AI news

Soiawork 正式发布:从一个任务开始,轻松构建 AI 组织

By 实在智能0 viewsSource: 实在智能
Soiawork 正式发布:从一个任务开始,轻松构建 AI 组织

实在智能发布企业级智能体平台 Soiawork,以连接器与电脑操作触达业务,再用知识库、Skill和工作流复用方法。团队工作空间配合权限、审批、审计和用量记录组织协作,实际可执行范围仍取决于连接能力、适配与授权。

The full text has not been translated yet. The Chinese original is shown below.

上周,我们留下了三个问题:

系统没有接口,AI 就没有入口?

会做事的 AI,怎样按企业的规矩办事?

同一个任务,如何让团队成员和 AI 快速对齐?

今天,答案来了。

Soiawork(树芽工作),由实在智能推出的企业级 AI 智能体平台,正式发布。

文章配图

通过连接器与电脑操作能力,Soiawork 帮助 AI 触达真实业务;通过知识库、Skill 与 Workflow,让企业知识和工作方法持续复用;通过共享工作空间,让团队成员和 AI 在共同背景下开展任务。

在此基础上,企业还可以通过权限、审批、审计及用量与成本管理,让 AI 的使用有边界、投入有记录,为评估业务价值提供依据。

从一个任务开始,让 AI 进入业务,让有效经验成为组织能力。

•链接

让AI的业务触达,

不止于开放接口

AI 能理解任务,还需要获取相关信息、调用工具,才能把工作往下推进。

企业的日常业务分布在办公平台、CRM、ERP,以及各种行业软件中。其中一些提供开放接口,另一些仍需要员工打开界面、查询记录、填写信息。

Soiawork 用两类能力连接这些业务现场。

对于提供 API、MCP 等开放接口的软件,Soia 可以通过连接器,在授权范围内调用受支持的查询、创建、更新等操作。

文章配图

对于缺少可用接口、需要通过界面操作的系统,Soia 可以调用安装在执行设备上的Worker,结合 RPA 与 Computer Use Agent 能力完成适配范围内的任务。(该能力在 OSWorld 基准测试中取得了 90.2% 的任务成功率,排名全球第一)

文章配图

此外,用户可以通过和 Soia 对话的方式创建自定义的连接器,企业版还提供专属的软件自学习能力,轻松完成复杂系统的高度适配。

文章配图

连接器与 Worker 两类能力相互补充,让更多存量业务系统有机会参与 AI 任务。

目前,Soiawork 的连接器主要面向制造业、国内电商和跨境电商等业务场景,覆盖 MES、ERP、CRM、SRM、办公协作、企业信息查询及相关业务工具。

文章配图

企业可以在连接器目录中查找已有连接方式,也可以根据自身系统和任务需求配置自定义连接器。

连接后的具体操作范围,由连接器支持的能力、系统适配情况和有效授权共同决定。

•用一个招聘任务,看 AI 怎样进入业务现场

招聘专员拿到岗位 JD 后,需要梳理人才画像、查看候选人简历、筛选符合要求的人选,再准备个性化沟通内容。

这些步骤既需要理解业务要求,也需要实际操作招聘平台。

以 BOSS 直聘的界面操作场景为例,Soiawork 可以结合 Worker,辅助完成人才画像分析、候选人筛选、简历查看和个性化打招呼,并按岗位整理沟通记录。招聘专员可以中止执行,并保留最终审核权。

文章配图

这个例子展示的,是 AI 如何把理解任务、获取信息、操作软件和整理结果衔接起来。

业务系统的触达能力,是企业 AI 执行能力的重要边界。Soiawork 把这条边界向真实业务再推进一步。

•沉淀

让企业经验留下来,

让流程规则执行起来

企业里,一项工作怎么做,往往包含三类积累:

有哪些业务资料可以参考,有什么经过验证的方法,以及哪些步骤和规则必须遵循。

Soiawork 通过知识库、Skill 与 Workflow,将这些积累与实际任务联系起来。

•知识库:找到资料,也找到依据

文章配图

产品手册、规章制度、历史文档和常见问题,可以整理为可检索的知识内容。员工通过对话提问,获取相关信息及来源依据。

文件空间支持上传文件,也支持从钉钉、飞书导入文档;任务中产生的资料可以继续保留,供后续使用。

文章配图

创建知识库也可以从一次对话开始。Soiawork 会结合已有资料和用户说明的用途,协助确定资料范围与整理方式。资料更新后,可在完成同步处理后参与后续检索。

文章配图

•Skill:把做成一件事的方法,留给下一次

电商运营每周都要整理经营数据、筛选异常商品,再生成待处理清单。这项工作有固定的数据口径、筛选规则、处理步骤和交付格式。

这些要求可以沉淀为 Skill(技能),供后续任务调用。

文章配图

Skill 可以承载任务步骤、业务规则、脚本、模板和参考资料。企业可以通过自然语言整理方法,也可以从有效任务中提取步骤,经确认后保存,再持续测试、改进和共享。

一次任务做得好,值得留下的不只有结果,还有做出这个结果的方法。

•Workflow:把关键步骤与条件,落实到执行中

当任务包含多个环节、判断条件和输入输出要求时,可以通过 Workflow(工作流)组织执行。

例如,一项经营分析工作可以依次获取数据、清洗明细、判断异常、生成结果,再输出待处理清单。不同输入按设定条件进入相应路径,异常情况按配置处理。

Soiawork 支持通过自然语言生成或调整工作流,并进行测试、发布和重复运行。资料处理、数据加工、知识检索,以及受支持的连接器和电脑操作,都可以成为流程中的环节。

