟软件交付相关。
2017年毕业于中国计量大学，毕业后加入甲骨文在浙江海盐做农业项目，2020年加入函子科技 Zion（海外版 Momen.app）。这是一家为客户提供全栈无代码开发平台的公司。但赵赫很快发现，中国的客户不愿意花钱买工具，「真正值钱的是全套解决方案，也就是产品，客户愿意花50-100万买，但我们一直赚的是3-5万的工具钱」
于是2024年，他决定创业，方向是为企业定制 AI 员工，「全部我们培训好，相当于租一个 AI 员工给客户。」
基于前文发现的痛点，他得出解法：先做局部替代。
首先取代的是执行工种，「我的理念是，柿子要挑软的捏，AI 最先取代的一定是组织里最弱的角色」。其次，充分利用模型比人类强的点——总结和洞察——由此推导出结论： AI 员工能先取代一些有「固定工作套路」的工种。
「就是白领工种，坐办公室，和跟物理世界没有太多交集，不涉及任何创意和决策。」
于是，他把目标锁定在外包，之后，首选软件作为第一批客户，通过调研他发现，软件当下最旺盛的外包需求来自海外代运营。于是又选择了一个更窄的切口：Discord 社区。「我查了公司招聘巴西、菲律宾的外包具体要做干什么，然后把功能往这上面切。」
Lucius 采取订阅服务，500-1000美元一个月，通过一周的自主学习就能接管一家公司的社区运营。
从第三方手里，我们拿到了一份 Lucius 的客户调研。
这是一家在 Discord 有2万用户的浏览器公司，仅一名实习生兼职运营，Lucius 为他们提供了一个月薪6000元的 AI 员工。
它的职责包括：社区信息的归纳整理反馈，自动生成 bug 表单，数据库调用，可为用户回答产品的基础问题，每晚自动生成问题总结及用户信息，遇到紧急问题，会通过客户内部IM发出信息，24小时在线，全年无休，「比我们内部人还着急。」客户评价。
赵赫认为，现阶段最重要的是让 AI 员工先从能干活的「实习生」做起，而未来要承担整个运营工作，再从单点场景迁移到更复杂的工种，「比如担任某500强公司的 AI 销售，这是我最想做的。」
AI 闹和赵赫见面时，他一直在回复客户信息，现在团队一共7个人，6个是全栈工程师，他是什么都干的 CEO，Lucius 在拉丁语是光的意思，蝙蝠侠的管家也叫 Lucius。「懂 DC 文化的人，一看就知道我们在做什么。」
赵赫画的产品边界图对话赵赫
AI 闹：一句话解释 Lucius 能为客户提供什么价值？
赵赫：出租 AI 员工给客户。
我们不会像市面上很多产品一样，让客户自己搭建配置各种工具。我们帮客户直接训练好 AI 劳动力。
AI 闹：为什么选定社区运营做第一个场景？
赵赫：社区工作的时效性相对不敏感，容错空间大一些
首先要做社区禁言。以前客户使用工具要自己配置维护一个表，现在用我提供的 AI 员工可以基于对社区的了解，对客户的了解，自主学习，很快知道什么内容不能发。
还有一个工作是 feedback 和 bug detail 收集，这又是非常琐碎的场景。要辨别哪些是真问题，哪些是用户自己使用的问题，前者要尽量多追问，尽可能详尽反馈给客户，后者需要 AI 员工解决答疑。
这也是我们现阶段提供给客户两个主要服务场景。
AI 闹：很多公司法务、财务也是外包的，你们会考虑吗？
赵赫：不会，这些属于高端的咨询服务，像一个法务财务外包，做得好的话，一个人年薪也有百万，要训练模型成本很高，短时间很难取代。
AI 闹：现阶段取代的运营职能是比较浅层的信息服务，接下具体会往哪些稍微复杂的场景探索吗？
赵赫：下一步想发力活动运营：比如帮客户做节日或特定事件的运营，然后再切内容运营，比如帮客户把社区做火爆，最终达成客户对量化社区活跃度的数据要求，如消息数、参与率、留存等。
AI 闹：完成这些能力要花多长时间？
赵赫：至少得半年到一年。要补更多的 Context 和行业 know how。
易中天曾经说过，人类的知识分三个层次，第一层能传递，叫知识；第二层靠别人演示，叫方法。第三层靠开悟。AI 员工最好的状态能做到第一层和第二层——把固定工作套路做好——就已经是巨大的突破了。
另外，我一直不建议把「决策」过早交给 AI。先把可重复、可验证的固定工作做实，再从事件记忆中抽象出可解释的优化建议，形成小范围的自我调整，然后再逐步放权。如果一上来就做完全替代，缺少反馈数据，难以落地，AI 更无法「成长。」
