- 产品中心
- 关于我们
01.古典流程自动化VS大模型时代的AI Agent流程自动化
澜码科技创始人&CEO周健认为，大语言模型的出现主要带来了三项重要的能力，首先，它具备了极其经济高效的语言理解能力，在企业开发新的自动化应用或Agent过程中发挥着决定性的作用。同时也让对话式UI成为可能，AI开始能够理解问题的含义，甚至能够基于简短的描述填写主体和一些词语。这意味着以往都是人被动适应机器，现在转变为机器主动适应人。
其次，大型语言模型具备强大的语言理解和总结能力，可以整合更多的数据来源，包括半结构化文档。这将显著提高商业环境中文档信息传达和相关任务的提取效率。
最后是逻辑推理能力。比如，大模型具备能通过文本生成SQL，或者通过文本在100个API中挑选出正确API的能力。
这些能力将帮助业务流程下游和多项业务活动实现自动化和智能化。传统的RPA主要专注于操作流程的自动化，智能地拆解任务中的各个步骤进行单点处理。然而，如今大型语言模型能够从整体流程入手进行自动化改造。所有的SOP都有不同的维度，涉及数据、文档和应用流程。在大语言模型的基础上，更值得优先解决的应该是数据和文档的问题。例如，如何通过文本生成SQL，如何利用文本使用BI工具，如何从文档中提取信息，以及如何对各种文档进行比对和统计等问题。
尽管很多头部互联网公司早已经在很多业务场景中实现了AI驱动的流程自动化。但过去这些公司面临的最大问题是ROI很不理想。在大模型时代，企业可以采用更高性价比、更适合SaaS化、更智能的基础设施，驱动业务流程的自动化发展。
以企业中长期存在一个非常典型的场景，同时也是一个痛点为例，即每个人都会加入大量的工作微信群和飞书群，但由于信息分散在各个地方，因此当项目负责人更换或客户提出重要需求时，业务人员不得不只能手动浏览所有群内信息才能了解详细情况。现在，借助AI技术，企业可以轻松地避免这种情况，实现信息的自动化整理和分析。
另一个方面是可以通过AI增强专家的影响力，来提高企业管理效率。过去，由于人力资源和成本等问题，很多任务无法安排最资深的人来执行。如今，专家可以通过将其经验赋予AI Agent，然后在每个环节利用Agent来增强基层员工。这种增强效果将使企业业务流程更加高效。
另外，周健还强调了当前AI作为“Connected”的关键角色在业务流程自动化中发挥着关键作用。一个业务流程通常会涉及多个角色，业务任务和业务活动属于其中的单一角色。在过去，企业通常使用BPM（业务流程管理business process management）或工作流引擎推动业务事项在不同角色之间进行流转，从而推动业务的进一步发展。但现在利用AI Agent可以设计出很多自动化功能，超越甚至取代原来的工作流引擎。比如在澜码内部，他们的开发人员探索性利用AI实现自动订阅、预订、监测项目、客户管理的各种变化和进度。
Gartner在其《2024 年十大战略技术趋势》报告中也指出，增强型互联劳动力（Augmented-Connected Workforce ；简称ACWF）将成为2024新技术趋势之一。ACWF是一种优化员工价值的战略，即使用智能应用程序和劳动力分析来提供日常环境和指导，以支持员工的体验、幸福感和技能发展。这意味着通过工作场所自动化和AI的进步，更智能的工作将成为可能，这就要求员工越来越有能力管理复杂的问题。
02.AI Agent如何实现流程自动化
1、底层基础：拆分业务流程及关键信息，专家知识数字化
企业要想进行流程自动化改造，首先需要将不同业务活动传递的信息进行拆解和整理，这也是最重要的基础条件。周健以澜码科技服务的某猎头公司为例，该客户会把每一个商单，从猎头顾问、到交付人员的提成比例进行精确数值规定，采用标准的分层模式也激励了每个参与其中的角色都愿意把业务相关信息记录下来，以证明自己的工作成效。这时，AI agent就能从中抽取很多信息，进行流程自动化改造。
