2024年2月底，金融服務公司Klarna表示，其所使用的OpenAI提供技術支持的AI Agent，已接管了三分之二的客戶聊天，工作量相當於700名全職代理。從引入AI Agent到取得這份耀眼的成績，僅僅用了1個月的時間。
作為數字化程度較高的領域，金融在AI Agent的應用普及速度上，真的是又快又狠。
不只是在金融領域，在銷售領域AI Agent也展現了強大的適應性。著名投資機構a16z認為，下一代「銷售平臺」的核心，將不再是基於文本的數據庫，而是多模態的（文本、圖像、語音、視頻），包含來自整個公司的所有客戶洞察。
因此，AI將從根本上重塑銷售記錄系統和銷售工作流程，市面上所有玩家都無法置身事外。AI原生的銷售平臺，將能夠從客戶及其心態中，提取比我們使用現有工具所能拼湊的更多的洞察。此外，a16z還對外展示了銷售領域AI 應用市場地圖。
▲ a16z公布的銷售領域AI應用市場地圖，點擊看大圖
這個觀點，可以說是為AI Agent即將變革銷售領域做了很好的背書。（關於a16z的具體看法，王吉偉頻道會在另一篇文章中與大家分享。）
7月25日，人工智能通信自動化提供商IntelePee宣布完成1.4億美元的戰略融資，這項融資將主要用於以推動AI Agent發展，改善客戶體驗。該公司的一個財富百強客戶，通過使用 IntelePeer 的AI Agent自動化消費者交互將自助服務率提高到了70%以上，有望節省超過1 億美元的勞動力成本。
風險投資公司Lux Capital合夥人格蕾絲·伊斯福德（Grace Isford）表示，當涉及到專註於構建AI Agent的初創公司時，科技投資者的興趣會「急劇增加」。這些初創廣告公司已籌集了數億美元，其估值也正在隨著生成式AI（GenAI）市場的增長而不斷上升。
對於GenAI的市場增長情況，貝恩公司（Bain & Company）數據顯示，近90%的公司已經部署或正在試用GenAI技術。同一項調查發現，無論哪個行業，企業都在優先考慮 Gen AI 的部署，87% 的參與者將其列為未來三到四年的五大優先事項之一。
這幾個案例和相關數據意味著，AI Agent的落地應用速度以及滲透率已經相當之高。而隨著Agentic Workflow成為AI Agent應用趨勢，智能體工作流的應用也將會獲得巨大的進展。
在大家熟悉了AI Agent之後，智能體工作流迅速成為Agent應用的新趨勢。現在技術圈內流行一個說法：你需要的可能不是智能體，而是一個適合AI的工作流。這句話，已經把AI Agent的應用現狀講得明明白白。
也就說，只有形成Agent的工作流，才能發揮AI Agent的真正優勢，才能讓Agent最大程度的自動化你的業務流。
以Coze、Dify等為代表的AI Agent構建平臺，讓很多構建智能體的人接觸到了工作流。智能體工作流的流行，也讓更多人有了工作流的概念。
但在平時工作中，用過釘釘、OA等辦公軟件或者BPM、ERP、CRM等企業管理軟件的朋友，接觸更多的肯定是業務流程。ERP、低代碼、RPA等軟件，通過自動化等手段讓業務流程更加精簡優化。各個AI Agent平臺上構建的智能體工作流，也是為了實現各種任務的自動化。
有的朋友就不懂了，同樣是用以自動化的，為什麽一個叫工作流，而另一個叫業務流程？它們有什麽關系？與智能體工作流又有什麽關聯？這篇文章，王吉偉頻道就跟大家聊聊這些。
* 從工作流談起
工作流（workflow）是完成任務所必需的一系列活動，也是用於管理遵循特定順序發生的重復流程和任務的系統。它是個人和組織完成工作的方式，無論是生產商品、提供服務、處理數據還是任何其他創造價值的活動。
通常，一組相互關聯的任務或活動，按照一定的順序被執行以完成特定的工作目標，即可視作工作流。它定義了任務的執行順序、參與者及其角色、以及任務之間的依賴關系。
可以把工作流看作處理一組數據的一系列任務。在業務上下文中，工作流是指為實現特定結果而設計的有組織的活動模式。業務中的工作流含義圍繞著定義、執行和自動化流程展開，在這些流程中，任務、信息或文檔根據一組程序規則從一個參與者傳遞到另一個參與者以進行操作。