AI 闹：公司成立一年了，只接了四个客户，挑战在哪里？
赵赫：现阶段是孵化阶段，让产品尽可能适应市场的各种挑战。
所以我根本不在乎客户的数量，只在乎这个场景的难度，这样我才能摸出 AI 员工的边界，有利于我知道使用什么能力去加速，规避什么场景。
另外产品要做好再去做增长，我认为的增长方式是这个月有10个客户，下个月直接干到1万。
我每天都在问团队，如果明天有几万家公司租 AI 员工，我们的产品能不能扛得住？
AI 闹：没有考虑外部环境的热度吗，包括同行迭代速度，市场竞争？
赵赫：这是我第二次创业了。在2018年无代码最热的时候创业，就跟今天 Agent 市场一样，我见证过一个行业从热到无脑再到没人理的阶段。我意识到，真正的好产品是在资本热度退潮之后才长出来的。
我相信要从一巴掌宽，一公里深的场景进入，这比较反直觉，很多投资人不太认可。
但还是那句话，一开始讲很大的故事，没用。真正落地，还是会回到垂直场景，一个一个搞，千行百业各有不同。
AI 闹：和同类产品相比，Lucius 不用客户写文档，这也让一部分人认为，产品太封闭，缺乏灵活性，为什么这么设计？
赵赫：灵活性是个伪命题。
我知道很多同行会给客户配置工具平台，提供画布，让客户拖拉拽，自己规划 sop。
我是完全不同意这么做的，过去我是做低代码的，即便低代码已经很简单了，但客户真的自己去配置的比例还是很低，大部分客户都很懒的。
客户不想写文档，用户只想发号命令。所以我选择把封装好的最佳实践给到他们，直接交付结果。至于外部环境和行业知识库的更新，我们会通过自主学习，设计一套相对工程化的解决办法。
如果客户觉得不好用，直接骂我们就行。我们要完全做到租一个已经训练好的 AI 员工给到客户。
AI 闹：「自主学习」是现在很多 Agent 最关键的能力，你们是如何设计的？
赵赫：Lucius 的核心是我们称为 OAK 的自学习架构，它不仅会「生成回答」，更能「复盘行为、封装经验」。
Observation 层：从高频事件流（Discord 消息、工单/Ticket、反馈日志等）中自动识别任务触发点与语义意图。
Action 层：在上下文与状态机驱动下执行动作（回复、标注、转交、触发工作流）；从历史案例中抽取 「现象–原因–措施”」三元组，记录行为后果，沉淀为可复用的 SOP 与自动化策略。
Knowledge 层：通过 Reinforcement Feedback 与 Causal Loop 的事后评估机制，将人类/系统反馈转化为可检索、可执行的知识，持续改进行动策略。由查答案迈向「总结经验」的 Experience Encapsulation。
AI 闹：现阶段，哪些客户的反馈出乎你的意料？
赵赫：我们有一个客户很有意思，他把自己公司一个很优秀的产品经理推荐给我了。他当时跟那个产品经理是这么介绍的，如果有一天我把全公司的运营都开了，最后才会开除这个 AI 员工。
我当时很意外。因为那段时间，我有点担心 AI 员工会不会太弱鸡？容易被开？
后来和客户交流才意识到一个点，通过自主学习，我们的 AI 员工在很短的时间，就能沉淀为客户沉淀出一个优质的知识库，所以，AI 员工就变成一个新的协作中心，客户会找他问数据，问业务细节，围绕 AI 员工产生一些新的协作，这是我以前没有意识到，也因此，我们现在对协作非常重视。
AI 闹：这种新的协作模式，会促使你调整产品架构吗？
赵赫：会重新设计任务系统，因为现在所有的任务执行是异步的，需要解决任务之间会互相影响的问题；另外，也要重新设计触发机制，现在的 Agent 主要还是指令触发的，需要更灵活，能主动、被动以及各种事件的触发支持，才能完成一个存续型的组织任务，
AI 闹：你认为，当千行百业开始接受租一个 AI 员工，必然会形成 AI Native 的组织形态，这会让传统的组织分工发生变化吗？
赵赫：首先分工会重组，更多部门之间的桥接性工作或者进度追踪会交给 AI 员工来完成，人和人会变成端到端的协作，每个人面向最终业务目标协作，而非流程节点。