知识库提供业务依据,Skill 封装专业方法,Workflow 组织执行步骤与条件。三者可以结合使用,让企业积累更容易进入日常工作。

以亚马逊运营为例,团队可以将 Listing 质量检查的方法整理为 Skill,明确检查指标、评分依据和报告格式,再结合已接入的数据与适用流程,生成检查结果和优化建议。

文章配图

经过核验的方法可以继续复用,并随着业务变化持续改进。下一次遇到同类任务,团队便有了可以沿用的基础。

•协同

让团队和 AI

从共同的工作背景出发

项目群里有人反馈:“这个功能用不了,帮忙看一下。”

接下来,团队可能需要补充问题信息、查询产品资料和历史记录、登记工单,再由相关人员跟进处理。

不同成员和 AI 参与同一类工作时,需要理解共同的背景,也需要使用相应的资料、方法和工具。

Soiawork 的工作空间,可以把这些共用信息和资源集中组织起来。

文章配图

团队可以在空间说明中记录业务背景、工作要求与执行边界,按需关联文件、知识库、Skill、Workflow、连接器,以及安装了 Worker 的共享设备,并配置相应的使用权限。

文章配图

例如,针对项目问题处理,团队可以建立专门的工作空间,放入处理规范、产品文档和历史资料,关联所需的技能、流程与系统连接器。

成员在空间中发起相关任务时,Soia 就可以基于已有背景和获授权的资源开展工作,减少重复说明和资源配置。

工作空间的创建与配置,也可以通过对话逐步完成。Soia 协助梳理背景和所需资源,由用户确认、完善,并随业务变化继续调整。

文章配图

一个团队共用的背景,不必每次重新整理;已经验证的方法,也可以让更多成员在权限范围内复用。

这为人与 AI 持续开展协作提供了共同基础。

•治理

让 AI 的投入有记录,

让业务价值有据可评

当 AI 从个人尝试走向团队应用,企业还需要回答第四个问题:AI 用在了哪里,花了多少,这些投入是否值得持续?

Soiawork 的企业管理后台,帮助企业看清使用情况,并管理成员、资源与执行过程。

•看清消耗,为投入产出评估提供依据

企业可以查看组织积分余额、有效期及相关流水,并按任务、执行主体和计费项目分析使用量与消耗情况。

管理者由此能够了解 AI 资源主要用于哪些任务,为费用核对、资源安排和投入产出评估提供参考。

将这些记录与企业实际的任务完成情况、处理时长和返工情况等业务结果结合,才能进一步判断:哪些任务值得持续投入,哪些方法适合推广,哪些环节还需要改进。

文章配图

•明确权限,让能力在授权范围内使用

管理员可以管理组织成员、角色、部门与成员组,按职责配置权限,并通过受支持的企业身份接入方式管理登录与组织访问。

连接器、技能、自动任务和共享设备等资源,也可以按需配置查看、使用或管理权限。

需要确认或审批的操作,可按配置进入相应环节,让 AI 在明确的权限与操作边界内开展工作。

文章配图

•记录过程,让执行可以核查

通过组织任务监控,管理员可以查询运行情况,查看相关执行事件、结果文件和失败原因,帮助定位问题、复核结果并改进流程。操作审计则为相关行为的追溯提供记录。

企业可以据此建立重要任务的核验要求,让每次尝试成为下一次改进的依据。

文章配图

让 AI 的使用有边界、过程可追溯、投入有记录,企业才更有依据决定如何扩大应用。

•Soiawork

从一个任务开始,

轻松构建 AI 组织

Soia 的命名源于对AIOS(AI Operating System,企业级 AI 操作系统)的思考,也凝聚了实在智能 8 年来服务企业 AI 与自动化过程中,对 AI 组织的思考与沉淀。

Soiawork 由实在智能推出,是面向企业 AI 组织建设的独立产品。它与实在 Agent 的定位与能力体系有所不同,企业可以根据实际需求选择。

实在智能成立于 2018 年,长期深耕 AI 与自动化领域,累计服务6000 多家企业。这些行业实践,为 Soiawork 深入企业业务提供了经验基础。

我们所说的 AI 组织,是让人与 AI 围绕业务任务,共享可用的知识、方法和工具,在明确的权限与管理机制下协作,并持续评估这些工作的价值。

这条路,可以从一个具体任务开始:选择一项正在发生的工作,明确目标、所需资源和验收标准;在实际执行中核验结果、记录消耗,把有效的方法留下来,再逐步扩展到更多任务与团队。

连接一个业务系统,沉淀一套有效方法,让一位同事也能用起来。

让企业的 AI 能力,在真实工作中逐步生长。

现在,带上一个真实的业务任务,开始体验 Soiawork。

文章来自于"实在智能",作者 "实在智能"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)