工作流可以像單個任務流程一樣簡單，比如文件審批工作流、新員工入職工作流等。也可以像涉及各個部門和利益相關者的多步驟流程一樣復雜，比如客戶服務工作流。
工作流的三個關鍵組件：輸入、過程和輸出。
輸入（inputs）：這些是開始工作流所需的資源，例如數據、材料或信息。輸入是任何工作流的起點，對於啟動流程至關重要。例如，在營銷活動工作流中，輸入可能包括目標受眾數據、預算信息和營銷材料。
流程（processes）：此組件涉及為將輸入轉換為所需輸出而采取的實際步驟或行動。流程可以包括各種活動，例如數據分析、決策製定和任務執行。清楚地定義和記錄每個步驟以確保一致性和準確性至關重要。例如，在製造工作流程中，流程可能涉及裝配線步驟、質量檢查和包裝。
輸出（outputs）：這些是工作流程完成後實現的最終產品或結果。輸出的範圍可以從成品到已完成的報告，具體取決於工作流程的性質。例如，在軟件開發工作流中，輸出可能包括已完成的軟件、文檔和用戶手冊。
在具體業務中，工作流主要有三種類型：流程工作流、案例工作流、項目工作流。
流程工作流：當任務集是可預測的和重復的時，就會發生流程工作流。通常在項目開始工作流之前，用戶便確切地知道它應該采用什麽路徑，比如采購申請審批工作流等。
案例工作流：在案例工作流中，用戶不知道開始時完成項目所需的路徑。隨著收集到更多數據，路徑會自行顯現。比如支持票證和保險索賠就是很好的案例示例。
項目工作流：項目工作流交叉於流程工作流和案例工作流之間，遵循或多或少定義的路徑，但過程中可能會有更多的靈活性，但此類工作流只適用於一個項目。比如應用程序開發，工作流由研究、設計、測試等不同階段組成，但在構建不同的應用程序時，相同的工作流無法用於不同程序的開發。
工作流分四種類別，分別為順序工作流、並行工作流、狀態機工作流和規則驅動工作流。
順序工作流：後續任務取決於前一個任務的完成情況的工作流類型。
並行工作流：可以同時執行多個任務的工作流類型。
狀態機工作流：在這種類型的工作流中，您將從一種狀態進入另一種狀態。
規則驅動工作流：規則驅動的工作流基於順序工作流，這些工作流在取得進展時使用規則。
了解業務環境中的工作流程對於提高效率和生產力至關重要。企業通常使用流程工作流模板來繪製特定工作流中涉及的步驟。這些模板有助於標準化操作，確保每個步驟都得到明確定義和遵循，從而最大限度地減少錯誤和不一致。
用於管理工作流的軟件，叫作工作流管理軟件（Workflow Management Software, WfMS）。這類軟件有助於簡化和優化組織內的業務流程。它主要通過協調不同利益相關者之間或個人與信息系統之間的互動來做到這一點。
工作流管理系統在正確的時間將任務路由給適當的員工，提供相關信息和推動力，以加快整個流程的工作。此外，它還能通過文件管理對活動（如費用報告）進行手動和自動任務。
* 融合AI帶來的AI workflow
近些年隨著AI技術與工作流的不斷融合，逐漸發展出了AI workflow（AI workflow automation）。AI工作流是應用人工智能技術完成特定任務的一系列步驟和過程，它是一種優化和自動化業務流程的方法，通過自動化任務、智能決策支持、預測分析和個性化服務等功能，提高工作效率，降低成本，並增強企業的競爭力。
工作流的一個研究重點就是任務自動化，而想要實現更大程度的自動化自然離不開各種編程技術與智能化技術，AI技術則是重中之重。伴隨著NLP、OCR、深度學習、機器學習等技術的發展，工作流在各個時代都被最新技術加持。現在大語言模型取得長足進步，工作流同樣也在LLM的加持下發生了更大的變化。
融合大語言模型的AI工作流（智能體工作流），通過自然語言處理實現任務自動化與智能問答，大幅提升工作效率與準確性。它具備理解上下文、學習適應、多語言翻譯等能力，同時提供連貫的交互體驗和情感分析，優化用戶體驗。
AI智能體的靈活性和可定製性使其能夠快速適應業務需求變化，降低運營成本，增強市場競爭力。在客戶服務、內容創作、研發輔助及行政流程中，AI智能體均展現出顯著的效率與洞察力優勢。
比如在aisera的AI工作流平臺，由LLM驅動的AI工作流可以利用上千個預構建和第三方LLM驅動的AI工作流來自動化流程，最大限度地減少對人工幹預的需求。這些AI工作流可以通過對話方式、通過系統事件、按計劃以及通過來自其他業務系統的事件webhook觸發。
