AI 如何实现Agent的业务流程自动化和价值表现？
随着人工智能、大数据等技术的发展和应用，企业对自动控制的需求变得更加智能化、信息化和集成化。传统的机器人流程自动化（RPA）、业务流程自动化（BPA）低代码应用平台（LCAP）等待技术在企业应用中发挥着重要作用，但是它们之间的技术重叠也给企业带来了选择与整合的挑战。
在报告中，Gartner《Beyond RPA, BPA and Low Code — The Future Is BOAT 》新概念——业务安排和自动控制提出（BOAT： business orchestration and automation technologies），探索公司应用程序未来的新发展趋势。
大型技术的发展带动了业务安排和自动化平台的发展
BOAT是一种新兴的软件技术趋势，旨在整合和促进业务流程的自动化和安排。BOAT平台通过各种集成方式连接不同的企业系统，提供端到端的业务流程自动化能力。
- 自动控制的重叠促进了市场的整合
随著RPA技术的不断发展，现有RPA技术也在不断发展。、BPA、iPas和LCAP供应商已经提供了业务流程安排、智能文档处理、流程挖掘等共同能力。不同的自动控制快速重叠，促使企业应用领导者开始寻找一个端到端需求的平台，可以全面覆盖各种自动化用例。
- 未来的自动化是自主的。
专业和生成式AI技术的发展是这些未来自动化平台的关键驱动因素之一。这些技术通过赋予智能、自主和适应三个特征来增强自动化工具的能力，即流程执行和流程优化。
而且随着大型RPA技术的发展，大部分RPA、BPA、软件供应商LCAP和iPaaS都致力于设计。模型选择、升级、内容生成和智能代理产品路线图。
- 模型选择：为亚马逊提供强化的AI技能和工作室，拓展亚马逊，Anthropic、通用LLMs访问谷歌和OpenAI等企业，并开发专有、专业的LLMs，具有默认和定制提示。
- 提升：微调LLMs以满足金融、保险、医疗保健等行业的特定需求，使其更具上下文感知能力。
- 内容生成：在平台上嵌入LLMs，帮助客户进行智能内容生成、内容分析、代码生成、流程文档化、AI辅助测试等。
- 智能代理：构建一个能够对话和感知语境的智能代理，并实现对应事件的智能化。这些代理人可以被安排去执行一系列的端到端任务。
除了BPAT平台之外，BOAT平台还包括BPAT平台、除了RPA和iPaaS等技术的共同能力外，还嵌入了智能文档处理和过程挖掘、生成AI等技术。其中，生成AI能力更注重Prompt驱动的开发、工作流设计、内容生成、非结构化数据提取、多个LLMs的安排等能力。
Gartner认为未来自动化是由“AI优先”能力驱动的自主化。一般可以使用BOAT平台：
- 支持工作流程的长期运行，规则复杂。
- 由AI 智能安排和自主规划由Agent驱动的任务。
- 自动化日常任务。
- 智能抽取非结构化数据。
来源：Gartner报告
如何将AI 与企业现有的IT架构相结合的Agent
基于BOAT的概念，我们在实践探索中认识到，AI Agent与企业现有IT架构的结合尤为重要。Agent的一个重要价值就是把它与众不同。现有系统中的有效数据与知识相结合，参照企业的组织结构和流程，将实际需求场景与业务数据联系起来，AI Agent实现流程的自动安排，将组织流程的自动化推向流程的智能化，并在实际场景中重塑或优化企业的流程和专家知识。
图片来源：澜码科技
我们将在这个产品设计架构中， AI Agent 生态与公司现有的IT架构——包括现有的软件系统、数据库和分析平台，实现深度整合。通过这种组合，可以更好地包装业务的关键特性，使得Agent有三个非常重要的功能:行动，参考和洞察。
- 行动：AI Agent与各种现有软件系统无缝合作，有效实现数据交互和工作流程的自动执行；
- 参照：AI Agent还可以准确地从现有数据库中获取丰富的信息和知识，为决策提供坚实可靠的参考。
- 洞察：通过对数据的深入分析和挖掘，Agent 能对业务中的潜在方式和趋势有一个敏锐的洞察，为用户提供有价值的意见和建议。
