上周和一个做制造业的朋友吃饭。他的工厂有一条产线质检流程，沉淀了八年的 SOP，写在 47 页 Word 文档里，涵盖了从来料抽检到成品出货的 23 个检查节点。
他说：「这套流程是我们最值钱的资产之一。但执行全靠人——培训一个质检员要三个月，离职率 30%，新人上来又得重新学。」
我问他：「你想过把这套 SOP 变成 AI 驱动的工作流吗？」
他愣了一下：「谁来帮我做这个？我手下的 IT 团队连 ERP 都维护不过来。」
这就是当下最大的供需错配： 企业最有价值的资产是沉淀多年的 SOP，但没有人把它变成可执行的数字员工。
一、AI Coding 的两条路
当前 AI Coding Agent 的主流叙事只有一条： 帮程序员更快地写新系统。Claude Code、Cursor、Copilot、Codex——都在这个赛道上卷。
但还有一条更大的路，几乎没人讲清楚：
| 路径 | 目标用户 | 做什么 | 需求规模 |
|---|---|---|---|
| 路径 A | 程序员 | 从零写新系统 | 有限（受限于程序员数量） |
| 路径 B | 业务人员 | 把已验证 SOP 重构为 Agent 工作流 | 巨大（每个部门、每条流程） |
路径 A 的天花板是程序员的数量 × AI 加速倍数。路径 B 的天花板是 企业里所有已验证的 SOP 数量——这个数量远大于前者。
一个中型制造企业可能有 200+ 条成文 SOP，但 IT 团队只有 10 个人。这 200 条 SOP 里，可能只有 5 条被系统化了，剩下的全靠人执行、靠经验传承、靠培训文档。
二、为什么是「已验证」的 SOP
从零设计一个系统，最难的部分不是写代码，而是 知道什么是对的。需求定义、方案选型、边界条件——这些判断消耗的是人的经验和直觉。
已验证的 SOP 跳过了这一步。它是 经过多年试错、迭代、沉淀下来的工作流程：
- 哪些检查节点不能跳过（踩过坑才知道）
- 什么情况下需要升级到主管审批（出过事故才定的规则）
- 哪些数据必须交叉验证（被坑过一次就记住了）
这些知识是企业的 隐性资产。我在 /goal 复制一切 里提过一个关键洞察： 已有应用本身就是 eval set——SOP 的每一步规则就是 ground truth，Agent 不需要从零理解业务逻辑，只需要行为等价于 SOP 的规范。
这把 AI Coding 的复杂度从「设计全新系统」降到了「编码已有流程」。
三、工作流即软件
过去，软件是 IT 部门的产品——需求提给 IT，IT 开发，交付给业务用。软件的生产权和消费权是分离的。
新范式是： 工作流本身就是软件，执行工作流的就是 Agent。
旧范式 新范式
──────────── ────────────
SOP（Word 文档） SOP → Agent 工作流
↓ ↓
人阅读、理解、执行 Agent 读取、执行、记录
↓ ↓
结果写入系统（人工） 结果自动写入系统
↓ ↓
经验留在人的脑子里 执行轨迹沉淀为数据
这个范式的核心转变不是技术，而是 谁拥有软件的生产权。过去是 IT 部门，现在是每个拥有 SOP 的业务人员。
我在 代码复制成本归零 里写过，当复制成本趋近于零，工程师的价值向上漂移到「知道写什么」。同样的逻辑在企业层面成立：当每个业务人员都能把 SOP 编码为 Agent 工作流，IT 部门的价值从「接需求写代码」漂移到「设计 Harness 和兜底机制」。
四、软件即 Agent
「工作流即软件」说的是产出形态的变化。更深一层是执行方式的变化： 软件不再是静态的代码，而是活着的 Agent。
一个传统的 ERP 模块，上线之后就是那个样子。要改需求、改配置、改代码、重新部署。
一个 Agent 工作流不一样。它在执行中积累经验：
| 维度 | 传统软件 | Agent 工作流 |
|---|---|---|
| 执行方式 | 固定逻辑 | 推理 + 工具调用 |
| 异常处理 | 预设分支 | 动态判断 + 升级人工 |
| 知识积累 | 无（代码不变） | 执行轨迹 → 优化建议 |
| 迭代方式 | 需求 → 开发 → 部署 | 反馈 → 自动调整 → 验证 |
这就是「数字员工」和「软件系统」的本质区别：软件是死的工具，数字员工是活的合作者。
五、新竞争格局：工作流数据 > 开发能力
当 AI Coding Agent 的能力普及到每个业务人员都能把 SOP 变成数字员工时， 开发能力不再是稀缺资源。
那什么是？
工作流数据、执行轨迹、和持续优化能力。
- 工作流数据：你的 SOP 里沉淀了哪些隐性规则？这些规则是竞争对手看不到的——这是信息不对称护城河
- 执行轨迹：Agent 每次执行留下的数据——哪些节点经常异常、哪些判断反复出现、哪些流程可以简化——这是持续优化的燃料
- 持续优化能力：你的 Harness 有多好？Agent 能不能自主发现问题并建议改进？这决定了数字员工是越用越聪明还是越用越笨
我在 Loop Engineering 里描述过 /goal 驱动的双循环架构。在企业场景里，这个架构的含义是： 内循环（Agent 执行 SOP）和外循环（从执行轨迹中优化 SOP）同时自动化。人的角色从「执行者」变成「裁判」——判断 Agent 的优化方向对不对。
六、一个判断
如果让我押注 AI Coding Agent 的下一个爆发点，我不会押「帮程序员写代码更快」——那是一条确定性高但天花板有限的路。
我会押 SOP-to-Agent 这条路径：
- 需求规模大 10 倍——每个企业的 SOP 数量远大于需要从零开发的系统数量
- 价值密度高——已验证的 SOP 是确定性高的资产，AI 化的 ROI 可预测
- 护城河深——SOP 中的隐性知识是信息不对称，竞争对手复制不了
- 飞轮效应——执行轨迹反哺优化，数字员工越用越好
企业 IT 部门的角色将从「需求消化器」变成「数字员工基础设施的维护者」——维护 Harness、设计兜底、管理 Agent 边界。真正的价值创造者，是那些拥有最好 SOP 的业务团队。
未来三年，衡量一个企业数字化水平的标准，可能不再是「有多少个系统」，而是「有多少个数字员工」。
你觉得你们公司有多少条 SOP 值得变成数字员工？欢迎留言讨论。