事實上，在業務流程管理中，工作流可以定義為一系列簡單的單個任務，而業務流程則被認為是更復雜的，由多個工作流、信息系統、數據、人員及其活動模式組成。工作流的特點是其簡單性和可重復性，並且通常通過圖表或清單進行可視化。
下一個小節，我們就聊聊什麽是業務流程。
關於LLM與workflow的融合應用，推薦以下論文：
1、AutoFlow：為大型語言模型代理自動生成工作流
AutoFlow: Automated Workflow Generation for Large Language Model Agents
鏈接：https://arxiv.org/abs/2407.12821
2、FlowMind：使用 LLM 自動生成工作流
FlowMind: Automatic Workflow Generation with LLMs
鏈接：https://arxiv.org/abs/2404.13050
3、StateFlow：通過狀態驅動的工作流增強 LLM 任務解決
StateFlow: Enhancing LLM Task-Solving through State-Driven Workflows
https://arxiv.org/abs/2403.11322
4、Graph-of-Thought：利用大型語言模型解決復雜和動態的業務問題
Graph-of-Thought: Utilizing Large Language Models to Solve Complex and Dynamic Business Problems
https://arxiv.org/abs/2401.06801
5、通過采用眾包工作流程的技術來設計 LLM 鏈
Designing LLM Chains by Adapting Techniques from Crowdsourcing Workflows
https://arxiv.org/abs/2312.11681
6、利用大型語言模型構建和執行計算工作流
Leveraging Large Language Models to Build and Execute Computational Workflows
https://arxiv.org/abs/2312.07711
7、通電！生成模型可以為人類計算工作流做些什麽？
Power-up! What Can Generative Models Do for Human Computation Workflows?
https://arxiv.org/abs/2307.02243
* 再聊聊業務流程
業務流程（Business Process）是組織為實現具體業務目標而設計的一系列有序活動，以產生有助於實現組織目標的特定結果。它從明確的輸入開始，經過系統化的任務執行，最終產生預期的輸出。
流程中每個環節都由不同的角色負責，遵循既定規則和標準，確保效率和質量。資源在流程中得到合理配置，同時通過持續監控和評估實現流程的優化與改進。
業務流程的發明是為了推導組織目標並為組織目標做出貢獻。業務流程的持續和重復執行對於成功的業務運營和業務增長至關重要。業務流程結構可以是簡單的，也可以是復雜的，具體取決於流程中涉及的元素。通過每個業務流程，企業都能實現某些目標。
業務流程是組織實現目標的核心，它將任務分解為有序、可重復的工作步驟，便於員工和團隊高效執行並達成預期成果。明確的流程有助於團隊集中精力於共同目標，通過可預測的資源需求減少浪費。文檔化的業務流程不僅降低風險和錯誤，還增強團隊成員間的責任感，因為每個人都清楚自己的職責所在。
此外，業務流程的規範化還激發創新和創造力，通過反思和頭腦風暴，團隊能夠找到解決難題的新方法。
業務流程的關鍵屬性在於，過程是可重復的靈活的可衡量的，且是特定的建立起始點和端點的。這些屬性，為業務流程帶來了以下特點：
目標導向：業務流程是為了實現特定的業務目標而設計的；
跨職能部門：通常涉及多個部門或團隊的協作；
連續性和連貫性：各個活動按一定順序和邏輯連續進行；
標準化：流程通常是標準化的，以確保一致性和可重復性；
