“数字员工就是最优的打工人心态。”

不知疲倦，无需激励，只需要告诉它哪里做得好，哪里做得不好，它就会很自然地花更多时间把事情做好。这不是未来愿景，而是正在企业落地的现实。如今，这种数字劳动力正迅速融入工作流，真正承担起岗位级别的完整业务。

专门做数字员工解决方案的语核科技，给出了一套清晰的产品定义。“数字员工与真人员工的关系并非传统意义上替代，而是驾驭。”人可以去驾驭Agent的行为，让其按照人的意图行事，产出更好的结果。这种强协同关系，能将人从重复工作中剥离出来，去做更有创造力的事。虽然看似会替代掉一部岗位，但也带来了一些岗位角色的升级，衍生出更多新的岗位。

基于这一理念，2023年，当很多AI厂商去追逐Chatbot风口时，语核科技已经进入传统制造业，专注于开箱即用的售前数字员工。这支团队的核心成员大多来自帆软，创始人&CEO翟星吉曾任资深产品经理，COO、解决方案VP也都曾是帆软骨干。任职期间，他们积累了大量处理复杂业务流程和B2B产品落地的方法论。这些经验，也让语核在三年时间里快速突破了传统的工具售卖模式，通过与企业业务做深度绑定，摸索出了一条把技术和产业结合起来的可行路径。

近日，霞光AI与语核科技创始人&CEO翟星吉进行了一场深入对话，以下为访谈内容整理：

霞光AI：为什么选择出来创业？

翟星吉：初衷是看到了大模型带来的巨大生产力迁跃。我们整个团队都比较崇尚技术理想主义，相信技术的未来，想把技术转化为更大的价值，真正改变每个人的生活。当我们意识到，以前大量依靠人脑进行的原始推理和思考工作，现在可以通过Agent和大模型来实现时，就开始在做跟Agent生产力相关的事情。

我们团队也是一点一点慢慢组建起来的。最开始只有我和池光耀（CTO，00后）两个人，我负责产品，他是技术极客。后来业务进展越来越顺利，以前认识的老朋友就一个个被我们拉进来了。

我对团队的定位是，不断将大模型带来的生产力革命带入人们的日常工作与生活中，让每个人都能感受到实实在在的价值。

翟星吉：我觉得要看时代的机会到底在哪里。如果机会在资源，在拥有多少的绝对意义上的客户，那年轻可能是劣势；但现在机会在前沿技术和AI Agent，年轻就是巨大的优势。技术前沿的创造力、对用户场景的洞察力，还有思维活跃度，这些方面我们都是非常超前的。

至于传统意义上年轻团队的短板，因为我们有很强的帆软背景，在业务能力、商业化落地、场景洞察、资源获取以及打单能力上，并不弱于很多行业内的老专家。

霞光AI：2023年，市场都在卷大模型、Chatbot，为什么当时直接就选择去做Agent？

翟星吉：2023年下半年，Agent也非常火热，但当时更多停留在学术探讨和技术前沿层面，无论是对企业还是个人用户，都缺乏成熟的落地案例。而随着模型能力的提升，Agent也变得越来越强。对我们来说，Agent只是一种技术形态。我们唯一坚持的方向，就是让用户在生产力迁跃的背景下，真正享受到技术红利。无论是通过Agent还是大模型产品，核心目标只有一个：帮企业和用户把生产力成倍提升，实实在在地节省成本。

霞光AI：从过去的智能客服到如今的数字员工，市场经历了哪些变化？目前数字员工市场的现状及格局是怎样的？

翟星吉：过去大家常说的数字员工，其实就是智能客服或RPA这类工具。以智能客服为例，早年就是靠关键词匹配和问答库去机械地回答问题，没有推理能力，更不是真正的智能。

以前企业数字化投入通常只占营收的1%到2%，对应的是软件市场，但人力成本往往占营收的10%甚至50%。而现在的数字员工则完全不同，它解锁的是一个全新的市场，瞄准的是几十万亿人力资源这个大盘子，而不再是几万亿的传统SaaS市场。未来3到5年，大部分工作都会变成人和Agent协作完成，很少有人会纯粹靠原始脑力去产出成果。

霞光AI：市场上对数字员工的需求点是什么？

翟星吉：企业的需求核心很直接，就是降本增效。要么是创造增量营收，要么是降低成本。

在增收方面，Agent能直接作用于业务流，比如把线索转化率从5%提升到7%，或者挖掘出以前找不到的新线索，帮企业拿到更多订单。另一类就是降本，特别是人力成本。以前那些枯燥、低效、重复的工作，要么由内部员工处理，要么外包给BPO团队。现在Agent本质上就是一种新的BPO（业务流程外包）形式，只不过以前是靠人服务，现在是用技术来交付。