另外，客户执行效果的复盘和调整效率将会大幅提升，组织做决策的速度和数据驱动性也会大幅提升。组织不再依赖定期汇报或层级传递才能修正方向，而是形成「即时反馈—快速迭代」的动态系统。还有就是，组织知识沉淀的逻辑将会发生变化，由 AI 不断总结经验封装以及复用。
最终会弱化公司的边界，外部团队、自由职业者、客户甚至供应商，都能通过同一 套 AI 系统协作。管理会更多向系统设计和决策转移。
AI 闹：我和你的早期投资人聊过，他认为你的优势是，对 Agent 理解很深，以及有做软件交付的经验，这构成了你做工程的原点吗？
赵赫：我确实是从模型技术到底改变了什么出发。
我认为，Agent 就是一个更灵活的 RPA，两者范式是一样的，RPA 也是用工作流控制，只不过随着大模型的出现，更能理解人类了。
模型现在做的最好两个事情，一个是意图判断，比以前 NLP 做得更好，第二就是 Mapping，找映射模式。作为创业者就应该先利用好这两个能力，然后等待模型变得更好。
AI 闹：如何保证 Lucius 不被模型吞掉？
赵赫：从第一天设计产品的时候，每一次开会，都重点在聊，这部分的设计会不会被吞噬？
我的判断逻辑是从 Transformer 的核心诟病切入。训练模式最大的问题是无法记忆状态。什么叫状态？事实会变，人的属性也会变，人和人的关系，人和物的关系都会变，这个是 Transformer 解决不了的，除非有一天模型的训练方法变了，训练时可以带状态，现在也有很多人研究这个。
AI 闹：Transformer 跑出来是因为落地到聊天这个产品形态，然后被用户接受，到资本大规模投入，你认为还有哪些模型架构有这个潜能？
赵赫：围棋用的 Alphago 也是一个非常优秀的架构，我很喜欢。
它的核心能力是博弈，博弈最适合的场景是销售场景，尤其在最后的磋商环节，什么时候出击？什么时候防守？比算胜率。
AI 闹：你觉得自己作为创业者，做这个方向最大的优势是什么？
赵赫：比大部分人不怕手脏，更容易在交付细节比别人做得好。这就是为什么我能先碰运营？很多人觉得麻烦，但我觉得很有价值。
我的性格是喜欢揣摩别人想什么，我最骄傲的事情可能不是公司估值多高，融了多少钱，而是我真的帮客户解决问题，我会特别有使命感。
AI 闹：我们也收集了一些质疑，很多同类产品会切入更专业的场景比如保险，但你的场景难度很低，后续如何跃迁？商业的想象空间有限？
赵赫：我坚持认为，专业场景的核心竞争力目前还是 know how，模型自身的能力目前还是没法和场景专家比拟的，为专业场景做的技术设计很可能不可迁移。
对我来讲，运营场景容易量产数据、验证学习循环，所以这是最好的起点。而我能看到的，通过这种前期的积累而产生的可迁移的技术积累，是可以在未来支撑更复杂的岗位。
图：Unsplash、受访人供图
本文来自微信公众号“AI闹（ID：ainowainow）”，作者：Pippobei，36氪出海经授权转载，如需转载请联系原作者。
欢迎填写表单，获取 AI NOW! 专访机会
AI 技术正在加速全球化进程，全球化带来的市场需求与数据流动反哺着 AI 创新。36氪出海·AI 栏目携手 AI NOW!（AI 闹），聚焦 AI 从业者的多元化视野，挖掘从技术研发到市场落地的实践，探索如何融合 AI 与各行业知识，把握未来 AI 应用场景趋势。如果您是 AI 创业者，或大企业 AI 业务负责人，欢迎扫描下方二维码，填写表单，获得 AI NOW! 专访机会。由于沟通专访的企业较多，AI NOW! 团队希望首先了解您的基本情况，并在筛选后与您联系，请您尽量留下具体、准确的信息。期待共同打造 AI 时代最好的人物访谈。
目前，36氪出海学习交流群已经吸引超过17,000位出海人加入，他们来自国内外初创企业、行业巨头、投资机构等。在出海社群里，我们为成员挑选整理每日全球跨境资讯，帮助出海人把握最新动态；定期组织出海交流活动，链接出海生态圈，寻找潜在合作伙伴。欢迎添加36氪出海小助手微信（ID：wow36krchuhai-xzs2）申请入群，一同出海！
AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。
鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