简而言之，为了实现专家知识的数字化，必须对业务流程进行清晰梳理。以及在有清晰的业务字典、业务规则和更多整理得比较清晰的业务过程的基础上，还需要采用一些方法让过程数据能够沉淀下来。这样，才能实现AI Agent的自动化代替价值。
长期以来，企业进行自动化改造主要都是为了“降本增效”，但在周健看来，AI Agent的核心价值则是帮助提高业务人员的工作质量。企业内部的竞争优势通常都是由其最高级的专家的水平所决定，但对专家的依赖性越高，风险也越大。现在利用AI agent，企业可以复制专家的分身，即使只达到专家70% 的水准也非常有价值。而且还可以通过增加显卡等方式来增加专家响应各种任务的能力。所以AI agent目前最主要的作用是增收，以及解决一些合规问题。
举例来讲，猎头公司本身就是需要持续增效的企业，提高效率意味着其会有更多的收入。同样，软件外包公司招聘也是一个增收部门。假设软件外包公司原先有100个招聘专员，大部分招聘专员平均每月只能招聘一人，但最厉害的招聘专员一个月能够招聘10个人。现在如果能把最强招聘专员的技能封装到AI agent里，在其辅助下，可以将其他招聘专员的效率提升到平均每人每月能够招聘4-6人，甚至更多，企业就能获得更多的收入。这是澜码科技在解决的问题，也是AI agent能够起到重要价值的地方。
2、执行策略：Goldedn SOP、多Agent联合
意言科技专注于研发以大语言模型（LLM）驱动的“中间层”Agent框架及开发平台Tyrion。通过利用Tyrion构建的Agent能够沉淀企业专家知识，并深度嵌入企业工作流程，与企业内部不同的员工协作，从而处理复杂任务。
意言科技创始人&CEO 刘煜晨表示，专家知识和SOP都是企业运营的关键资产。Agent搭建之前，Tyrion会先帮助客户理清需求，通过评估客户公司哪些业务流程可以聚合并沉淀为Golden SOP，并确保这些Golden SOP可以复用，来保证AI Agent的实际落地效果。
并且在大模型的帮助下，这些SOP的执行也更灵活。在过去，诸如Excel、计算器或其他软件只能替代一些固定和逻辑性的任务，无法替代人类的角色判断和软性沟通。例如，一直以来，业务人员在提交报销单时，常规流程是不仅需要在系统上进行操作，还需要进行口头沟通以确认事项。但ERP软件只能完成报销单的“提交”操作，无法替代或者执行沟通过程。但现在有了AI的介入，一些灵活沟通动作也可以通过自动化来完成。
另外，在利用AI进行流程自动化改造的过程中，还必须考虑一个重要因素。在现实世界的企业内部，完成一项任务通常需要多人协作。现在假设其中一些人要被替换为Agent，这不只是一个人和一个Agent的互动，而是一个人和多个Agent，或者多个人和多个Agent的互动。这就引发了一个关键问题：在执行这个流程的过程中，何时引入人类的参与？何时引入Agent？Agent应负责完成哪个部分？以及机器如何更好地与人类员工协作？通俗来说，就是要将以前只有人类参与完成的众多业务流程改造为由机器、大模型、Agent和人类共同来完成的模式。
也因此探索人与Agent之间的有效协作方式是其中的核心挑战。
Tyrion正在通过打破传统交互模式，尝试探索将多个Agent与多个人类的互动结合起来的新交互模式来解决这个问题。其次，通过提升Agent的深度思考能力以及对于人类意图的有效理解，创造一种更智能、高效的业务流程协同体验，使得机器与人之间的合作更加顺畅和自然。
如果所有的Workflow都由人类完成，我们会司空见惯，把它当成非常常规的业务流程。然而，目前还没有一家企业能够让多个Agent也参与其中，这是Tyrion正在努力解决的问题。
3、核心改造内容：员工行为数字化
