智能體驅動：企業從“界面操作”到“智能助力”的必然路徑

背景

如何讓AI在企業中真正落地，尤其是對組織和業務流程都很復雜的中大型企業而言，答案并非單點的模型優化，而是一場“界面范式”的變革。在信息化時代，業務人員通過系統界面進行業務操作，界面也承接了系統內在的各項配置，可以說界面連接了系統與業務。當業務有更多需求或者某些流程變化時，傳統信息化的主流做法，是在系統之上不斷“堆疊界面”，把繁多的配置與選擇留給一線用戶：每一步都要求一線員工在多個下拉框、勾選項與跨頁面的依賴中自行判斷與組合，這就要求一線員工不僅懂得所有的相關業務規則，同時還要對當下的情景有理解與判斷。久而久之，便演化為“系統不好使、響應太慢、數字對不上”的集體體驗。而在中大型企業的業務運營中，常常存在著溝通成本高、線下執行環節無記錄難回溯、數據不一致、數據缺失等困境。

我們探索出的應對方案是“協同在線”

這是一種以消息為紐帶，將人、權、事進行串聯的新交互范式，旨在滿足實際業務運營場景的需求。

“協同在線”的架構主要包括四個“在線”：業務在線、溝通在線、組織在線和權限在線。其中，“業務在線”的核心是“拆界面”，即按照業務流解耦系統功能，將每一個最小操作節點封裝為一張可交互的H5工作卡片。用戶無需在復雜多重的系統界面中尋找路徑或進行繁瑣配置，只需在手機端通過消息直接觸達待辦節點，點擊卡片并按提示完成操作即可。這種“H5卡片”可理解為移動端的輕量業務界面，天然支持表單填寫、狀態反饋、校驗與回執，是實現精準操作推送、讓業務流程在“業務現場”流動起來的重要載體。

“組織在線”能夠實時呈現組織結構，明確“誰在崗位上以及他們相互之間的組織關系”；“權限在線”則規定了“在這一業務流中不同崗位人員所具有的權責”。借助組織與權限的聯合約束，系統可對H5卡片進行動態授權，確保“哪個節點由誰處理、誰可閱知、誰需審核”被精確匹配與自動分發，從而實現消息和H5卡片在工作群內“主動找到”應處理該節點的相關崗位人員，進行定向提醒或查閱推送。工作群內匯聚了該任務所涉及的所有崗位人員，因而形成“一個工作群、千人千面”的溝通形態，這正是“溝通在線”的體現。而這些工作群的創建與管理，也依托于“溝通在線”所提供的流程編排與群組治理能力實現。

“協同在線”以“按業務流生成H5卡片并定向推送”的方式，取代了“人找系統、人找人”的傳統運作模式，實現了“系統找人、事找人”的創新模式，顯著減輕了用戶在配置、學習、執行和溝通協作方面的負擔。用戶無需使用鍵盤和鼠標，僅需點擊手機工作群中推送給自己的H5卡片，即可輕松完成相關事務處理，這樣就完成了系統頁面交互的第一次變革。

協同在線

在企業具體運營過程中，任何業務場景中的業務流都有一個任務起點。在“協同在線”模式下，由負責源頭操作節點的業務人員通過系統操作或觸發H5卡片來啟動業務流。該操作會自動生成消息及下一個業務操作節點——即下一張H5工作卡片，并推送至對應的工作群中。

每一個H5卡片都對應業務流中的一個最小操作節點。完成當前節點后，系統會自動沿業務流生成下一張卡片并進行定向分發，從而將多個最小節點首尾銜接為完整閉環。消息能夠在所有相關的工作群中聯動流動，編織成企業運營的“流程網絡”。

這一機制有效修復了信息化時代業務運營中“數據流不完整”的問題。所有操作都在在線化過程中被實時、全面、精準和結構化記錄，形成可全程追溯的過程數據，為企業運營與分析提供堅實的數據基礎。

