---
title: "Clarm Atlas – 承担运营工作的 AI 同事"
source: "https://clarm.com/zh/"
description: "使用经 IT 和合规部门预先批准的构建模块，为重复性运营工作搭建 AI 同事。从一个手工流程开始，在明确的边界内部署。"
---

# Clarm Atlas – 承担运营工作的 AI 同事

[博客](https://clarm.com/blog)

语言

简体中文🇨🇳

[预约演示](https://cal.com/stormm/discovery)[登录](https://app.clarm.com/login)

订单、索赔和客户审查，交给 AI 同事处理。

# 大型企业的运营团队用 Clarm Atlas 把手工后台工作交给 AI 智能体，例如把客户的订单邮件录入 ERP。一家全球生鲜果蔬企业已在生产环境中使用我们的智能体处理零售商订单和质量索赔。

[预约演示](https://cal.com/stormm/discovery)[由 Y Combinator 投资](https://www.ycombinator.com/companies/clarm)

示例：一封订单邮件录入 ERP

订单邮件

发件人：零售配送中心采购部

订单 4471882，周二送货

- 香蕉，18 公斤装：1,240 箱
- 菠萝：180 箱

ERP 中的销售订单

- 客户北区配送中心
- 客户订单号4471882
- 送货周二
- 行项目2 行，共 1,420 箱

## Atlas AI 同事的工作场景

运营团队要把邮件里的订单重新录入系统，在多个表格之间追踪索赔，手工重做审查材料。Atlas AI 同事在 IT 和合规团队已批准的系统与规则内完成这些工作。

| 行业 | 应用场景 | AI 同事做什么 |
| --- | --- | --- |
| 快消品、大宗商品和耐用消费品 | 供应链与分销 | 订单录入、索赔处理、库存管理和需求预测。 |
| 银行 | 客户审查、反欺诈与政策 | 客户审查材料、欺诈案件证据包和政策更新，每一项都可追溯到来源。 |
| 航空及其他受监管行业 | 员工培训 | 基于已批准的手册生成入职培训和复训内容，附带出处和原文表述。 |

## 聊天机器人只回答问题，AI 同事把工作做完。

[试用一个工作流](https://clarm.com/zh/#try-demo)

聊天机器人

### 回答之后就停下

- 等人来问
- 返回一段文字
- 把工作交回给员工

Atlas AI 同事

### 把工作做完

- 工作一到就自动接手，无需提示
- 在您的邮箱和 ERP 里工作，而不是新应用
- 只把例外交给您的团队

已批准的模块目录自主运行来源凭证

## 看一项手工工作如何变成 AI 同事

订单录入索赔处理客户审查库存计划欺诈案件员工培训

应用场景

读取订单邮件和附件，核对价格和数量，在 ERP 中录入准确的订单。

拖动模块，或使用方向键

触发条件收到订单邮件

已批准来源客户价目表

工具PDF 和 Excel 读取

规则订单规则

Atlas AI 同事订单 AI 同事

校验价格已核对

输出ERP 销售订单

工具异常转交计划员

1. 触发条件收到订单邮件
2. 已批准来源客户价目表
3. 工具PDF 和 Excel 读取
4. 规则订单规则
5. Atlas AI 同事订单 AI 同事
6. 校验价格已核对
7. 输出ERP 销售订单
8. 工具异常转交计划员

Atlas 实际运行

## 看团队如何搭建受管控的 AI 同事

了解 Atlas 如何把已批准的来源、规则、记忆和工具组合成 AI 同事，处理真实的运营工作。

[观看概览视频](https://clarm.com/zh/#atlas-overview)

Atlas 如何运作

## 从一个工作流到一位能干活的 AI 同事

从一项真实的业务工作开始，用已批准的模块目录搭建，然后让 AI 同事每次都在同样的边界内运行。

### 选定工作

挑选团队手工处理的一整项工作，包括真实的例外情况，而不只是其中一步。

- 从邮件和文件录入订单
- 客户审查或分配材料
- 文档控制或政策更新

### 用已批准的模块搭建

Atlas 使用团队已经批准的来源、权限、工具和记忆，组装出 AI 同事。

- 已批准的来源集
- 允许的操作和渠道
- 可复用于下一个工作流的模块

### 运行并留下凭证

AI 同事执行工作、更新相应系统，并留下业务人员和审计人员都能查看的记录。

- 输出附带来源引用
- 系统更新与 Teams 简报
- 可作为合规证据的审计记录

客户

## 从受管控的问答到运营工作

Legacy 以可量化的成果验证了受管控的问答层。一家跨国生鲜果蔬企业已在生产环境中运行 Atlas 智能体。

可量化成果受管控的问答层 · 12 个月内使用量增长 8 倍

> “Legacy 是北美最大的生育诊所。借助 Clarm，我们把服务时间延长到 7×24 小时，把客户引导到他们真正需要的产品，并为他们提供了一个可以私密讨论敏感问题的渠道。这一切都基于同一个经批准的知识库，覆盖网站、邮件和电话。”