可測量性：可以通過關鍵績效指標（KPIs）來衡量流程的效率和效果。
業務流程的類型，一般分為運營流程、管理流程和支持流程三種。
運營流程（Operational Processes）：與企業的核心業務活動直接相關，例如生產、銷售、客戶服務等。
管理流程（Management Processes）：涉及企業管理和規劃的活動，例如戰略規劃、績效評估等。
支持流程（Supporting Processes）：為核心和管理流程提供支持的活動，例如人力資源管理、財務管理、IT服務等。
經過多年的發展與演變，目前業務流程的組成部分主要包括以下7個部分：
輸入（Inputs）：業務流程的起點，通常是觸發流程的事件、資源、信息或原材料。
活動（Activities）：構成業務流程的各個具體步驟或任務，這些活動通常按順序執行。
輸出（Outputs）：流程完成後產生的結果或交付物。
角色和責任（Roles and Responsibilities）：涉及到的人員或團隊及其在流程中的職責。
決策點（Decision Points）：流程中的關鍵節點，需要做出決策以確定後續步驟。
流程控制（Process Control）：用於監控和管理流程執行的機制，包括規則、標準和約束條件。
支持系統（Supporting Systems）：支持流程執行的技術系統、工具和應用程序。
管理業務流程的軟件系統，就是大名鼎鼎的是業務流程管理（Business Process Management, BPM）。業務流程管理是一種系統的方法，用於設計、執行、監控和優化業務流程，以提高企業績效，降低成本，增強競爭力。
BPM是一種改進這些流程的系統方法，可幫助組織實現其業務目標。如果組織由於成本或資源限製而無法在內部執行某些業務流程，公司可能會使用業務流程外包。許多組織將特定的業務任務（例如工資單、人力資源 （HR） 或會計）承包給第三方服務提供商。
* 融合AI帶來的BPM進化
與AI技術的快速融合，同樣為業務流程帶來了很大的進步。
AI技術對業務流程帶來了顯著的發展和改變。通過機器人流程自動化（RPA）和AI的結合，重復性任務得以自動化，減少人為錯誤，提高效率。
AI的數據分析和預測能力支持實時決策，個性化服務增強客戶滿意度，流程挖掘和優化提升業務流程的效率和靈活性。AI在風險管理中提前識別潛在風險，確保合規。智能輔助工具和自動化減輕員工工作負擔，促進創新和新業務模式的發展。
比如亞馬遜、通用電氣和美國銀行等公司通過AI優化庫存管理、預測性維護和智能客服，顯著提升了運營效率。AI將更深度地嵌入業務流程，實現全面自動化和智能決策支持。
而融合了大語言模型的業務流程，實現了自然語言交互、文本分析、智能文檔生成、自動化任務執行、個性化服務、多語言支持以及預測性分析等多功能集成。
比如SAP聯合墨爾本大學、慕尼黑工業大學等推出了大型過程模型（LPM，Large Process Models）作為生成式AI時代軟件支持的BPM的中心概念框架。LPM通過與經典算法工具和結構化數據的安全和健全的集成，可以提供在以往設置中不會被發現的業務流程新見解，大大提高了流程的可觀察性。
* 擴展閱讀：*從大語言模型到大流程模型，生成式AI帶來的BPM範式轉變*
此外，SAP Business Technology Platform 推出SAP AI Core服務，可以幫助用戶以標準化、可擴展且與超大規模者無關的方式處理AI資產的執行和操作，LLaMa 3、Phi3、Mistral、Mixtral、LlaVA、Gemma等開源系統都可以在SAP AI Core 中運行，為用戶的私有化部署和個性化應用提供了更多選擇。
由LLM賦能的流程能夠理解上下文、自我學習與適應，與現有系統高度集成，並具備良好的可擴展性與規則遵循性。顯著提升了業務處理速度、降低了運營成本、增強了執行準確性、改善了客戶體驗、提高了市場適應性和靈活性，同時促進了業務創新和風險管理，加強了知識整合與共享。
尤其是融合AI智能體的業務流程通過自動化執行、智能決策支持、客戶互動、預測分析等功能，實現了效率的顯著提升和成本的有效降低。這些流程具備上下文感知、持續學習、高度集成的特點，同時展現出靈活性、準確性和創新促進的優勢。