如何将散落在不同业务人员的经验中的行业Know-How提炼出来是所有企业长期以来都难以解决的痛点。过去企业大多时候都只能通过建立“知识中心”或者“知识中台”的方式来解决该问题。周健表示，企业知识一方面包含可编码的知识，另外一方面则主要是经验性质的知识。如今，经验性的知识可以利用AI Agent通过自动化流程将员工行为进行数字化管理，之后可以进一步再用机器学习或者大模型的能力进行结构化总结提炼。
刘煜晨承认对企业的业务流程重塑和人机协作意识的改造确实是一项艰巨任务。这必定是一个要耗费很长时间，让所有人逐步学习接受的过程。但随着AI数字化的发展，企业最终必定都将走向这个形态。并且毋庸置疑，数字员工在特定任务上肯定比人类员工更可靠，成为主要替代力量。就像工业自动化替代了人类工作的一部分，软件又替代了另一部分白领工作，AI Agent正推动第三阶段的流程自动化转型，替代更多人工重复性工作。当然并不意味着完全取代人类，而是实现与人类的有机协作。
在工业时代，人们思考工业流水线哪些任务应该由机器替代；软件发展初期，所有人也曾思考软件应该替代人类工作流中的哪一部分，如今在大语言模型和AI Agent的时代亦是如此。挑战在于我们尚未有这方面的先例，还需要通过进行“需求探索”来规模化应用Agent，而这还处于非常早期的阶段。
早期把软件系统嵌入到一些业务流程中，也会面临很多阻碍，涉及很多自动化升级。但相对来说，形态还是比较简单。AI agent介入业务流程，完成的动作会更加复杂，而且还涉及一些非软件层面的判断。可能要分几层，最底层是企业软件，企业软件上是软件操作的RPA，RPA之上是agent，但RPA是个可选项，还有其他工具或者技术可以替代。最后agent之上才是和人类的交互。
03.AI Agent驱动的流程自动化将重塑ToB软件生态
如今，我们已经无法回避一个终极问题：即大语言模型和AI Agent驱动业务流程的自动化升级改造，革新白领从业者的工作方式，势必会带来企业组织和ToB软件的颠覆性改变。周健和刘煜晨也对此发表了各自的观点。
德国社会学家和组织理论家马克斯·韦伯（Max Weber）曾对科层制提出重要理论，他构建了理想型的官僚制度，其特征包括明确的等级结构、规范的职责分工、清晰的权威体系和正式的程序规范。这一理论被认为是实现高度组织化和高效率的理想组织形式。然而，周健认为，在大语言模型时代，这种传统的静态科层制组织模式将发生重要变革。
他指出，曾经由阿里巴巴提出的中台组织将逐渐被AI Agent替代。未来企业流程可能演变为大前台和大后台的组织结构，中间的信息传递和总结等任务将完全由agent替代。这些 agent将负责传递各种信息和总结概要，最终传递给部门负责人和中台资源能力负责人，推动他们做出决策。这意味着在数字时代，科层制的传统模式将会面临更加敏捷和自动化的转变。
其次，在周健看来，传统B端软件在技术上一直存在瓶颈，缺乏明显的技术突破，无论是DevOps、AI 1.0，或是其他很多技术都属于一次性的突破。包括RPA也主要只解决了应用层面的问题，仅限于执行最终的操作。然而，大语言模型的语言理解和逻辑推理能力作为通用性的突破，使其在各种场景中都能得到应用，同时ToB软件的商业逻辑也在发生变化。
过去，ToB企业主要盈利模式是通过找到合适的客群和决策者，根据行业和职能来签约。而且国内的情况更为特殊，IT预算主要集中在央企，行业主要是银行和金融，客群主要是CFO、CHO、HR、营销部门等。但如今，AI agent可以直接在岗位上替代人类，将直接削减雇佣一部分人类员工的预算和岗位，这也是与传统ToB软件企业不同的逻辑。这意味着将出现很多不同的新机会，另外某种程度上也是对传统ToB软件厂商的降维打击。周健介绍，澜码科技当前实际上聚焦的正是研究国内有哪些岗位的工作内容具有高度复用性和复制性，并通过AI Agent将其中的专家知识进行数字化沉淀，最终实现人机融合。