Khaled Kteily首席执行官 · Legacy

生产环境运行订单与索赔

上线头七周，Atlas 智能体为 63 个配送中心录入了 1,000 多份零售商订单（约 11,000 吨水果），并记录了来自 17 个国家的 1,700 起质量索赔。

跨国生鲜果蔬企业欧洲 · 生鲜农产品

为什么选择 Atlas

## 上线运营 AI，不必让 IT 变成工单队列

IT 和合规部门只需批准一次可复用的构建模块。业务人员在这些边界内搭建和部署 AI 同事，全程有来源凭证和审计记录。

### 归您的运营团队所有

负责该流程的团队自己运行和调整 AI 同事，试点结束后它也能继续工作。

### 已批准的构建模块

来源、权限和防护规则只需设置一次。业务人员从这个已批准的目录中组合工作流。

### 默认保留审计记录

运行了什么、引用了哪些来源、使用了哪些构建模块，都可直接用于内部审计。

### 部署在数据必须留存的地方

SOC 2 Type II、HIPAA、GDPR，以及满足严格数据驻留要求的本地部署和物理隔离部署选项。

企业适配

## 适配您的技术栈和采购要求

连接已批准的来源，将结果发送到 Teams 或 Slack，并把事件推送到您现有的系统中。

SOC 2 Type IIHIPAAGDPR支持本地部署

[查看信任中心](https://compliance.clarm.com/)

- 直接进入团队日常使用的 Microsoft Teams 或 Slack
- 将结果写回您的案件、CRM 或工单系统
- 导出完整对话记录，用于审计和报告
- 连接您现有的系统
- 不使用您租户中的数据训练模型

[预约演示](https://cal.com/stormm/discovery)[开发者资源与 API](https://clarm.com/developers/)

FAQ

## 常见问题

这与 Copilot 或我们网站上的聊天机器人有什么不同？

聊天机器人回答完就结束了。Atlas AI 同事使用已批准的构建模块执行重复性工作：读取来源、应用规则、生成输出、更新允许操作的系统，并留下审计记录。业务人员在 IT 和合规部门一次性批准的边界内组合工作流。

员工还需要逐条批准每项输出吗？

如果构建模块已经批准，就不需要。合规和 IT 部门界定哪些来源、操作和渠道可以使用。业务人员基于这个目录搭建智能体；回答始终附带出处，操作始终符合政策。如有需要，可以针对特定输出设置指定负责人的检查点——默认方式是在预先批准的边界内受管控地自主运行。

Clarm 安全吗？SOC 2、HIPAA 和本地部署情况如何？

采购评估涵盖 SOC 2 Type II、HIPAA、GDPR 以及部署要求。我们不使用您的数据训练模型。如果数据不能离开您的环境，可以选择本地部署或物理隔离部署。

哪些团队在使用 Clarm Atlas？

Atlas 面向业务复杂、系统众多的企业中的运营团队，包括供应链与分销、银行、员工培训、医疗以及其他高信任要求的环境。试点从一个重复的手工工作流开始，而不是全公司范围的 AI 项目。

第一个试点需要多长时间搭建起来？

来源接入后，第一个智能体几分钟即可配置完成。试点通常选定一个工作流和一个渠道（Teams、网站或邮件），进行 4–6 周的验证。我们会协助您选择一个同时符合审计、IT 和业务负责人要求的切入点。

如果由 AI 执行工作流，合规如何保障？

合规和法务部门批准的是构建模块——使用哪些来源、哪些操作、哪些渠道——而不是每一封邮件或每一份通知。Atlas 会记录运行了什么、引用了哪些来源，审计人员可以据此还原每项决定。这不是取消治理，而是把治理前移，让业务人员可以安全上线。

Clarm 如何收费？

Team 方案为每月 5,000 美元，包含一个工作区，智能体数量不限。Enterprise 方案为定制协议，适用于全球推广、特定安全要求和部署选项。预约试点后，我们会一起确定最适合您环境的第一个工作流。

我们的网站仍然需要在线聊天。Atlas 能覆盖吗？

可以。同一套已批准的来源、权限和审计控制，既支持面向公众的聊天组件，也支持内部工作流。公共聊天只是其中一个交付渠道；Atlas 产品的主体仍是承担运营工作的 AI 同事。

Atlas

## 从一个手工工作流开始

带上真实的文件、现行规则和例外情况。先验证一位范围明确的 AI 同事，再调整周边系统。

预约演示[试用一个工作流](https://clarm.com/zh/#atlas-builder)