AI智能體的集成為行業帶來了數字化轉型的加速、市場響應速度的提升、客戶洞察的深化以及運營優化，催生了新的業務模式，為企業在激烈的市場競爭中提供了強大的動力和優勢。
* 擴展閱讀：*業務流程將因生成式AI變革，ChatGPT引領的AIGC正在改變組織運營*
關於大語言模型與BPM的融合，推薦以下幾篇論文：
1、大型語言模型可以完成業務流程管理任務
Large Language Models can accomplish Business Process Management Tasks
鏈接：https://arxiv.org/abs/2307.09923
2、用於業務流程管理的大型語言模型：機遇與挑戰
Large Language Models for Business Process Management: Opportunities and Challenges
鏈接：https://arxiv.org/abs/2304.04309
3、大型流程模型：生成式人工智能時代的業務流程管理
Large Process Models: Business Process Management in the Age of Generative AI
鏈接：https://arxiv.org/abs/2309.00900
4、LLM-SAP：大型語言模型基於態勢感知的規劃
LLM-SAP: Large Language Models Situational Awareness Based Planning
鏈接：https://arxiv.org/abs/2312.16127
* 工作流與業務流程的區別和聯系
工作流和業務流程是企業管理和運營中的兩個核心概念，它們雖然有所區別，但又緊密相連，共同推動企業效率和目標的實現。
工作流通常指為完成特定任務或一組任務所需的步驟序列，它更側重於操作層面的流程自動化，通常涉及自動化和手動步驟的結合。例如，在人力資源管理中，員工提交請假申請後，工作流將指導申請通過各級審批。工作流關註於流程的執行效率，如何通過自動化減少人力幹預，提高任務處理速度。
業務流程則更為宏觀，它包括了企業為實現業務目標所進行的所有活動和決策過程，旨在實現組織的戰略性業務目標，如產品交付或客戶服務，通常跨越多個部門和團隊。業務流程涵蓋從客戶接觸點到服務交付的整個鏈條，如訂單履行流程，它包括接收訂單、庫存檢查、發貨等環節。業務流程更關註整個流程的戰略意義、目標實現以及客戶價值的創造。
在目標方面，工作流的目標較為具體和狹窄，主要關註任務的完成和流程的執行，如文檔審批或請假流程。具體任務的自動化有助於減少人為錯誤和提高效率。業務流程則旨在實現組織的戰略性業務目標，關註整體業務的效率和效果提升，如供應鏈管理和客戶關系管理。業務流程更關註資源的優化配置和部門間的協作。
在復雜度方面，工作流通常較為具體和簡單，適用於局部任務和操作。例如，員工請假審批流程包括填寫申請、主管審核和人事部門記錄。業務流程則更復雜和全面，涉及多個部門、資源和管理層面。例如，企業的新產品開發流程，從市場調研、產品設計、試生產到最終上市，涉及研發、市場、生產、銷售等多個部門。
在工具方面，工作流管理系統（WfMS）用於自動化和管理具體任務的執行，如任務分配、進度跟蹤和結果報告。例如，使用Asana或Trello管理團隊任務和項目進度。業務流程管理系統（BPMS）則用於全面管理和優化業務流程，強調流程的持續監控和改進。例如，使用SAP或Oracle BPM管理企業的核心業務流程，從供應鏈到客戶關系管理。
盡管兩者在定義、範圍、目標和應用上存在顯著差異，但它們在實際應用中有緊密的聯系。工作流可以作為業務流程的一部分，處理具體的任務和活動。有效的工作流設計和自動化，可以顯著提升業務流程的效率。
例如，采購流程中的審批工作流，確保采購訂單經過適當的審批和核準。通過整合多個工作流，業務流程實現整體業務目標的高效運作和管理。同時，良好的業務流程管理又能為工作流提供戰略指導和優化方向。
在實際操作中，工作流工具和業務流程管理系統可能相互集成，共同支持企業的運營需求。例如，將工作流管理集成到企業門戶中，以提供統一的工作入口和業務視圖。這種整合有助於提高員工的工作效率，減少信息孤島，提升整個組織的協同效應。