完善的業務平臺及統一的數據平臺支撐一體化的協同應用

在協同在線的建設過程中，會對所有業務流中的每一個最小業務操作節點進行逐一拆解。與此同時，“拆”與“合”必須并行推進，才能實現系統性的協同。全域數據平臺承擔了“合”的職責，負責對業務運營全量過程數據進行統一采集（“進”）、統一治理與存儲（“存”），并最終服務于各類業務應用與分析（“出”）。數據平臺對“進、存、出”全過程實施整體性管理，“管”的核心是實現兩個統一：數據背后所承載的業務語言的統一與數據標準的統一。這兩項統一也直接反映了一個企業的綜合管理水平。

每一個最小業務操作節點都會產生數據，并可能影響其他相關數據。所有這些操作和變更數據，都需遵循“進、存、出、管”的閉環流程，最終提供給與該操作節點相關的崗位人員查看。查看過程同樣通過H5卡片完成，并與對應業務操作節點的H5界面實時聯動。通過這些H5界面，業務操作節點所產生的數據得以完整、清晰地呈現，從而確保了業務流在整個操作過程中的數據真實性與一致性。

通過協同在線與數據平臺的建設，我們以“最小業務節點在線化 + 數據標準化”奠定了流程自動化的基礎，這也成為探索AI應用落地的重要根基。H5卡片將每個最小業務操作節點的動作與數據串聯起來，實現業務流的可視化與全程可追蹤。

每條業務流都具備明確的起點與終點，過程中往往涉及跨崗位、跨團隊甚至跨部門的協作。協同在線使整個流程清晰可見：哪些節點僅需傳遞與確認，哪些必須人工處理或審批，一目了然。這種顯性化的流程結構，為自動化提供了扎實的依據。

隨著協同在線在組織內廣泛推廣和使用，以及數據平臺在各業務領域的持續完善，我們逐步實現了大量最小業務流的流程自動化。在此基礎之上，我們開始構建AI Agent系統（智能體）。

這些Agents被定義為多個具備“感知—計劃—能力調用—反饋”閉環能力的業務執行體。其核心不僅能夠“理解業務語言”（會聊天）、“識別場景上下文”（曉語境），還具備“調用系統功能”（能執行）的能力。智能體調度器將大量已自動化的最小業務流編排為可執行任務流程，這些任務和流程進而成為智能體平臺中可復用、可組合的“能力組件庫”。

AI Agent：從系統固定編排建設邁向AI智能編排調度，從單智能體進化為多智能體自主協同

員工只需向智能體平臺提出任務需求，平臺便會依據所提業務場景來編排相應的自動化流程來執行業務任務：自動觸發相關H5卡片、完成表單校驗與單據提交、通知應知人員，并在關鍵環節請求人機協同審核。整個過程的執行狀態與數據實時回顯至相關角色。未來，將進一步演進為多智能體基于業務意圖的協同：員工的一句話可能涵蓋多個流程，AI可從線性編排升級為網狀編排，跨場景聯動并自適應調度。這正是AI智能真正融入企業日常業務運營、成為用戶“業務助理”的落地路徑，也是繼首次系統頁面交互變革之后，在業務過程深處嵌入人機協同與意圖驅動的又一次升級，推動技術概念向實際價值的智能助力轉化。

以我們企業內部流程“店鋪退貨至工廠”為例：廠家收到一個退貨快遞，但沒有貼“退廠二維碼”（用以識別系統中對應的退廠單的二維碼），因而無法完成收貨和后續的流程。過去，發生這樣的情況，需要進行多次的點對點跨部門的溝通確認信息：工廠人員找地區資訊，地區資訊找城市貨管，城市貨管再找店鋪的該退貨店員。

