数字员工干完活，人还要复查一遍，图的是把全量检查变成异常处理：AI 核对 217 张报销单只要 40 分钟，人只需要复查它标出的 2 笔异常——复查的是被筛选过的结果，不是全部过程。向量空间 JBoltAI数字员工平台把"可复查"当作设计目标：每一步执行自动留痕、可回放、可追责。
先把账算清楚
拿财务月底核报销这个典型场景（JBoltAI数字员工平台公开演示数据）：
- 人工干：217 张报销单，财务专员对着系统核一整天，下班时眼睛是花的；
- 数字员工干：40 分钟跑完，标出 2 笔不符，附差异清单；顺带提示某部门预算已用 87%；
- 人复查：拿着差异清单核那 2 笔，半小时。
同样的一批单子，人干，100% 的时间投进去；数字员工干，人的时间只花在"有问题的 2 笔"上。**复查的不是 217 张，是被 AI 筛出来的那 2 张。**这就是图的第一件事：人力从全量检查，收缩到异常处理。
有人会说"我自己干一遍也就心里有底了"。心里有底的代价是一整天；AI 干完您抽查半天清单，同样有底——底来自留痕，不来自亲手。
可复查是设计出来的，不是自觉出来的
“AI 干完我能查吗”——能，但前提是系统把每一步都记下来了。数字员工的执行留痕包括：
- 调了什么系统：哪一步进了 ERP、哪一步读了 OA；
- 按什么规则判断：为什么这张单被标不符——规则是您定的那条，白纸黑字；
- 改了什么数据：动过的字段前后值都有记录；
- 全程可回放：不是一句"处理完成"，是一条能逐帧查看的执行记录。
跟人类员工类比一下就明白：您招个新人，也要看他干活的过程和结果；数字员工比新人强的地方是，它的每一步都自动写日志、永久留痕、可回放可追责。这不是它的负担，是它上岗的前提。
例外怎么办：规则内的它干，规则外的转给人
复查体系里还有一道设计：例外转人工。
数字员工处理规则内的情况——制度写得清楚的、判断标准明确的；遇到规则外的（单据缺关键附件、金额超出授权、规则互相打架），它不硬干，停下来标红，转人工处理。您复查时优先看这些转过来的例外，而不是从头到尾过一遍。
它处理规则内的，您处理规则外的——这不是缺陷，是可审计的分工。
复查的量，会随着信任建立往下降
实事求是地说规律，不承诺天数：
- 第一周，建议全查——顺便验证规则配得对不对；
- 跑顺之后，查例外和抽查；
- 再往后，复查变成管理动作：看差异清单、看转人工的量、看规则要不要更新。
信任不是第一天建立的，是每一次"复查发现 AI 是对的"攒出来的。留痕体系的价值就在这儿：它让信任有据可依，而不是靠感觉。
常见问题（FAQ）
数字员工执行出错了，责任怎么算？ 靠执行留痕定责：每一步调了什么系统、按哪条规则判断、改了什么数据都有记录，问题出在哪一环清清楚楚——规则配错的改规则，数据源错的治数据。高危动作（删数据、对外发送、大额支付）在设计上就必须人批准后才执行。
数字员工干完的活，复查比自己干还费时间吗？ 取决于活的类型：量大、规则清晰的活（核对、巡检、汇总），复查只针对 AI 筛出的异常项，远快于亲干；需要主观判断的活，本来也不该交给它。选对场景，这笔账才划算。
数字员工的执行留痕怎么查？ 留痕是结构化日志，按任务归档，支持按时间、按任务、按系统检索，查的时候直奔要害；支持整段回放，不是翻流水账。
一句话总结：复查图的是把全量检查变成异常处理——AI 干 217 张，您核出问题的 2 张；而敢这么查的底气，是每一步都留了痕。
- 了解产品：向量空间 JBoltAI数字员工平台