对此周健还补充表示，面对这种情况，训练垂直行业大模型或许不是正确的路线。大模型的本质正是对知识的压缩。他认为，同一行业的不同岗位，知识的重叠度很高；不同行业的同一岗位，知识的重叠度也会更高。反之，不同行业的不同岗位，知识的重叠度非常低。例如，一名银行行长和一名保险公司的CEO行业知识的overlap肯定是比较高的；一名银行的Java工程师和一名保险公司的Java工程师的行业知识overlap也是很高的。反之，一名Java工程师和一名银行行长知识的overlap会非常低。这就给了AI Agent重塑组织流程的机会。并且从岗位角度切入，复制性会更强。因此，AI Agent最终抢占的是HR的预算，通过用AI agent来替代不同岗位，最终帮助企业实现收益。
1913年，亨利·福特（Henry Ford）借鉴美国管理学家弗雷德里克·温斯洛·泰勒（Frederick Winslow Taylor）提倡的“作业标准化（泰勒制）”，发明了世界第一条流水线——福特汽车流水线，自此实现了机械化的大工业，大幅度提高了劳动生产率，出现了高效率、低成本、高工资和高利润的局面。之后就诞生了ERP（Enterprise Resource Planning，企业资源规划）软件系统，通过集成不同的业务流程和部门，提高企业的效率、协同作用和决策支持。但当前，知识工作者的工作流程不够标准化，无法形成服务工种的ERP，这是一个重要的结构性机遇。
周健解释道，企业上层管理者需要员工的工作有标准化接口，而员工的工作又是柔性和个性化的。AI Agent的出现恰好可以解决这个矛盾，通过将员工的流程标准化改造，将为ToB软件形态的重塑奠定重要基础。
对于ToB软件的发展方向，刘煜晨也持相近观点，他认为大语言模型和AI Agent的出现为企业软件领域也带来了全新的颠覆性机遇，更大地激发了底层需求潜力。这使得新晋的AI Native公司们有机会建立起类似于Salesforce或SAP这样的软件巨头。刘煜晨强调，尽管Salesforce、Adobe和SAP等ToB软件巨头去年也纷纷推出了多款AI应用，但这些应用主要还是依附在它们已有产品的某些具体功能点上。相较之下，真正用好大语言模型和生成式AI带来的强大能量更需要用AI Native的方式重新思考企业软件的形态，重新去观察那些企业中许多分散的、以前只能由人工完成的流程，现在可以用机器来替代，这才是未来真正的机遇。
随着AI Agent的不断进化，未来可见的一个趋势是，企业从传统软件向智能化形态进阶的过程中，许多原有业务流程和系统工具将面临被彻底颠覆的命运。Agent犹如沙子一般，会逐渐渗透进企业各个“缝隙”，实现企业全业务流程和各种场景的自动化改造。
04.Agent as a Service，让人人都有生产力引擎
去年11月，OpenAI在其召开的首届开发者大会上，发布了GPTs、GPT Store、Assistants API，拉开了行业构建Agent商业生态的帷幕。随着AI Agent领域的玩家越来越多，技术和产品架构越来越完善，以及底层大模型能力的不断进化，Agent as a Service作为提升生产力的新模式不再只是一个设想。周健也有一个美好展望：未来各个领域的专家都可以通过对话或其他形式，把自己的专业知识放到云服务上，通过售卖自己的Agent，实现更大的影响力。
然而，无论是大模型能力的不断迭代，还是让所有人调整工作和思维方式以适应新商业环境，抑或找到所谓真正的最佳实践，都并非易事，其中甚至可能涉及无数的阵痛和争端。但在这之前，或许我们应该先思考一下以下问题，以明确我们要坚守什么样的价值观：进行AI Agent流程自动化革命是为了让“功绩主体”突破自身局限性，以及不再被迫投身强制自由，过度自我剥削？还是为了强化“功绩社会范式”及其“强制性结构”？
