从工作流到智能体编排 | Mendix

跳到主要内容

从工作流到智能体编排 

关键要点

  • 不要盲目追捧:实现智能AI最明智的方法是从你已经了解和理解的业务流程入手,而不是从零开始构建自主代理。
  • 智能体编排是指在整个流程中协调人工智能、自动化和人类任务以推动结果,而不是简单地将人工智能放入现有的工作流程中就认为完成了。
  • 如果你已经在使用了 Mendix 工作流程方面,您已经领先一步:您的流程结构、决策点和交接环节都已规划好,为您负责任地引入代理能力奠定了完美的基础。
  • 成功的智能体系统建立在深思熟虑的设计选择(包括保留人类监督的方面)之上,而不仅仅是接入最新的人工智能模型。

明智之举:在代理人之前完成流程。

智能体人工智能正迅速成为企业软件领域最热门的话题之一。诸如人工智能代理、人工智能赋能的代理系统和代理编排等术语层出不穷。

如果你正在探索这个领域,最安全有效的起点并非完全自主的代理,也并非最大限度的自主性,更不是仅仅因为技术可用就将人工智能添加到你的软件中。

正确的入手点其实很简单:

从你已经了解的业务流程入手。

如果该过程已经用以下方式建模: Mendix 工作流程方面,您可能已经拥有以负责任且可维护的方式引入代理功能的最佳基础。

智能体编排在实践中意味着什么?

让我们把这个术语说得更实际一些。

智能体编排是指在业务流程中协调人工智能驱动的能力、系统和人类任务,以达到预期结果,并实现一定程度的自适应决策。

这个定义很重要,因为并非所有人工智能能力都是智能体,也并非所有自动化流程仅仅因为在某个地方使用了人工智能就成为智能体。

智能体编排并非仅仅是“工作流程中的人工智能”。它涉及以下方面的结合:

  • 流程结构
  • 人工智能支持的推理或解释
  • 各步骤中的操作
  • 与系统和人员的互动
  • 根据上下文或中间结果进行调整

换句话说,这不仅仅是生成文本或对数据进行分类。它还关乎推动工作进展,而在这个过程中,某些决策或行动需要灵活性。

这也是为什么协调至关重要的原因。真正的价值往往不在于某一次孤立的AI调用,而在于如何将AI功能与工作流程、业务规则、系统和人工监督相协调。

先关注过程,而不是炒作。

当一种新的技术趋势出现时,人们很容易从最先进的愿景入手:自主代理做出决策、与其他代理协作并动态适应不断变化的情况。

那样的未来或许会成为现实,但对大多数组织而言,最有价值的第一步要务实得多。

在问“我可以在哪里添加代理?”之前,不妨先退一步,看看现有系统。想想你的应用程序已经支持哪些业务流程,以及它们目前的运行情况如何。思考一下哪些环节存在瓶颈、重复步骤或不必要的延迟,导致用户效率低下。问问自己,用户在哪些方面难以做出决策,能否从一些智能辅助中受益。同时,确定哪些任务结构足够清晰,可以实现自动化,但又足够灵活,人工智能可以真正创造价值,而不仅仅是增加复杂性。

这就是为什么现有的业务流程是如此强大的起点。它们已经代表了真实的工作、真实的用户和真实的价值。与其从零开始构建智能体场景,不如在现有基础上进行改进,逐步完善。

实用技巧

已经有一个 Mendix Studio Pro 的工作流程?用它。分享它 Maia 然后询问摩擦点在哪里——潜在的瓶颈和重复步骤,以及可能导致流程放缓的时刻。接着询问人工智能可以在哪些方面真正创造价值,同时密切关注每个机会的结构是否足够完善以实现自动化,以及是否足够灵活以真正受益于人工智能。 你会发现,找到第一个有意义的应用场景比你预想的要快得多。

Mendix 工作流程是自然的基础

In Mendix 应用程序和业务流程通常使用以下方式建模: Mendix 工作流。这使得工作流成为进入代理编排领域的一个非常实用的切入点。

如果您已经在应用中使用工作流,那么您就拥有明显的优势。您的流程已经清晰明确且结构化。角色、任务和交接环节一目了然。因此,决策点已经可以识别,从而更容易发现自动化机会。

换句话说,工作流在你开始添加智能功能之前,会为你提供一张路线图。

这一点至关重要,因为缺乏清晰流程的智能体系统很快就会变得难以理解、管理和维护。如果您了解工作流程、相关人员以及预期业务成果,就能更好地判断人工智能驱动的功能在哪些方面真正能够创造价值。

如果您还没有使用工作流呢?