霞光AI：当下市场对Agent的接受度怎么样？

翟星吉：现在社会对Agent的接受度其实很高了。虽然2023年时认可度还没这么普遍，但随着这几年ChatGPT、DeepSeek、Manus、OpenClaw的轮番出现，大家越来越确信Agent是有未来的，是能解决实际问题，带来真正生产力提升的。到现在，没有哪家企业不拥抱AI，区别就在于谁能更好地解决业务痛点，谁的服务能带来切实的效率增长。

霞光AI：当前市场渗透率如何？

翟星吉：目前Agent在全行业的渗透率其实都不算高，整体仍处于早期蓝海阶段。虽然在2024年-2025年间，很多早期用户已经完成了一轮初步尝试，现在正进入深化应用期，但距离终局还非常遥远。一方面，大家能看到市场需求在飞速增长；但另一方面，相比我们最终瞄准的整个人力资源大盘，现在的规模还只是冰山一角，那个市场才是真正巨大的。

霞光AI：语核的数字员工具备哪些技能，具体能承担怎样的工作任务？和常见的对话问答Agent有什么区别?

翟星吉：我们数字员工的核心能力体现在以下四个方面：

第一是Agent的能动性。常见问答或对话Agent缺乏主动执行长程任务的能力，而数字员工能够自行规划、拆解任务目标，将其分解为若干子目标，并在关键节点接受人类审核，最终交付成果。

第二是长程任务运行能力。数字员工可以执行持续数天乃至数周的任务并最终完成。

第三是开箱即用的技能。数字员工是岗位型的，具备某一岗位的全部专家知识、技能和Know-how，可在不同公司直接投入使用。

第四是自主进化。数字员工具备持续学习能力，只需教会一次即可自行掌握，并在非工作时段持续自主进化。例如解决方案工程师对应的数字员工，需要覆盖从用户需求调研、业务理解、客户沟通，到方案制作、报价、技术及业务问题解答等全流程工作。

翟星吉：作为岗位上的专家，我们拥有大量Know-how，并能够将这些经验和Know-how梳理成方法论和业务规则，而非简单模板。在数字员工进入企业后，企业需要提供大量业务实例，包括客户情况、基础信息、真人沟通的每一轮材料、最终交付成果及其原因。利用这些数据，让Agent自主学习和进化，最终可以得到一个更适配、更符合用户需求的结果。

霞光AI：但有些商务合作是存在一定人际关系因素的。

翟星吉：人与人之间的交互是AI短期内不可替代的，也会一直存在，但应该把它解耦开。比如解决方案专家这个角色，除了人与人之间的交互，要做的还有理解和洞察用户的技术和业务，把它梳理并表达清楚，让用户认可自身专业度。这个岗位不负责商务，但与商务BD是一种强协同关系。

霞光AI：通常需要企业配合做哪些准备，才能把一个数字员工培养上岗？这个过程大概需要多久？

翟星吉：大概一个月左右。企业需要提供一位真正意义上的业务专家，要懂业务流程、业务数据。同时，数字化部门需要提供一些配套的技术支持和数据支持。在这个基础上，最核心的工作是我们跟企业的业务专家一起去梳理业务流，看我们开箱即用的Agent到企业之后，还需要学哪些东西，然后再去教。这个过程，跟企业招一个已经成熟的新员工进来，为了让这个员工快速上岗要做的工作是一样的。

霞光AI：数字员工上岗后，是真的能完全替代真人员工吗?或者说能代替多少?

翟星吉：我觉得它是渐进式的，不能说完全替代。我们的理念不是替代掉多少人，而是让（数字人）产品成为人去驾驭强大Agent的一种入口，希望让足够多的人发挥自己的创造力和想象力，不用做太多执行的活，更不用去做那些低效的、重复的工作。

霞光AI：数字员工现在能处理多复杂的任务？

翟星吉：现在已经能做到很复杂的业务流程。比如解决方案专家的售前数字员工，它的业务流程很复杂，专业度也很高，我们选择制造业做细分切入，也是因为这个岗位很特殊。它既是一个营销岗，同时又是技术岗，要很懂用户的业务场景，还要懂行业里所有的技术知识，要具备营销能力，能跟客户沟通，能理解用户需求，还要有很强的方案能力把它讲出来，在行业内的稀缺度非常高。传统意义上这就是高级专家岗，是工资很高的一个岗位。

