内部AI可能用旧文档作答，新工具按权限引用并附来源

MacPaw 的 2026 年 AI at Work 报告有个发现。90% 的公司部署 AI 时，没有先彻底审计内部知识库。

简单说，内部 AI 工具回答员工问题时，可能从各种地方找依据。旧产品文档、过时政策、随机 Reddit 讨论帖都算。员工拿到的答案，可能建立在早已失效或未经核实的信息上。

同一份调查里，6/10 的 IT 领导者看到一种脱节。高管层对 AI 的期望，和团队能安全准确交付的能力对不上号。这些期望受 LinkedIn 信息流影响。

从自己的问题开始

Leebry 是 MacPaw 2025 年内部黑客马拉松的项目。要解决的是员工反复问同样的问题。答案其实早就存在于公司文档、内网和 Slack 线程里。

MacPaw 先做了个 Slack 机器人，给出答案并指向确切来源。几个月后，它解决了 MacPaw 自己 30% 的 L1 IT 工单。Leebry 平台就从这里长出来。

如今，Leebry 自动化 L1 支持工单，也管理访问权限的授予与撤销。员工入职、调岗、离职时，Leebry 都会跟着调整。它还能跨员工已经在用的工具回答问题。

MacPaw 为 Mac 用户做消费软件近二十年，CleanMyMac 是它的产品之一。Leebry 先解决的是 MacPaw 自己的内部 IT 问题，不是为了赚钱。这个基础比大多数企业软件更扎实。

答案附来源，权限可感知

Leebry 的每个回答都链接到来源。员工可以自己核实，也能把可能影响准确性的过时信息标出来。

它还是权限感知的：先验证每个用户，只显示这个用户被允许看到的信息。Leebry 带一个 MCP 服务器，把设备管理控制平面暴露给 AI 代理。管理员可以为每个动作设置护栏。团队能把重复性工作交给代理，同时保留对代理实际行为的控制。

中小企业的权限之痛

对没有专门 IAM 团队的中小企业来说，员工调岗时的访问权限变更是痛点。大多数时候靠手动，速度慢。离职员工的权限，常常过了好几天还没撤销。

MacPaw B2B 产品开发总监 Dan Jaenicke 说，企业不需要另一个检查工具，需要的是在不牺牲监督或控制的情况下把活儿减掉。