这次参加山东省 AI 产业大会，和现场的 AI 产品经理交流了不少内容。其中有一个话题，让我回来之后一直在想：企业数字员工，到底什么时候才能真正用起来？
其实数字员工这个概念已经讲了很多年。从最早的 RPA，到后来的大模型、AI Agent，产品形态一直在变化，但感觉始终没有真正达到大家的预期。
直到今年 OpenClaw 的爆火，让我觉得事情可能开始有些不一样了。
为什么 OpenClaw 能在这么短的时间里引起这么大的关注？企业又为什么对它这么感兴趣？
我觉得原因其实挺简单的。
过去我们接触的大多数 AI，本质上还是一个工具。你问它问题，它给你答案；你让它生成一份报告，它帮你生成。但真正要完成一项工作，往往还是需要人在不同系统之间反复操作。
而 OpenClaw 让大家看到了另一种可能：我只需要把任务交代给 AI，它就可以自己调用工具、操作软件，甚至持续推进一项工作。
这其实才是很多企业一直想要的数字员工。
当然，OpenClaw 目前也有不少问题。部署和维护需要一定的技术能力，权限控制、数据安全、执行可靠性等问题也让企业很难直接放心地把业务交给它。
但我觉得这些问题并不影响它带来的启发。至少它让大家看到了，AI 确实有机会从一个辅助工具，变成真正能够承担工作的角色。
最近关注到的 Muse，又让我对这件事有了一些新的想法。
Muse 同样在尝试让 AI 主动完成任务，但它给我的感觉，更接近一个普通人真正愿意使用的 AI 助手。
不需要自己折腾复杂的环境，也不需要了解底层的工具调用逻辑。只要告诉它想完成什么，它就尝试自己去执行。
这让我想到，未来企业数字员工的第一阶段，会不会就是类似 Muse 这样的产品形态？
它可能没有我们过去想象得那么复杂，不需要一个拟人化的数字形象，也不需要一开始就能独立承担某个岗位的全部工作。
可能就是一个 AI 助手，能够理解员工交代的任务，知道该调用哪些工具，能访问哪些系统，并且把工作真正做完。
顺着这个思路再往下想，其实还有一个挺有意思的问题：
如果未来真的出现了足够成熟的数字员工产品，企业现在需要做什么准备？
我反而觉得，企业不一定需要着急开发自己的数字员工。
因为不同企业虽然业务不同，但数字员工所需要的底层能力可能是相似的。理解任务、拆解步骤、调用工具、执行操作，这些通用能力完全有可能由成熟的 AI 产品提供。
企业真正需要准备的，是那些只有自己才拥有的东西。
比如内部的业务流程、操作经验、管理规范，以及各个业务系统里的数据和功能。
这些内容如果能够逐步沉淀成企业自己的 Skills，再把现有业务系统的接口开放出来，让 AI 在授权范围内可以调用，那么未来接入一个成熟的数字员工产品，可能就不需要从头开始建设。
举个简单的例子。
假设以后我想了解这个月的采购情况，不需要再打开几个不同的业务系统，把数据导出来整理分析。
直接告诉 AI：“帮我看看这个月采购成本有什么异常，重点分析一下价格波动比较大的供应商。”
AI 就可以调用企业沉淀的采购分析 Skill，通过业务系统的接口获取数据，按照已有的业务规则进行分析，最后把结果整理给我。
整个过程中，员工不需要知道具体调用了哪个 Skill，也不需要关心数据来自哪个系统。
就像给同事安排一项工作一样。
当然，这中间还有很多问题需要解决，特别是企业级的权限、安全和执行可靠性。但至少从技术和产品的发展方向来看，我觉得这条路已经越来越清晰了。
所以这次交流之后，我对企业沉淀 Skills 这件事的看法也有了一些变化。
以前可能更多是把 Skills 看作提高 AI 使用效率的一种方式，让大家少写一些提示词、少重复一些操作。
但现在觉得，它可能还有另一层意义。
企业今天沉淀的 Skills，未来可能就是数字员工可以直接使用的工作能力。
而业务系统开放的接口，则决定了数字员工到底能参与多少实际工作。
这样想的话，企业当前需要做的事情似乎也没有那么复杂。
把有价值的业务经验逐步沉淀下来，把现有系统的接口和权限机制准备好。至于数字员工本身，也许不需要每家企业都重新造一个。
OpenClaw 已经让我们看到了大家对这类产品的期待，而 Muse 这样的产品，也让我觉得数字员工的实际形态可能正在逐渐清晰。
也许再过一段时间，我们讨论的就不再是企业要不要建设数字员工，而是企业有没有准备好让数字员工真正开始工作。