霞光AI：真人员工可以去管理、去考核、去定KPI，数字员工又该如何评估和管理呢？

翟星吉：数字员工很简单，就是看结果，跟人类员工一样，让它“背KPI”就好了。怎么对人类员工做绩效评估，就怎么对数字员工做。比如解决方案专家，就看线索转化率，线索到商机最终转化了多少。再细一点，每一份方案的质量怎么样，能不能很好地响应用户需求，这些都是可以判断的。

至于数量多了之后怎么管理，这是所有Agent产品都在试图解决的问题。现在最重要的是找到真正能帮业务带来实质性提升的数字员工，不管是提升营收还是降本，要把它应用上去。大部分企业能达到这个标准的数字员工还不多，在这个基础上，现在考虑管理问题有点太早了。

翟星吉：我们的理念是把数字员工融入到业务流里面，在整个业务流中，最终由人类负责人去带领数字员工共同工作。核心理念是人和Agent共同完成工作，人发挥想象力和创造力，同时对最终结果承担更多责任。

数字员工就是最优的打工人心态，它不需要通过KPI扣钱或奖金来激励。人需要这些激励和反馈，是为了调动积极性。但数字员工没有疲倦，不需要绩效牵引，只需要告诉它哪里做得好、哪里做得不好，它就会自然地去调整和优化。

责任的问题比较复杂。现阶段，我们更推崇人和Agent协作，由人类专家最终验收Agent的结果，评估它能做到哪些事，然后逐步放权。这跟企业里带新人一样，新人来了，管理者首先要评估新人能做什么，然后渐进地解锁他的职权范围。

比如问Agent一些基础信息，你不会担心它做不对，因为你知道这完全在它的能力范围内。在企业里也一样，要先评估好数字员工的能力范围，再在能力范围内给他对应授权。如果在这个基础上真的出了问题，也是不可避免的，是整个企业要去承担的风险。就像招人类员工一样，没有人不犯错，Agent也有可能犯错，我们只能是尽可能降低这个概率。

霞光AI：大家都很关心AI幻觉问题，有哪些技术能支撑数字员工更高的准确率呢？

翟星吉：幻觉问题很关键，特别是在企业场景里，我们也做了很多工作来保证这一点。从正反两面看，一方面是技术上怎么支持，另一方面是怎么预防错误出现。

技术上的核心支持就是很强的自主进化能力，通过不断自主学习来对齐用户意图。在大量白领工作和中高级工作里，没有客观意义上真正正确的答案。最重要的是对齐用户意图，把对方最想要的结果给他。

在完成复杂任务时，很多AI工具面对长程任务会直接输出一堆内容，但它没有分步骤、按规划系统性地去做。我们的Agent有复杂任务的架构拆解能力，把任务做一轮一轮拆解，不断跟人类对齐意图，自监督地完成一个又一个子任务。

反向上，是要保证不出错。我们会有很复杂的信源评估系统，评估哪些信息值得信任，哪些不值得，公网检索的信息信任权重是多少，上一轮任务执行的结果作为下一轮输入时有多少可信度，这些都要评估。我们还做了意图对齐系统以及意图偏离预警系统，当整个任务要运行数天时，如果执行主线跟原始任务目标产生偏移，就会预警和纠正。

这跟人类管理小团队时做的事是一样的：做好任务分配和结构拆解，每天过进度，看运行情况有没有偏离意图，判断接收到的信息是否可靠。

霞光AI：训练一个数字员工Agent的成本大概是多少？

翟星吉：这个跟业务复杂度和规模有关，我们一般习惯先做一个几十万的小case去试点。

霞光AI：你们最早也尝试过C端产品，后来才转到B端。这个转变过程，对您理解现在的商业模式有什么影响？

翟星吉：我不认为现在应该按照to B、to C去分，而是应该按照生产力和娱乐去分。人们买AI工具不是为了玩，是为了服务于工作，让工作更好被完成。只是中间有个界限，早期工具没那么强的时候，带来的价值没那么显性，这时候让企业直接为这个工具付钱，企业肯定是不愿意的。

但到了现在这个时点，大量的Agent产品本质上最终都是企业付费，没有真正意义上的个人付费，因为每个人买了都是为了服务于工作。就像现在的OPC（一人公司），虽然买大量Agent产品的时候是以C端身份去买的，但本质上还是服务于企业的核心业务流。

霞光AI：语核提出了RaaS模式（Result as a Service，按结果付费），如何去界定“这个结果”确实是由Agent产生的？

翟星吉：很简单，看KPI就好。大家可能觉得只有一线的销售岗位才有所谓的结果，其他都是支撑岗。但实际上，很多岗位虽然不直接接触客户，但也都有KPI。RaaS是按照岗位的KPI去定义的，比如解决方案专家有线索转化率和签约金额的考核，产品和研发有产品质量的考核等等。核心就是把这些KPI放到Agent身上，Agent如果能完成对应的KPI，那它也就完成了对应的工作。

霞光AI：现在市场上出现一个很有意思的词“蒸馏同事”，比如一个同事离职了，可以把他的技能“蒸馏”出来，用Agent替代这个人。您觉得是否能真的实现?

