智能体驱动：企业从“界面操作”到“智能助力”的必然路径

背景

如何让AI在企业中真正落地，尤其是对组织和业务流程都很复杂的中大型企业而言，答案并非单点的模型优化，而是一场“界面范式”的变革。在信息化时代，业务人员通过系统界面进行业务操作，界面也承接了系统内在的各项配置，可以说界面连接了系统与业务。当业务有更多需求或者某些流程变化时，传统信息化的主流做法，是在系统之上不断“堆叠界面”，把繁多的配置与选择留给一线用户：每一步都要求一线员工在多个下拉框、勾选项与跨页面的依赖中自行判断与组合，这就要求一线员工不仅懂得所有的相关业务规则，同时还要对当下的情景有理解与判断。久而久之，便演化为“系统不好使、响应太慢、数字对不上”的集体体验。而在中大型企业的业务运营中，常常存在着沟通成本高、线下执行环节无记录难回溯、数据不一致、数据缺失等困境。

我们探索出的应对方案是“协同在线”

这是一种以消息为纽带，将人、权、事进行串联的新交互范式，旨在满足实际业务运营场景的需求。

“协同在线”的架构主要包括四个“在线”：业务在线、沟通在线、组织在线和权限在线。其中，“业务在线”的核心是“拆界面”，即按照业务流解耦系统功能，将每一个最小操作节点封装为一张可交互的H5工作卡片。用户无需在复杂多重的系统界面中寻找路径或进行繁琐配置，只需在手机端通过消息直接触达待办节点，点击卡片并按提示完成操作即可。这种“H5卡片”可理解为移动端的轻量业务界面，天然支持表单填写、状态反馈、校验与回执，是实现精准操作推送、让业务流程在“业务现场”流动起来的重要载体。

“组织在线”能够实时呈现组织结构，明确“谁在岗位上以及他们相互之间的组织关系”；“权限在线”则规定了“在这一业务流中不同岗位人员所具有的权责”。借助组织与权限的联合约束，系统可对H5卡片进行动态授权，确保“哪个节点由谁处理、谁可阅知、谁需审核”被精确匹配与自动分发，从而实现消息和H5卡片在工作群内“主动找到”应处理该节点的相关岗位人员，进行定向提醒或查阅推送。工作群内汇聚了该任务所涉及的所有岗位人员，因而形成“一个工作群、千人千面”的沟通形态，这正是“沟通在线”的体现。而这些工作群的创建与管理，也依托于“沟通在线”所提供的流程编排与群组治理能力实现。

“协同在线”以“按业务流生成H5卡片并定向推送”的方式，取代了“人找系统、人找人”的传统运作模式，实现了“系统找人、事找人”的创新模式，显著减轻了用户在配置、学习、执行和沟通协作方面的负担。用户无需使用键盘和鼠标，仅需点击手机工作群中推送给自己的H5卡片，即可轻松完成相关事务处理，这样就完成了系统页面交互的第一次变革。

协同在线

在企业具体运营过程中，任何业务场景中的业务流都有一个任务起点。在“协同在线”模式下，由负责源头操作节点的业务人员通过系统操作或触发H5卡片来启动业务流。该操作会自动生成消息及下一个业务操作节点——即下一张H5工作卡片，并推送至对应的工作群中。

每一个H5卡片都对应业务流中的一个最小操作节点。完成当前节点后，系统会自动沿业务流生成下一张卡片并进行定向分发，从而将多个最小节点首尾衔接为完整闭环。消息能够在所有相关的工作群中联动流动，编织成企业运营的“流程网络”。

这一机制有效修复了信息化时代业务运营中“数据流不完整”的问题。所有操作都在在线化过程中被实时、全面、精准和结构化记录，形成可全程追溯的过程数据，为企业运营与分析提供坚实的数据基础。

完善的业务平台及统一的数据平台支撑一体化的协同应用

在协同在线的建设过程中，会对所有业务流中的每一个最小业务操作节点进行逐一拆解。与此同时，“拆”与“合”必须并行推进，才能实现系统性的协同。全域数据平台承担了“合”的职责，负责对业务运营全量过程数据进行统一采集（“进”）、统一治理与存储（“存”），并最终服务于各类业务应用与分析（“出”）。数据平台对“进、存、出”全过程实施整体性管理，“管”的核心是实现两个统一：数据背后所承载的业务语言的统一与数据标准的统一。这两项统一也直接反映了一个企业的综合管理水平。

每一个最小业务操作节点都会产生数据，并可能影响其他相关数据。所有这些操作和变更数据，都需遵循“进、存、出、管”的闭环流程，最终提供给与该操作节点相关的岗位人员查看。查看过程同样通过H5卡片完成，并与对应业务操作节点的H5界面实时联动。通过这些H5界面，业务操作节点所产生的数据得以完整、清晰地呈现，从而确保了业务流在整个操作过程中的数据真实性与一致性。

通过协同在线与数据平台的建设，我们以“最小业务节点在线化 + 数据标准化”奠定了流程自动化的基础，这也成为探索AI应用落地的重要根基。H5卡片将每个最小业务操作节点的动作与数据串联起来，实现业务流的可视化与全程可追踪。

每条业务流都具备明确的起点与终点，过程中往往涉及跨岗位、跨团队甚至跨部门的协作。协同在线使整个流程清晰可见：哪些节点仅需传递与确认，哪些必须人工处理或审批，一目了然。这种显性化的流程结构，为自动化提供了扎实的依据。

随着协同在线在组织内广泛推广和使用，以及数据平台在各业务领域的持续完善，我们逐步实现了大量最小业务流的流程自动化。在此基础之上，我们开始构建AI Agent系统（智能体）。