那么现在或许是重新审视这个问题的合适时机。

即使没有人工智能,工作流程仍然很有价值,因为它们有助于实现以下目标:

  • 让你的申请更有条理
  • 随着时间的推移,可维护性会更好
  • 开发人员和业务利益相关者之间更清晰的协作
  • 更好地了解应用程序如何支持业务流程

最后一点尤为重要。如果业务利益相关者能够理解流程,他们就能更有效地为改进流程做出贡献。而且,如果流程易于理解,就更容易确定自动化或智能行为自然地融入到哪些环节。

因此,即使你的直接目标是探索人工智能代理,引入工作流程也可能是你所能采取的最明智的赋能步骤之一。

只有在证明了其价值和可靠性之后,才应该扩大代理商在流程中的作用。

这种方法有助于团队以可控且符合业务需求的方式从实验阶段过渡到生产阶段。

智能体编排需要设计,而不仅仅是技术。

这个领域最重要的教训之一是,成功的智能体系统并非只是简单地插入一个模型就能创建的。

它们需要精心设计。你需要仔细思考流程的起点和终点,代理在每个步骤中应拥有多少自主权,以及哪些环节必须保留人工监督。你还需要考虑系统如何优雅地处理错误,如何进行长期管理,以及其行为是否能够向依赖它的人员解释清楚。或许最重要的是,它的构建方式必须能够随着流程的演进而持续维护。

这就是流程建模如此重要的另一个原因。如果你无法解释当前流程的运作方式,那么当引入人工智能驱动的行为时,管理起来将会更加困难。

智能体编排并非要取代流程设计,而是要对其进行演进。

常見問題解答

  • AI赋能和AI代理之间有什么区别?

    人工智能赋能是指人工智能用于辅助完成流程中的特定任务——例如,总结文档、对请求进行分类或撰写电子邮件。这些都是很有价值的功能,但它们仍然是独立的、孤立的人工智能辅助步骤。当人工智能开始跨多个步骤追求目标,并根据上下文决定下一步行动,使用工具或系统完成工作,并根据中间结果调整自身行为时,它就具备了自主性。简而言之:人工智能赋能是指人工智能辅助完成任务。自主性是指人工智能在一定程度上通过自适应行为,帮助推动目标在不同步骤中向前发展。

  • 我的应用程序中所有人工智能功能都需要是智能体吗?

    绝对不是——这一点至关重要。并非所有人工智能的应用都需要设计成智能体编排。许多流程无需智能体也能从人工智能赋能的步骤中获益匪浅。明确你的构建目标有助于避免过度设计,并确保应用程序的可维护性和可解释性。从真正能创造价值的功能入手,仅在流程真正需要时才引入智能体行为。

  • 如果智能体如此强大,为什么不让一切都实现自动化呢?

    因为完全自主很少是最现实或最有价值的目标。更实用有效的模型是将工作流结构应用于整体流程,自动化用于确定性和可预测的步骤,代理用于灵活且上下文相关的步骤,并在真正需要监督、问责或专业知识的地方引入人工干预。这种分层方法能够在不牺牲控制、治理或可维护性的前提下,带来真正的业务价值。

  • 如何判断我流程中的某个步骤是否适合进行自主行为?

    寻找那些并非完全确定性但仍有明确目标的步骤。如果某个步骤需要解读上下文、在不同选项之间做出选择、协调跨系统操作,或者根据流程早期发生的情况进行调整,那么它可能适合采用智能体行为。如果任务简单直接、基于规则,那么人工智能驱动的自动化可能更合适、更简单。如有疑问,请从最简单的方案入手,逐步改进。

选择你的语言