顯而易見，其中地區資訊、貨管人員都是進行信息確認與傳遞的，耗時耗力。而現在有了“貨品AI助理”之后，工廠人員只需要向“貨品AI助理”反饋，“貨品AI助理”會按快遞單號自動找到退廠發貨單，并自動生成退廠標貼的二維碼給工廠人員；當“貨品AI助理”在系統中沒有找到能對應上的退廠發貨單時，會根據快遞單號自動找到對應的店員，在工作群里發信息和H5卡片，H5卡片中已把可能相關的退廠單據反饋出來；店員直接在該H5卡片中確認這單退貨對應的單據；“貨品AI助理”就實時將店員操作的信息轉遞給工廠，并附上單據二維碼。于是，店鋪與工廠就“直接”連接上了。

在“店鋪退貨至工廠”的場景中，店員還可以直接與“貨品AI助理”對話，要求“貨品AI助理”快速獲取某個退單進程信息并一鍵催審直至流程閉環，生成的審核H5卡片會自動找群、自動找到審批人；審核人則可以簡化過去人工去查看圖片、分析瑕疵原因、核驗商品是否過季等環節，“貨品AI助理”具備通過自動識圖給出瑕疵原因、調取商品信息自動判斷是否過季等能力，輔助審核人進行快速審批。通過AI自動化能力與“協同在線”的結合，顯著減少了人力和時間消耗，AI能力在業務細微場景的嵌入提供了點對點的增強。“退廠”自動化場景，今年上線至今，累計使用次數已過萬，協助店鋪自動查詢、操作、預警和高效審批。

貨品AI Agent：以“GMS退廠”示例

我們把這條AI在企業應用的落地路徑概括為：“從系統固化，到協同在線，再到單智能體，最終走向多智能體自主協同”。這一進程標志著我們從依賴固定流程編排的傳統系統建設，邁向了基于AI的智能調度與任務編排，并從單智能體輔助階段進化至多智能體協同運作的新形態。

同樣，決策智能體的構建，首先是全域數據平臺所實現的“語言統一與標準統一”，為大模型提供了穩定可靠的語義基礎與高質量數據底座。其次，最小業務節點的全面在線化與數據化，為流程自動化和多Agent協同調用奠定了技術前提。最后，如能進一步將業務流過程數據與管理者的決策邏輯進行系統化沉淀，并完善關鍵鏈路的歸因分析與策略選擇機制，便可逐步構建出真正意義上的企業級“決策智能體”——它不僅能夠從數據中生成業務洞察，還可將策略“編譯”為可執行的流程網絡并且與執行智能體互動，讓“業務決策”在執行過程中持續優化、自我演進，成為企業的“智能引擎”。

信息化—數字化—智能化可用“一線兩面”來概括：在數據（分析）層面，企業從“報表查詢”進化到“數據推送、數據找人”，最終走向“智能問答”支持業務決策；在業務（操作）層面，從“界面操作”升級為“服務編排、操作找人（基于IM的微服務H5）”，并最終進化為“智能助理（Agent）”。換句話說：信息化——界面操作&報表查詢；數字化——操作找人&數據找人；智能化——智能助理&數據互動，最終智能決策&智能執行。

業務智能交互方式的探索：信息化、數字化、智能化，數據與操作的雙螺旋升級

回看探索過程，真正的挑戰并非來自技術層面的“炫技”，而在于企業是否實現了扎實的在線化與業務治理能力。這包括：

• 對最小業務操作節點的精細拆解與標準化定義；
• 節點數據的結構化采集；
• 人員與組織關系的準確映射、權限邊界的動態維護，以及由此推動的流程自動化與Agent任務編排等。

細節決定成敗，企業業務運營中有數以萬計的最小的業務操作節點流，光靠組織與人是無法迅速完成連接，更難的是形成整體運營，而AI無限的連接能力則為此提供了可能性，也正是這個原因，所有這些細節的建設，是AI智能應用落地的基礎，這并非孤立項目的簡單疊加，而是一項跨系統、跨業務、貫穿組織全局的系統性工程。