企业AI战略：AI代理与AI模型
将工作流自动化与预测智能相结合的蓝图
来源：作者使用AI生成的图片
潮流的改变：一个快速的轶事
几年前，我曾与一家大型跨国企业合作，优化他们的从订单到现金（Order to Cash，O2C）流程。我们建立了一个强大的业务流程管理（Business Process Management，BPM）架构，将其与中间件集成，并自动化了常见的流程：开票、账单和订单跟踪。项目非常成功——直到公司意识到，他们的数据分散在多个信息孤岛中。他们需要更深入的洞察和预测，而不仅仅是一个流畅的工作流。
“我们的流程引擎能预测需求吗？”CFO问道。
来源：作者使用AI生成的图片
当时的答案是：“其实不行——除非我们引入一个独立的AI解决方案。”
快进到今天，我们看到了新的、更强大的AI代理，这些代理能够协调工作流并调用AI模型进行决策。自动化与智能之间的差距终于缩小了，这为企业带来了更强的运营韧性和竞争优势。
为什么在2025年及以后这很重要？
因为企业需要同时处理两者：繁琐的基础工作（例如创建采购订单、记录发票等）和战略性的洞察力（例如预测、风险建模、个性化推荐）。
• 如果仅仅自动化繁琐的工作，而不利用AI赋能战略决策，你将错失颠覆性的创新机会。
• 相反，如果你采用了复杂的AI模型，却没有一个强有力的运营基础，这些想法可能会困在无法管理的流程中。
关于“紫色人”的意义
“紫色人”是那些能够在业务与技术之间架起桥梁的宝贵人才——他们同样擅长战略目标和技术现实。我书中的框架专为这些人设计，旨在向他们展示如何领导与企业核心目标一致的AI驱动的变革。
从BPM与中间件到AI代理
几十年来，BPM和中间件解决方案一直是企业环境中的无名英雄。可以将BPM想象为“乐团指挥”，告诉各种应用、人员和数据源何时发挥作用。而中间件则是“通信枢纽”，确保数据在系统之间无缝传递。
但是传统的BPM能力有限。基于规则的流程可以处理简单的条件：“如果发票过期，则发送电子邮件。” 但当现实世界出现不确定性、例外情况或需要快速适应时，静态规则就无法跟上。
AI代理的出现：它们在BPM的基础上增加了记忆、链接和灵活的决策能力。它们可以回忆流程中的早期步骤，基于新数据动态调整，并协调多个AI模型以实时应对变化。
来源：作者使用AI生成的图片
这一演变意味着，BPM不再局限于“如果-那么”脚本——现在，它可以基于AI模型的预测洞察调整和重新路由，从而强化更具韧性的流程。
自动化（AI代理） vs 智能（AI模型）
关键要点是：AI代理与AI模型并不是一回事，尽管它们常常携手合作。
AI代理（自动化）
• 理解为“数字工人”，执行任务。
• 运行在BPM或工作流系统内或其上，协调逐步操作。
• 具备“记忆”和“链接”功能——即它们能够在步骤A发生后，将上下文延续到步骤B。
• 示例：在采购流程中，AI代理检查库存水平、比较供应商报价，并在最小化人工干预的情况下发出采购订单。
AI模型（智能）
• 数学或统计引擎，提供洞察、预测或建议。
• 通常基于大数据集训练——例如机器学习、神经网络或大型语言模型（LLMs）。
• 示例：预测销售量的需求预测模型，或分析客户反馈并推荐新产品功能的LLM。
一个负责“做事”，另一个负责“思考”。
来源：作者使用AI生成的图片
通过将两者结合，你可以实现闭环：AI代理协调任务，调用AI模型进行分析，然后带着新情报返回工作流。这种协同作用能够显著减少错误，提升适应市场变化的能力，并释放团队专注于创造性问题的解决。
现实场景：使用AI升级O2C
传统BPM
• 有一个工作流，在发货后触发发票，设置付款提醒，并在ERP中更新库存。
AI增强的O2C
• 一个AI代理持续监控订单。
• 如果高价值订单逾期未支付，代理调用一个基于历史付款数据训练的信用风险模型（AI模型）。
• 根据风险评分，代理要么上报给信用控制团队，要么发送个性化的部分结算优惠。
在这个场景中，协同作用显而易见。代理是执行任务的行动者；模型则提供预测智能。两者结合可以减少收入损失，改善客户关系，直接影响企业的营收增长和运营效率。
市场方向：Anthropic、微软、OpenAI等
Anthropic的研究强调通过结合大型语言模型（LLMs）与工具和记忆，构建灵活、以模型驱动的决策系统。其他参与者如微软的Copilot和OpenAI的ChatGPT插件，也在集成“类似代理”的编排层，以实时管理数据检索、调用外部API并适应用户或系统输入。
一致的主题非常明确：每个主要的AI供应商都在竞相为企业提供一个不仅能回答问题还能执行行动的代理。这种行动驱动的方法直接建立在BPM理念之上——“流程编排与AI相结合”——并突显了为什么现在是企业制定AI路线图的理想时机。
行动步骤与结论
业务和技术领导者如何实现切实的成果——如降低成本、提高收入或减轻风险？
- 利用熟悉的框架
o 不要放弃BPM或中间件，而是通过具有灵活性和记忆功能的AI代理来丰富它们。
o 这一策略降低了“推倒重建”项目的风险，并帮助你在既定流程中保持合规性。
- 识别合适的模型
o 确定关键决策点（例如供应商评估、预测、资源分配），这些地方AI模型可以带来真正的投资回报。
o 确保它们的集成能够解决实际的业务痛点，而不仅仅是为了“炫技”。
- 尝试试点项目
o 从小处着手——比如在单一业务流程中，将一个AI代理与预测模型集成。
o 展示快速成功，并验证其与合规性或数据隐私要求的对齐。然后再扩大规模。
- 预见陷阱并设定防护措施
o 没有高质量数据或适当监督，AI驱动的工作流可能会失败。
o 确保制定模型漂移监控计划、合规性检查以及为异常情况设置人工升级路径。
- 赋能你的“紫色人”
o 企业中的“变革架构师”通常处于业务战略与技术的交汇点。
o 为他们提供培训、权限和工具，领导基于代理的转型。他们在两个领域的流畅度有助于将AI计划与更广泛的组织愿景对齐。
最终，你现有的BPM知识并未过时。AI代理代表了一种自然的进化，提供了更动态的自动化可能性。结合能够提供预测能力的AI模型，你的企业可以将流程从简单的基于规则的流转化为适应性强的智能生态系统——减少人工工作，提升客户体验，释放新的创新周期。
我希望这篇文章能解开AI代理和AI模型之间的区别，同时展示两者如何融入熟悉的BPM环境。如果你想更深入了解——从准备评估到实际的Python代码——我的书《Enterprise AI: Strategic Blueprint for Purple People》将指导你一步步完成框架搭建。
记住：企业AI的未来不仅仅在于构建复杂的模型；而是将这些模型编织到你的工作流、任务和决策中，每一天为你的业务提供动力。AI代理提供了这些新能力的支架——动态、上下文感知，并准备好将你的组织提升到一个更智能、更具韧性的未来。
