ONTAO 理论体系 · 第四篇：人机协作理论
📍 所属层：企业运行本体层——谁按按钮——权限四层决定行动边界
ONTAO 的灵魂——AI 能做什么、人保留什么、边界怎么划定。
这一篇决定本体的行动层设计，也决定 ONTAO 与"AI 工具"的本质区别。
一、核心命题
本体论的本质不是技术，是组织形态——人和 AI 如何在同一个本体上协作。
Palantir 卖的不是软件，是"人和 AI 协作的组织架构"。ONTAO 同样：本体是地图，人机协作是行走方式。没有协作理论，本体只是一张静态图。
二、AI 能力光谱：四级递进
AI 在业务中的参与深度，从低到高四级：
L1 理解 AI 能读懂业务状态（对象/属性/关系） → "看得懂"
L2 建议 AI 能基于规则给出判断与方案 → "想得清"
L3 执行 AI 能在权限内自动完成动作 → "做得到"
L4 决策 AI 能自主决定并承担后果 → "扛得住"
| 级别 | 能力 | 类比 | 风险 |
|---|---|---|---|
| L1 理解 | 查状态、解释现状 | 看报表的顾问 | 低 |
| L2 建议 | 给方案、排优先级 | 资深参谋 | 中 |
| L3 执行 | 自动完成低风险动作 | 执行助理 | 中高 |
| L4 决策 | 自主拍板不可逆事项 | 代理总经理 | 高 |
关键：不是所有业务都需要到 L4。大多数场景L2-L3 就是最优解——人类保留 L4 的最终拍板权。
三、权限四层模型：边界怎么划
对应 AI 能力光谱，定义"AI 能做什么"的四个边界问题：
① 能理解什么状态？ → 数据可见范围（读）
② 能建议什么？ → 分析建议范围（参谋）
③ 能自动执行什么？ → 低风险动作范围（执行）
④ 什么必须人拍板？ → 高影响/不可逆范围（保留）
设计原则：从外到内划定，层层收紧。
┌─────────────────────────────┐
│ ① 理解（范围最大） │
│ ┌───────────────────────┐ │
│ │ ② 建议 │ │
│ │ ┌─────────────────┐ │ │
│ │ │ ③ 自动执行 │ │ │
│ │ │ ┌───────────┐ │ │ │
│ │ │ │④ 人拍板 │ │ │ │
│ │ │ └───────────┘ │ │ │
│ │ └─────────────────┘ │ │
│ └───────────────────────┘ │
└─────────────────────────────┘
三层收紧的内在逻辑：
- ①理解是基础，但"能读"不代表"能改"（数据权限 ≠ 动作权限）
- ②建议是 AI 的主场——成本低、价值高、错了可忽略
- ③自动执行只放低风险、可回滚、有监控的动作
- ④不可逆、高影响、涉钱涉权的，永远留给人
权限的两个正交维度：决策权 × 数据访问权
权限四层回答了"谁能按按钮"（决策权），但还有一个正交维度——"谁能看什么"（数据访问权）。两者都管住，AI 才不会"能按按钮却看到了不该看的"——读的越界和写的越界一样危险。
决策权（谁能按按钮） → 权限四层：理解 / 建议 / 自动执行 / 必批
数据访问权（谁能看什么） → 数据权限：行 / 列 / 单元格级
数据访问权五层（借鉴 Palantir）：
| 层 | 机制 | 语义 | 拾光对应 |
|---|---|---|---|
| ① 标记 Marking | 必须满足全部标记才能看 | "VIP 标记才看 VIP 客户" | — |
| ② 组织 Organization | 至少属于一个组织 | 部门隔离 | 下游客户隔离（只看自己的数据） |
| ③ 分类 Classification | 只能访问 ≤ 自己级别 | 分级敏感信息 | — |
| ④ 粒度策略 Granular | 用户属性 vs 数据值模板查询 | 业务员只看自己辖区的客户 | 域名白名单 |
| ⑤ 对象+属性策略 | 行级（对象）+ 列级（属性）= 单元格级 | 能看到行但某列显示 null | 客户面板不暴露上游信息 |
关键纪律：
- 两维正交：能看 ≠ 能改；能改也未必能看全部——提交动作只需读权限，可能出现"创建了自己看不到的对象"（Palantir 官方承认的形态）
- 策略不自动延伸下游：数据访问权过滤的是"读"，不自动延伸到导出/API/下游系统——要保护下游必须主动配对标记（访问控制传播）。拾光传媒的"客户不碰原始收入"就是主动配对
- 数据访问权要进 schema：安全标记（marking）可以直接是属性类型（第二篇属性类型体系）——权限不只是"谁能看对象"，是"对象属性自带安全标签"
为什么必须两个维度：只有决策权，AI 可能"能按按钮但看到整个地图"；只有数据访问权，AI 可能"看不到却乱按"。第四篇的核心命题是"谁按按钮"，但按按钮之前先要知道 AI 看了什么。
四、人的决策权保留：什么永远不让渡
这是 ONTAO 与"AI 自动化一切"派别的根本分歧：不是"AI 能做什么"决定边界，而是"哪些决策人永远不让渡"决定边界。
永远保留给人类的四类决策
| 类型 | 原因 | 示例 |
|---|---|---|
| 不可逆 | 错了无法挽回 | 删除数据、终止合作、对外承诺 |
| 高影响 | 错了代价大 | 调价、停投、大额结算 |
| 涉法务/合规 | 后果超出业务 | 签合同、泄露客户数据、对外发布 |
| 价值观判断 | 无法用规则量化 | "这个客户值不值得继续合作" |
为什么必须保留