工作流和業務流程的優化不僅是技術問題，也是組織文化和變革管理的一部分。流程的改進需要員工的參與和接受，通過改進流程來適應市場變化和組織發展。例如，市場部門根據活動反饋調整營銷材料的審批流程，這不僅是技術層面的調整，也是組織對市場變化響應的體現。
工作流和業務流程在企業運營中是相輔相成的。理解它們之間的區別和聯系，對於有效地設計和管理企業的流程非常重要。現在隨著大語言模型的到來和AI Agent的大量應用，工作流和業務流程將繼續為企業帶來更高的效率和更大的價值。
* 智能體工作流的新範疇
吳恩達教授提出的反思、工具使用、規劃、多智能協同等四種Agentic Workflow設計方式，展現出了智能體工作流的多種範式。但這些範式的工作流是以LLM為中心，圍繞LLM加上一定的技術框架、數據集以及工具等去構建面向各種場景的工作流。
現實中的很多工作流尤其是大型組織的一些工作流，比如製造業中由RPA連接的生產製造流程工作流，可能還沒有也不需要LLM的參與。但在具體的執行中，一個復雜的業務流程會被分拆成多個子業務流，整個業務流程中既有傳統工作流，也有需要業務人員操作的輕量化辦公類應用LLM的工作流。
同時，BPM、BPA、RPA、BI等企業管理軟件也在進化為融合LLM的AI Agent類應用，這就讓智能體工作流的集合變得更加多元化。
在《從Workflow到Agentic Workflow，25篇論文全面了解智能體工作流》一文中，我也簡單聊了對智能體工作流的看法。
在LLM應用越發普及化的前提下，目前很多工作流都是混合了傳統業務流程與智能體工作流。其中既有「四種模式」的工作流，也有傳統應用嵌入GenAI的工作流，還有簡單的直接應用大語言模型的工作流。
在王吉偉頻道（id：jiwei1122）看來，Agentic Workflow並非簡單的智能體工作流，而是包含傳統軟件（工具、解決方案）、大語言模型、AI Agent等在內的新型業務流程的集合。當傳統業務流程包含了LLM工作流或者Agent工作流，都可以視作Agentic Workflow。
目前的智能體工作流大體可以分為兩種類型：一是新興的AI工作流，也就是基於LLM的LLM/AI Agent工作流，原生LLM應用及AI Agent應用都在走這個路線；二是傳統工作流+LLM/AI Agent，傳統軟件通過嵌入GenAI技術實現LLM與AI Aggent的進化，進一步升級為智能體工作流。
在實現方式上，基本遵循嵌入式（Embedding）、副駕駛（Copilot）和智能體（Agent）。嵌入式也就是直接使用LLM，副駕駛模式類似於AI助手，Agent模式現在來看也就是智能體工作流。
三種方式，催生了目前的六種具體的智能體工作流類型，如下：
1、包含智能體應用的工作流：最簡單的智能體工作流，就是使用智能體應用的工作流，比如在Coze等平臺使用智能體進行小說、視頻等的創作；
2、使用大語言模型的工作流：直接使用大語言模型的反思、規劃、工具使用等功能，或者通過某些應用來調用和增強LLM的類似功能，比如使用文心一言、kimi等調用聯網、繪圖插件搜集資料或者繪製腦圖；
3、使用Copilot的工作流：Copilot實則更像是AI助手，可以調用LLM生成相關內容，也可以調用標準化的AI Agent；
4、用傳統軟件連接的工作流：智能體雖然好用，但目前大多都為輕量化辦公類應用，無法參與企業內部的復雜業務流程，但可以引用RPA等超自動化工具將輕量化LLM工作流與傳統工作流相連接，比如通過RPA連結報表生成和ERP內部人事業務流程；
5、硬件與軟件融合的工作流：目前已經出現了基於鼠標、鍵盤等PC外設的LLM產品，外形扔熱是鼠標和鍵盤，但能夠通過按鍵、語音等方式調用LLM應用，使用比較便捷，比如科大訊飛的AI鍵盤等，而手機已經在端側模型的加持下晉級成為智能體；
6、融合大語言模型的BPM及WMS的工作流：業務流程領域對於新技術有著較強的敏感性，GenAI技術在ChatGPT之前就已經得到應用，對LLM和AI Agent的探索也一直比較領先，目前BPM和WMS都已引入大模型並在探索AI Agent應用，某種程度上應用這些軟件系統已經是在應用智能體工作流。