例如，我们可以将营销管理Agent与企业目前使用的IT系统相结合，包括客户关系管理系统。（CRM）、公司资源规划系统（ERP）一些销售IM工具的分析系统，使其具备行动、参考和洞察的能力，帮助企业实现更高效、更智能的营销管理，从而实现商业价值。
图片来源：澜码科技
在行动能力方面，营销管理Agent通过数据输入、订单处理等自动执行销售过程中的常规任务来提高销售效率。具体来说，当客户下单时，Agent可以自动从CRM系统中准确获取客户信息，从ERP系统中检查库存，并在销售自动化工具中生成订单。
在参考能力方面，营销管理Agent可以参考历史销售数据和最佳实践案例，为销售人员提供决策支持。例如，当销售人员面对潜在用户时，Agent可以深入分析客户的历史消费行为和偏好，并提供个性化的销售建议。
在洞察力方面，营销管理Agent可以利用大数据和挖掘来洞察销售过程中的潜在问题和机会。例如，Agent可以根据客户的需求分析销售数据，发现某一地区销售业绩增长趋势的变化，并及时向管理层发出预警，以便及时调整策略，采取措施。
自动编排可组装的业务单元是实现Agent自主化的有效途径。
目前，企业内部的数字化基本上只记录了人与人之间的互动、具体的业务对象和业务规则。然而，业务流程和业务安排几乎没有记录，更不用说人们在决策过程中的各种演绎和重复了。
基于此，我们可以通过模块化组装和自动安排，预设工作流程、业务目标和业务数据，快速构建工作流程，满足其灵活性需求。也就是说，通过智能AI 自动安排Agent，可以实时调整和优化业务流程，保证资源的高效配置和应用。
在我们看来，企业的业务流程可以分为以下四个层次：
图片来源：澜码科技
- 工作流程（Process）：过程由多个部门或多个角色协同完成，每一个过程都有明确的目标。
- 业务活动（Activity）：工作流程通常由多项业务活动组成。商业活动通常由单个角色或同一个角色的人完成。
- 业务任务（Task）：商业任务由多个业务步骤组成，具有上下文相关性，但与时间无关。
- 业务步骤（Step）它是业务任务中最小的操作模块，涉及单个角色或人员，通常是具体的操作步骤，与前后文和时间无关。
以银行情况为例，公共客户经理的产品营销是一项业务活动。这项业务活动可以分为:在销售前挖掘客户需求，在销售中分配产品个性化等业务任务。这些业务任务可以分解成用户画像分析、常见商品问题答案、客户需求识别、产品个性化配置、表格智能填写等多个业务步骤。
根据业务的复杂性，业务任务可以分为简单的业务任务和复杂的业务任务。对于简单的业务任务，我们可以通过安排工作流来快速实现简单的业务任务。以体检报告的处理为例，通过工作流程，可以高效准确地从体检报告中获取特定的信息，如各种生理指标，可以自动提取专业的医疗意见，为医生的诊断和患者的健康管理提供有力支持。
而且对于繁杂的业务任务，我们可以通过对话流 对问题进行改写、扩写、反问等功能完成记忆部件。这一方法能更准确地理解和澄清任务要求，促进AI Agent能更好地理解客户的意图，提供个性化的解决方案。例如，在医疗分诊场景中，系统可以通过与患者的对话，准确评估疾病的紧急程度和所属部门，确保快速准确的分诊，从而提高医疗资源的利用效率。
一项完整的业务活动或工作流程的实现，将更加依赖AI Agent自动安排业务任务的能力:多个业务任务可以并行计算，更多的任务可以根据用户的选择动态生成，从而更好地完成业务活动。例如，在银行复杂的业务环境中，不同的业务任务可能有不同的模型和模型。 Agent 去处理，比如客服 Agent、风险评估 Agent、Agent等产品营销。通过多 Agent 协作，帮助企业提高效率，降低成本，也进一步证明了这一点。 AI Agent 与大型模型的差异化价值。
通过AI Agent可以自动安排业务任务，完成更复杂的业务活动和工作流程，可以有效地数字化过去的专家知识和技能，为下一阶段更先进的阶段沉淀下来。 AGI 发展提供“燃料”。同时，从工程价值的角度来看，结合OpenAI最新发布的o1系列模型，它开启了异步推理的方式，这也意味着它正在考虑。 ROI(投资收益率)，采用多模型， Agent 跟多 Agent 实现协作的方式变得势在必行。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com