未来的工作流，UI将会消失，逻辑隐形于对话之间
当谈到在企业内部用AI重构工作流时，很多人第一反应是“加个聊天机器人”。但真正的变革远不止于此——核心是从**“表单驱动”向“意图驱动”**的转变。
想象一下这样的场景：
员工不用再打开OA系统、找到入口、填写繁琐表单，只需在IM工具上说一句“我明天发烧想请一天假”，系统自动完成后续所有操作。
这不是科幻，而是完全可以落地的设计思路。今天，我们就以请假考勤和文档审批这两个典型场景为例，拆解AI工作流系统的三层设计。
第一层：智能输入——从“填表”到“对话”
传统模式：员工需要登录OA系统，找到请假入口，选择日期控件，填写理由，最后提交。这一系列操作平均耗时3-5分钟，如果遇到系统卡顿，时间更长。
AI模式：系统支持自然语言输入，直接提取结构化数据。
设计要点：
NLP意图识别与实体提取：利用大语言模型，将“我明天因为发烧想请一天假”自动转化为JSON对象：
{
“意图”: “请假”，
“类型”: “病假”，
“开始时间”: “2024-01-15”，
“天数”: 1，
“理由”: “发烧”
}
上下文补全：如果用户只说“请假”，AI应主动反问：“请多久？什么类型？有医院证明吗？”通过多轮对话收集完整信息。
实际交互效果： 员工：“请假” AI：“请问您要请什么类型的假？需要请假几天？” 员工：“事假，半天” AI：“好的，已为您创建事假申请，时长半天。是否需要提交说明？” 员工：“下午要去银行办事” AI：“已记录理由，正在为您提交申请...”
第二层：智能路由——从“人工流转”到“动态风控”
对于请假和文档审批，最大的痛点是审批链条长、流程僵化。AI可以在此处充当“守门员”和“路由器”。
设计要点：
规则+模型双重校验：
规则（硬性）：年假余额是否充足？文档格式是否正确？是否包含必填字段？ 模型（软性）：请假理由是否合规？文档内容是否包含敏感词或违反公司法律条款？
自动审批机制：对于低风险请求，AI可直接通过，仅通知主管备案。
哪些属于低风险？ ✅ 年假余额充足的1天年假申请 ✅ 有医院证明的半天病假 ✅ 普通文档的格式修正申请
哪些需要人工介入？ ❌ 连续请假超过5天 ❌ 涉及敏感部门的跨部门协作 ❌ 合同金额超出常规范围的审批
智能审批逻辑示例：
def process_leave_request(user, leave_data):
# 规则检查
if leave_data[“type”] == “年假”：
balance = get_annual_leave_balance(user)
if leave_data[“days”] > balance：
return {“action”: “reject”, “reason”: “余额不足”}
# 风险评估（AI模型）
risk_score = ai_risk_assessment(user, leave_data)
if risk_score < 0.3 and leave_data[“days”] <= 2：
# 低风险，自动审批
auto_approve(leave_data)
notify_manager(“您的下属XXX已自动请假成功，仅作告知”)
return {“action”: “auto_approved”}
else：
# 高风险或超时，转人工
route_to_manager(user.manager, leave_data)
return {“action”: “pending_manual”}
第三层：智能辅助——从“阅读全文”到“摘要高亮”
对于文档审批（如合同、立项书、采购申请），管理者通常没有时间逐字阅读。AI应提供“阅读辅助”功能。
设计要点：
智能摘要：自动生成100字的核心摘要——合同金额、交付物、截止日期、关键条款。
风险高亮：利用RAG技术，将待审文档与公司《合规手册》或《历史标准合同》进行比对，标出差异点和潜在风险。
Q&A助手：审批人在审批界面直接问AI：“这份合同的赔偿条款和去年有什么不同？”，AI即时回答。
文档审批界面效果：
【AI智能摘要】
合同类型：技术服务合同
合同金额：￥500，000
签约方：XX科技有限公司
关键日期：2024-06-01至2024-12-31
主要条款：分三期付款，最后一期20%作为质保金
【风险高亮】
⚠️ 注意：付款周期与公司标准不符
- 标准要求：3331付款比例（30%-30%-30%-10%）
- 本合合同：3322付款比例（30%-30%-20%-20%）
- 差异分析：最后一期质保金比例偏高，建议与法务确认
【智能问答】
问：这份合同有违约金条款吗？
答：是的，第8.3条规定，逾期交付按合同总金额的0.05%/天计算违约金，上限为合同总额的10%。
系统架构：Agent + Workflow Engine
要落地这套系统，建议采用智能体+工作流引擎的混合架构：
前端交互层（Copilot）： 嵌入在IM工具中的聊天机器人（钉钉、飞书、企业微信），用户直接对话，无需打开独立App。
编排层（Orchestrator）： 使用LangChain或Semantic Kernel，负责识别用户意图，调用相应插件——是发起请假流程还是查询文档。
执行层（Backend）： 保留传统的BPM引擎（如Camunda、Flowable）。AI只是作为API调用者（发起流程）或监听者（分析流程数据）。核心数据写入和状态流转必须保证事务性，不能完全依赖LLM。
架构代码示例：
# 意图识别与路由
@app.post(“/api/chat”)
async def chat_handler(message: str, user_id: str):
# 1. 识别意图
intent = await llm.recognize_intent(message)
# 2. 路由到对应handler
if intent == “leave_request”：
leave_data = await extract_leave_info(message)
return await leave_handler(leave_data, user_id)
elif intent == “document_query”：
doc_id = await extract_doc_id(message)
return await document_handler(doc_id, user_id)
# 3. 传统流程引擎调用
elif intent == “start_process”：
process_data = await extract_process_data(message)
return await workflow_engine.start_process(process_data)
总结：未来的工作流
未来的企业内部工作流，UI将会消失，逻辑将会隐形。
请假：变成了一句话的事。系统自动查余额、自动填单、低风险自动批。员工只需要说“我明天想请一天年假”，剩下的交给AI。
文档审批：变成了“审批建议”的确认。AI帮你读完文档，告诉你“这份合同没问题，除了付款周期比标准晚了3天”，你只需要点“同意”或“驳回”。
这不仅提高了效率，更重要的是将员工从繁琐的流程操作中解放出来，让他们专注于更有价值的工作。表单正在消失，对话即将成为新的操作界面。
你准备好迎接这个转变了吗？
