AI 工作流和 AI Agent 怎么选?先看你的流程长什么样

同一个自动化需求,两家供应商给出两种方案:一家说做成工作流,流程固定、稳定可控;另一家说直接上 Agent,更智能、能自己解决问题。听起来都有道理,报价还差得不小。这种时候,真正该看的不是哪个词更先进,而是你要自动化的那条流程,本身长什么样。

这篇文章不比参数,只做一件事:把两种形态的差别讲清楚,再给你一套对着自己的流程就能用的判断方法。

一个是画好的轨道,一个是自己找路的车

工作流的本质,是把路径事先画好。哪一步接收单据、哪一步提取字段、金额超过多少转人工——每个节点、每条分支都在设计时定死,AI 只在指定节点上做指定的活。它的好处是每一步都可预期:同样的输入走同样的路,出了错能定位到具体节点。

Agent 走的是另一条路:你给它一个目标,它自己规划步骤、调用工具、根据中间结果调整下一步。完整的定义可以看AI Agent 是什么,这里只需要抓住一点:路径不是人画的,是它临场决定的。同一个任务,这次和上次的执行过程可能不一样。

所以两者的差别不在「智能程度」,而在路径是否事先固定。这个差别,决定了它们各自适合什么样的流程。

什么样的流程,天生适合工作流

一类是确定性高的流程:输入格式相对稳定,判断规则能用语言写清楚,异常情况能列举出来。报销单初审、合同要素提取、客服高频问题应答、周报汇总,都属于这一类。它们往往还有个共同点——量大、重复,人做起来最没劲,自动化的回报也最直接。

另一类是合规或审计要求高的流程。财务、合同、对外承诺相关的环节,出了问题要能回答「当时系统是怎么判断的」,工作流天然满足:流程图本身就是审计路径。而如果你发现这条流程连图都画不出来,问题就不在选型,在流程本身还没被理清——可以先读拆解一条工作流:自动化之前要先画清楚什么。

什么样的环节,才值得请 Agent 出场

把上面的条件反过来,就是 Agent 的主场:路径没法穷举、输入千奇百怪、需要边做边判断。比如开放式的资料调研,下一步搜什么取决于上一步查到了什么;比如跨系统排查一笔对不上的数据;比如把一封完全非标准的询价邮件整理成结构化需求。这些活写不成固定流程,硬写会得到一张永远改不完的流程图。

但 Agent 的灵活有价格。你要给它划权限边界:能读哪些系统、能改哪些数据、单次任务最多消耗多少;还要付监督成本:产出需要人复核,失败方式常在意料之外。这两笔账没算清楚就上线,灵活很快会变成失控。

成本账:一个可预算,一个要留监督费

工作流的成本结构很干净:搭建时投入一次,之后每次运行的消耗基本固定,量再大也能精确预算;错误集中在设计期暴露,上线后趋于稳定。审计也简单,每一步都有记录可查。

Agent 的账要复杂一些:每次执行的步骤数不固定,消耗随任务浮动;更大的一块是隐性成本——人工复核的时间、出错后的兜底处理、权限管理本身的维护。这些不体现在账单上,但都真实存在。不是不能花,是要在立项时就把它算进去。

多数企业的合理形态:工作流当骨架,Agent 补弹性

实际落地时,这很少是二选一。更常见的合理形态是混合:主干用工作流,接收、分类、路由、归档这些确定性环节按部就班地跑;中间真正需要理解和判断的那个节点,交给 Agent;它的输出回到工作流,继续走后面的固定步骤。

以客户询价为例:邮件进来、识别客户、建档、分派,都是工作流;把一段自由发挥的需求描述整理成结构化字段,交给 Agent;结果由销售确认后,再流回报价流程。整体可预期、可审计,Agent 的权限被圈在单个节点里,出错影响有限。

动手之前,先回答五个问题

1. 这条流程的路径,能不能画成一张流程图?画得出来,用工作流;画不出来,再考虑 Agent。
2. 异常情况列举得完吗?列举得完,写成工作流的分支;列举不完,交给 Agent 或者人。
3. 出错的代价有多大?涉及资金、合规、对外承诺的,必须可审计,倾向工作流加人工确认点。
4. 单量有多大?量大且稳定,工作流的成本优势最明显;低频且每次都不一样,Agent 更划算。
5. 谁来监督?如果没人有精力复核 Agent 的产出,现阶段就别上 Agent。

如果答完五问还拿不定主意,不妨把问题再往前推一步:这个项目本身该不该立?决定要不要做一个 AI 项目前,管理者该问的六个问题是那一层的清单。

别用架构证明先进

最后想点破一个常见的选型动机:因为 Agent 听起来更前沿,所以选它。它演示时确实更惊艳,汇报时也更好讲故事,但自动化的价值从来不在架构的先进性,而在它是否稳定地替你完成了那件事。一条安静跑了一年的工作流,比一个每周都要调试的 Agent 值钱得多。

先画清楚流程,再选形态。多数时候,流程的形状会替你把这道题答了。