翟星吉：当然能。本质上这就是Agent数字员工的进化。有这个担忧很正常，核心是大家都有很强的未来被Agent替代的焦虑。这个焦虑确实该有，也必须得紧张，这是人类社会都应该有的东西。

站在宏观角度，这件事一定会发生，整个社会的生产力也会被提升到很高的水平。就像工业革命前社会平均生产力不高，工业革命后全世界GDP总和发生巨大井喷，本质上是因为解放了生产力。

但从微观上看，很多岗位消失掉了，但新时代也会造出大量的新岗位，把社会生产力提升到新的更高台阶。只是有些人被替代了，有些人变成了新时代的开创者。核心是大家要想清楚，Agent的能力边界是什么，人的能力边界是什么，未来怎么把自己变成驾驭Agent的人，而不是被Agent替代的人。

霞光AI：如果未来数字员工真的普及了，像“售前工程师”这样的角色会发生什么变化？

翟星吉：角色一定会升级。售前这个岗位里面有大量脏活累活，响应客户的技术需求、写方案、技术问答等等。以前这些只能用人去做，因为里面涉及的知识太多，Context太长，而如今这些工作能在Agent的帮助下更好地完成，解决方案专家则可以站在更宏观的视角为用户整体的结果去负责、去买单。这里面的核心不是替代，而是升级，把重复工作剥离掉，让人在这个过程中去做更有创造力的事情。

霞光AI：现在几家大厂也在做数字员工，大厂一旦下场，很可能会挤压初创公司的生存空间。您认为语核的最核心的优势是什么？如何面对这些大厂的竞争？

翟星吉：我们并不怕大厂。第一，船大难掉头，大厂的历史路径依赖很长，决策周期长，决策成本高，所以不够敏捷。在技术快速变化的背景下，创新很难从大厂发生，过去几年大厂也几乎都在跟随创新型的创业公司。

第二，大厂机会成本高，现在更喜欢做MaaS平台、卖模型、卖Token，做这些基础设施，更赚钱也更轻松。做端到端的应用和Agent数字员工，对大厂来说机会成本很高，它们在有限资源下会倾向于更赚钱的生意。

第三，大厂资源其实也没那么多，最终会落到一个个小团队上，内部有部门墙和赛马机制，小团队拥有的资源可能并不一定有初创公司多。

抛开大厂，我们作为创业公司的核心优势在于对用户场景的深刻洞察，是场景的领域专家，专注在场景里，有足够多的数据和Know-how，这些是别人没有的。同时我们有前沿的技术创新能力，敏捷的决策机制，能在技术和时代的最前沿做创新的产品，了解并快速响应用户需求。同时我们还有很强的商业化能力，把技术产品转化为商业成果，得到市场验证，给企业带来持续现金流，让企业有能力持续创新。

现在数字员工Agent还是早期蓝海时代，合作远远大于竞争。大家面向不同的客户去抢地盘，拼的是技术和谁能更好服务客户、解决用户问题。竞争激烈一般是市场进入中后期或平稳发展期才会出现的东西。

翟星吉：差异化核心就是场景的洞察，基于场景洞察提出创新的解决方案。现在没有任何一个场景是真正意义上被满足得特别好的。像Coding Agent，从Cursor、Codex到Claude Code，这两年市场一直有人在做，到现在还在快速进化，未来还会有新的。三个月一翻篇，三个月就会有全新的技术和产品，有更好的解决方案。

霞光AI：公司接下来有怎样的发展计划？

翟星吉：公司整体的方向从最开始就没变过，把生产力的基础设施落地成最终的业务结果，让所有普通用户和企业都能享受到Agent和大模型带来的巨大生产力节约和技术变迁。我们始终想要去推动这个时代的变化，推动下一个智能时代的到来。

今年年初，我们也开始打造新产品——新一代Agent和人协作的一个界面。我们认为，第一代是Chatbot，像ChatGPT、Gemini、豆包这样的基础聊天产品；第二代是Manus这样，有一定能动性，但没有长程记忆、长程规划和自主进化的Agent产品。而我们要做的就是新一代解决方案，其核心特征在于：它真的懂用户，教一次之后就不用再教第二次。就像招了一个极其聪明的博士毕业生，能很快习得工作和偏好，知道怎么更好地完成工作，知道怎么定义你要的80分，并能快速把结果给到你，跟你一起协作共创。