这些Agents被定义为多个具备“感知—计划—能力调用—反馈”闭环能力的业务执行体。其核心不仅能够“理解业务语言”（会聊天）、“识别场景上下文”（晓语境），还具备“调用系统功能”（能执行）的能力。智能体调度器将大量已自动化的最小业务流编排为可执行任务流程，这些任务和流程进而成为智能体平台中可复用、可组合的“能力组件库”。

AI Agent：从系统固定编排建设迈向AI智能编排调度，从单智能体进化为多智能体自主协同

员工只需向智能体平台提出任务需求，平台便会依据所提业务场景来编排相应的自动化流程来执行业务任务：自动触发相关H5卡片、完成表单校验与单据提交、通知应知人员，并在关键环节请求人机协同审核。整个过程的执行状态与数据实时回显至相关角色。未来，将进一步演进为多智能体基于业务意图的协同：员工的一句话可能涵盖多个流程，AI可从线性编排升级为网状编排，跨场景联动并自适应调度。这正是AI智能真正融入企业日常业务运营、成为用户“业务助理”的落地路径，也是继首次系统页面交互变革之后，在业务过程深处嵌入人机协同与意图驱动的又一次升级，推动技术概念向实际价值的智能助力转化。

以我们企业内部流程“店铺退货至工厂”为例：厂家收到一个退货快递，但没有贴“退厂二维码”（用以识别系统中对应的退厂单的二维码），因而无法完成收货和后续的流程。过去，发生这样的情况，需要进行多次的点对点跨部门的沟通确认信息：工厂人员找地区资讯，地区资讯找城市货管，城市货管再找店铺的该退货店员。

显而易见，其中地区资讯、货管人员都是进行信息确认与传递的，耗时耗力。而现在有了“货品AI助理”之后，工厂人员只需要向“货品AI助理”反馈，“货品AI助理”会按快递单号自动找到退厂发货单，并自动生成退厂标贴的二维码给工厂人员；当“货品AI助理”在系统中没有找到能对应上的退厂发货单时，会根据快递单号自动找到对应的店员，在工作群里发信息和H5卡片，H5卡片中已把可能相关的退厂单据反馈出来；店员直接在该H5卡片中确认这单退货对应的单据；“货品AI助理”就实时将店员操作的信息转递给工厂，并附上单据二维码。于是，店铺与工厂就“直接”连接上了。

在“店铺退货至工厂”的场景中，店员还可以直接与“货品AI助理”对话，要求“货品AI助理”快速获取某个退单进程信息并一键催审直至流程闭环，生成的审核H5卡片会自动找群、自动找到审批人；审核人则可以简化过去人工去查看图片、分析瑕疵原因、核验商品是否过季等环节，“货品AI助理”具备通过自动识图给出瑕疵原因、调取商品信息自动判断是否过季等能力，辅助审核人进行快速审批。通过AI自动化能力与“协同在线”的结合，显著减少了人力和时间消耗，AI能力在业务细微场景的嵌入提供了点对点的增强。“退厂”自动化场景，今年上线至今，累计使用次数已过万，协助店铺自动查询、操作、预警和高效审批。

货品AI Agent：以“GMS退厂”示例

我们把这条AI在企业应用的落地路径概括为：“从系统固化，到协同在线，再到单智能体，最终走向多智能体自主协同”。这一进程标志着我们从依赖固定流程编排的传统系统建设，迈向了基于AI的智能调度与任务编排，并从单智能体辅助阶段进化至多智能体协同运作的新形态。

同样，决策智能体的构建，首先是全域数据平台所实现的“语言统一与标准统一”，为大模型提供了稳定可靠的语义基础与高质量数据底座。其次，最小业务节点的全面在线化与数据化，为流程自动化和多Agent协同调用奠定了技术前提。最后，如能进一步将业务流过程数据与管理者的决策逻辑进行系统化沉淀，并完善关键链路的归因分析与策略选择机制，便可逐步构建出真正意义上的企业级“决策智能体”——它不仅能够从数据中生成业务洞察，还可将策略“编译”为可执行的流程网络并且与执行智能体互动，让“业务决策”在执行过程中持续优化、自我演进，成为企业的“智能引擎”。

信息化—数字化—智能化可用“一线两面”来概括：在数据（分析）层面，企业从“报表查询”进化到“数据推送、数据找人”，最终走向“智能问答”支持业务决策；在业务（操作）层面，从“界面操作”升级为“服务编排、操作找人（基于IM的微服务H5）”，并最终进化为“智能助理（Agent）”。换句话说：信息化——界面操作&报表查询；数字化——操作找人&数据找人；智能化——智能助理&数据互动，最终智能决策&智能执行。

业务智能交互方式的探索：信息化、数字化、智能化，数据与操作的双螺旋升级

回看探索过程，真正的挑战并非来自技术层面的“炫技”，而在于企业是否实现了扎实的在线化与业务治理能力。这包括：

• 对最小业务操作节点的精细拆解与标准化定义；
• 节点数据的结构化采集；
• 人员与组织关系的准确映射、权限边界的动态维护，以及由此推动的流程自动化与Agent任务编排等。

细节决定成败，企业业务运营中有数以万计的最小的业务操作节点流，光靠组织与人是无法迅速完成连接，更难的是形成整体运营，而AI无限的连接能力则为此提供了可能性，也正是这个原因，所有这些细节的建设，是AI智能应用落地的基础，这并非孤立项目的简单叠加，而是一项跨系统、跨业务、贯穿组织全局的系统性工程。