- 责任归属：商用系统出事故，承担责任的是人，不是 AI——责任不可让渡，决策权就不该让渡
- 规则盲区：再完备的规则也有没覆盖的边界情形——边界情形需要人判断
- 信任基础：AI 越界一次，信任崩塌一次；信任重建成本极高
形式化表达
权限四层 = {理解, 建议, 自动执行} 可配置放开 + {人拍板} 固定保留
- 前三层随系统成熟度先紧后松地放开
- 第四层永远保留（除非未来法律与社会共识发生根本变化）
五、"带按钮的地图"：知识层与行动层的分界
本体论 = 地图 + 按钮。人机协作理论定义了谁按按钮：
┌─────────────────────────────────────┐
│ 地图层（知识） 对象/关系/属性/规则 │ ← 人机共享，都可读
│ 地图上写满了"哪里是坑" │
├─────────────────────────────────────┤
│ 按钮层（行动） 动作 │ ← 分权限：谁有资格按
│ 按钮上写着"按下会怎样" │
└─────────────────────────────────────┘
分界原则：
- 地图人人可看（AI 和人读同一张图，减少"销售、财务、交付理解的已成交不是同一个意思"）
- 按钮按权限按（AI 只能按它权限内的按钮，且按之前必须知道后果）
"地图+按钮"为何优于"纯对话"：对话式 AI 给出答案后，员工仍需复制到群里确认——因为答案没有和按钮绑定。本体论把"答案"和"谁有权行动"绑在一起，这才是从"聊天助手"到"协作者"的跃迁。
六、信任建立机制：先紧后松
AI 的权限不是一步到位的，是用信任换来的：
阶段一 只能理解+建议（读+参谋） ← 建立"判断靠谱"的信任
阶段二 放开低风险自动执行（有监控） ← 建立"执行可靠"的信任
阶段三 逐步扩大自动执行范围 ← 信任沉淀，边界扩展
阶段四 人退到"例外管理"（只处理边界情形）← 成熟态
信任的三个来源：
1. 历史准确率：AI 过去的判断/执行记录（本体回填的一部分）
2. 可回滚性：动作能否撤销——可回滚的动作才配自动执行
3. 监控完备性：AI 每次行动有日志、有告警、可追溯
Checkpoints（高风险动作的强制刹车）：对指定动作类型配置检查点——提交时强制填写理由（justification），不填不执行。解决"AI 自动执行了但没人知道为什么"的问责空白：
- 高风险动作（停用供应商/大额调整/不可逆操作）提交时必须附理由
- 理由随动作一起进审计日志——事后可追问"当时为什么这么做"
- 与权限四层的区别：权限管"谁有资格"，checkpoint 管"凭什么做"——两个闸门叠加，缺一不可
这是"监控完备性"的深化：不只是"有日志"，而是高风险动作在入口处就强制留痕。
先紧后松的反面（一步到位）：直接给 AI 生杀大权 = 给实习生公司钥匙。不是 AI 不够聪明，是信任还没有建立——信任只能靠时间和小步验证积累。
七、人机协作的组织形态（ONTAO 视角）
一个人 + AI 群 = 最小完备组织。组织形态设计：
人（决策者/责任主体）
/ | \
本体AI 执行AI 监控AI
(理解/建议) (动作/执行) (验证/告警)
角色分离原则（与拾光传媒的多智能体实践同构）：
- 参谋 AI：读本体、给建议（本马/云马）
- 执行 AI：在权限内做动作（部署、同步、推送）
- 监控 AI：验证结果、发现异常、防止越界（审计/风控）
- 人：保留 L4 决策 + 仲裁 + 价值观判断
为什么角色要分离：提出建议的和执行动作的不该是同一个角色——职责分离是防止"AI 自己建议自己执行"失控的基本防线，也是审计追溯的前提。
八、人机协作的失败模式
| 失败模式 | 症状 | 根因 | 对策 |
|---|---|---|---|
| 建议黑洞 | AI 只给建议，永远不推动 | 权限只到 L2 | 设计动作层，闭环到 L3 |
| 越界执行 | AI 做了不该做的事 | 权限边界模糊 | 四层模型显式化 |
| 答案搬运 | 答案要复制到群里确认 | 答案没绑定按钮 | 地图+按钮绑定 |
| 信任崩塌 | 一次事故后全盘禁用 | 缺监控/回滚 | 先紧后松+日志审计 |
| 规则冻结 | 本体建完不更新 | 缺回填机制 | 实战回填+版本化 |
本篇结论（立论）
- 本体论的本质是组织形态——人和 AI 在同一个本体上协作
- AI 能力四级光谱：理解→建议→执行→决策——大多数场景 L2-L3 即最优
- 权限四层模型：①能理解什么 ②能建议什么 ③能自动执行什么 ④必须人拍板什么——层层收紧
- 不是"AI 能做什么"定边界，是"人永远不让渡什么"定边界——不可逆/高影响/涉法务/价值观判断永远留给人
- 地图+按钮：地图人机共享，按钮按权限按——这是从聊天助手到协作者的跃迁
- 信任先紧后松：理解→建议→低风险执行→扩大范围，信任靠时间和可验证性积累
- 角色分离：参谋/执行/监控分离，防止"自己建议自己执行"失控
- 权限有两个正交维度：决策权（权限四层，谁能按按钮）+ 数据访问权（标记/组织/分类/粒度/行列策略，谁能看什么）——能看 ≠ 能改；策略不自动延伸下游，保护下游须主动配对标记
- Checkpoints 强制刹车：高风险动作提交必须附理由（justification）——权限管"谁有资格"，checkpoint 管"凭什么做"，两个闸门叠加
一句话立论：人机协作理论回答"本体上谁按按钮"——AI 按权限内的按钮，人保留不可逆的按钮，边界由人永远不让渡的决策决定。
下一篇预告：演化与沉淀理论——本体是活的（版本化/回填/飞轮）