▲ 人與AI協同催生的六種形式的智能體工作流，點擊看大圖
而具體到智能體本身的工作流，按照智能體的功能也可以將其歸類為六種形式，即自動化智能體工作流、交互式智能體工作流、協同式智能體工作流、嵌入式智能體工作流、自主學習型智能體工作流及創新型智能體工作流，每一種工作流的說明具體見下圖。
▲ 按智能體功能劃分的六種智能體工作流，點擊看大圖
需要說明的是，以上六種是目前常見的智能體工作流形式，但並不是智能體工作流的全部。因為原生智能工作流正在通過新型模型、API、插件、數據集以及更多方式進入傳統工作流的腹地，傳統工作流也在通過LLM、智能體、集成等方式衍生新型的智能能工作流範式。
新生代工作流會與傳統工作流不斷的融匯交合，在此消彼長的進程中構成龐大的Agentic AI業務流程範式。
而不得不說的是，在LLM與AI Agent快速普及應用的前提下，當你的組織在應用大語言模型後，業務流程和工作流就已經開始向智能工作流轉變了。比如在使用釘釘AI助理或者飛書智能夥伴的AI Agent功能的時候，你所做的業務流程已經是一個智能體工作流。
* 後記：另一個角度看智能體工作流
本文前半部分，王吉偉頻道用了很多文字介紹工作流與業務流程，目的是為了讓大家能夠更容易地理解今天的智能體工作流。從現在的Agentic Workflow發展情況來看，我們可以從狹義和廣義兩個角度來理解智能體工作流。
狹義上的Agentic Workflow，是一種由自主智能體（Autonomous Agent）驅動的工作流模型，在該模型中，智能體通過遵循預定義的規則和條件，自動執行任務和做出決策。這些智能體可以模擬人類的行為，進行復雜的任務管理和決策過程，從而提高工作效率和準確性。其核心在於其自動化和智能化的特性，能夠在動態和復雜的業務環境中表現出色。
廣義上的Agentic Workflow ，是一種與大型語言模型（LLM）交互和完成任務的新方法，它通過將復雜任務分解為多個子任務，並引導LLM按步驟完成每個子任務來優化工作效率。這種方法不是一次性地向LLM提出指令，而是采用叠代的方式，逐步完善任務結果，類似於寫作過程中的草稿、修改和潤色過程。每個子任務的輸出將作為下一步的輸入，形成循環往復的過程。
作為一種新興的AI應用模式，相比傳統方法，Agentic Workflow的優勢在於叠代優化、自主決策、適應性學習、處理復雜問題的能力以及自我優化和進化。這種工作流模仿人類的思考和修正過程，提高了準確性和質量，同時具備從經驗中學習並適應環境變化的能力。
可以說，它代表了從傳統一次性指令到多步驟自適應任務完成的轉變，為自動化和智能化領域帶來新方向。
事實上，從工作流和業務流程的定義來看，工作流更側重於具體任務的執行和流程自動化，但接下來基於大語言模型的BPM也將Agent化，業務流程的整體規劃、部署及運行也將在Agent的賦能下變得更加自主和智能，同樣也會產生大量的智能業務流程。
因此智能體工作流不足以表述當前組織對於大語言模型應用情況，或許叫智能業務流/智能流程/Autonomous process更貼切一些。而大語言模型所帶來的工作流和業務流程的自主化、智能化，也恰恰意味著大語言模型或者說GenAI所帶來的廣大組織的變革景象。
當然，BPM的GenAI化以及Agent化，仍然沒有超越Gartner所定義的智能業務流程管理軟件（iBPMS）的界限，AI Agent的應用仍然在包含在LLM的GenAI的範疇之內。
但AI Agent確實為iBPMS帶來了質的蛻變。AI Agent對iBPMS的影響表現在提升系統智能性、加強自主決策、持續學習與適應性、優化業務流程、提高執行效率、改善用戶體驗、風險管理與合規性、創新業務模式、促進數據驅動文化、支持遠程工作等方面。
這些優勢不僅提高了業務流程的效率和質量，還為企業帶來數字化轉型的加速、競爭優勢構建和新的增長機會。
此外，在當代的業務流程管理體系中，RPA已經成為必不可少的業務流程自動化技術。所以只要提及iBPMS一般也會涉及到RPA，兩種技術相輔相成，正在越來越多地被組織結合使用，以實現業務流程的自動化和優化。---(文: 王吉偉/來源: 鈦媒體)
