ERDL. EN

职业化AI员工

Professionalized AI Employee（PAE）· 品类定义 · 评估框架 · 信任证据

AI + 人 = 最小员工单元。人是责任主体，AI 是能力组成——能力被用工制度管理，责任回归于人。

一句话定义

职业化AI员工——AI + 人组成企业的最小员工单元：在人力资源体系的支撑下，责任有归属，能力被叠加，绩效被放大。

为什么是现在：失败潮

根因是一个错位：能力前所未有地强，却没有责任主体。企业把 AI 当工具采购，工具却会自主行动；想让 AI 担责，它又无法成为雇佣关系的一方。出路在两者之间——把 AI 的能力附着到员工身上。

职业化六要素（准入门槛）

一个 AI 员工要进入本品类，六要素缺一不可——不是做得不够好，而是根本不在这个品类里：

要素 01
组织身份
在册：哪位员工、什么 AI 能力、在哪个法域履职
缺失时：失控蔓延，无法归因
要素 02
定岗授权
定编：什么岗位、什么权限边界
缺失时：越权或过度限制
要素 03
岗前持证
考核合格方可上岗，证书有有效期
缺失时：问题到生产事故才暴露
要素 04
履职审计
每一步决策留下可验证的证据
缺失时：事故无法追溯、无法定责
要素 05
晋升降级
信任等级随履职证据动态调整
缺失时：全锁死或全信任的二元治理
要素 06
退役传承
离岗时经验沉淀为组织资产
缺失时：一刀切关停，资产流失

三支柱（评估框架）

企业凭什么把一个正式岗位交给一名 AI 员工？三个不可拆解的方面：

P1 · 可信
不越权、不失控，且每一步可被独立验证
回答的问题：敢不敢托付？
P2 · 胜任
能把岗位职责真正完成，而非仅可拦截
回答的问题：能不能干好？
P3 · 可控
无论能力多强，最终决策权永远在人
回答的问题：谁说了算？

七步工作法

一项任务从人的指令到可举证的结果，走一条结构化执行程序——先计划、再执行、边执行边验证、全程留证：

1
理解意图
人的指令毫秒级转译为结构化任务
2
制定计划
高危步骤前置识别
3
组装依据
知识、经验、行为章法一次注入
4
推理决策
思考过程实时可见
5
规则把关
放行 / 纠正 / 升级人工
6
执行操作
受控执行，结果回流驱动迭代
7
审计落链
裁决与结果即成证据，可独立重算

职业化生命周期

对标企业正式员工，七个阶段，每一阶段都有对应的制度语义与可审计机制：

1
身份
组织档案：唯一身份凭证
2
岗位
岗位蓝图：按岗装配能力
3
培训
沙盒考核：合格持证上岗
4
运营
七步工作法：按职责履职
5
审计
履职证据：固化入审计链
6
信任
证据驱动评级：授权动态伸缩
7
退役
审计封存：经验蒸馏回馈

与 ERDL 的关系：三层正交

ERDL 是治理层的语言，MCP 是连接层的协议，A2A 是通信层的协议——三者不在同一层，正交互补，而非竞争：

连接层
MCP
智能体能否触达工具与数据？
通信层
A2A
智能体之间能否协作？
治理层
本品类 + ERDL
组织能否雇用、审计、问责这名 AI 员工？

验证：中立性是被测出来的

凭什么相信？答案是 318 条可独立重算的验证向量，分属两层：

78条
决策证据层：密码学验证（防篡改，重算 JCS + SHA-256 哈希）
240条
表达式内核层：语义验证（正确性，按规范求值并比对）
3
个独立 Runner 落地（Go / Python），仅凭公开规范从零重算，逐字节一致
中立性不是宣称的，是被独立测出来的——能骗过人，骗不过数学。

全文

完整白皮书（品类定义 · 评估框架 · 信任证据 · 路线图 · 术语表）： 站内全文（中文） · English (on-site)