企业接入智能体后往往面临一个问题——员工偶尔用一下、生成内容还要人工重做、重要数据不敢接、一遇异常就不知道交给谁。

智能体不是更会聊天的机器人,而是一套能在业务流程里持续运行的执行系统。 从"会回答"到"能交付",中间差着一整套系统:拿到正确资料、调用正确工具、遵守权限边界、处理例外、输出可验收结果、出了问题有人负责。这一层补不上,演示再漂亮也只是演示。

下面这套方法,来自企业 Agent 交付里最常见的返工教训,可直接套用:先选"值得改造"的流程,别选"看起来很 AI"的场景。

适合优先改造的流程通常有四个特征:频率高(每周都发生)、步骤相对固定但人工耗时、输入输出能说清楚、有明确负责人和验收标准。客户工单分流、销售资料准备、发票初审、简历初筛、会议纪要跟进,都比"做一个万能企业大脑"更适合做起点。

反过来,最大的坑是"从我们要不要做个智能问答开始",而不是"哪条流程最值得优化"。问答演示容易做,却不一定带来业务价值。企业常拿一份流程文件直接交给 AI,以为这就是业务规则。但老员工执行时还会参考很多没写进制度的经验:哪些客户要优先、什么措辞不能用、什么金额必须升级审批。这些隐性规则不整理出来,智能体就只会按"纸面流程"机械执行,遇到模糊输入要么硬来、要么自作主张。所以流程改造的第一步不是写提示词,而是把"大家默认知道"的判断标准一条条写出来。

从 6 个设计层出发——

目标层:写成可观察结果,比如"工单预分类耗时从 5 分钟降到 1 分钟",而不是"提升智能化水平"。

输入层:区分必需信息、可选信息、不可信信息、需脱敏信息、需回原系统核验的信息。数据不是接得越多越厉害,越多权限和错误传播风险也越高。

规则层:把经验拆成"如果—那么—除非"的形式。能写明确规则的,尽量别交给模型自由发挥;模型适合处理语言和不确定的输入,规则引擎适合管确定的边界与权限。

工具层:每个工具明确输入格式、输出格式、权限范围、失败状态、调用日志和人工撤销方式。先从只读工具开始,再逐步开放低风险写入;涉及资金、合同、个人信息的操作,必须保留审批或二次确认。

验收层:为每个环节设验收标准,而不是只测最终对话体验。分类对不对、关键信息漏没漏、是否在高风险场景及时转人工、人工改了多少——分开测才知道问题出在模型、数据、工具还是规则。

运营层:上线不是结束。谁维护知识和规则、谁看错误日志、谁批权限变化、谁处理投诉、谁决定暂停自动执行,必须有人。没有业务负责人,智能体很快会因政策变化、产品更新和接口调整而失效。

一个可复用的落地顺序: 以客户工单为例:先让 AI 做预处理(识别问题类型、提取订单号、标出缺的信息),别急着让它回客户;再开放只读工具查订单状态;然后生成回复草稿并标注"用了哪些事实、哪些来自标准政策、哪些需人工确认";退款、改地址这类高风险动作单独设审批节点;最后把结果写回工单系统,形成闭环。只有结果回到业务系统,才算真正进入生产。

最容易踩的 5 个坑: 一开始就追求全自动——先把"辅助处理"跑稳,通常比直接追"无人值守"更快出价值; 用一条超长提示词代替流程设计——提示词是行为说明,不是完整的业务系统,替代不了权限、工具、日志、状态和异常处理; 只拿漂亮案例做测试——测试集必须含缺失信息、冲突信息、恶意输入、过期政策和工具故障; 把知识库当成"上传文件夹"——资料要有版本、来源、有效期和责任人,过期的制度如果被检索到,AI 答得越流畅风险越大; 只算模型调用成本不算返工成本——如果一份结果都要人工重做,整体成本并没有降。

开工前,先用这份任务说明模板: 智能体名称、业务目标(可衡量)、服务对象、触发条件、允许读取的数据、允许调用的工具及权限、必须遵守的规则、输出格式、人工确认节点、异常处理、验收指标、日志与复盘人——先把责任、边界和交付讲清楚,再写代码和选模型。把目标、工具、权限、验收一次性定义好,下次同类流程直接调用,不用每次从提示词重写。对想自己搭智能体的团队,先把这个模板填明白,比急着调模型更省事。

企业采购模型和API(应用接口)之后,通常还需要经过集成、配置、开发等过程,才能真正进入员工的日常工作。对普通员工来说,这些底层能力也很难直接使用。但千问办公、Workbuddy、Trae、Qoder等这样的办公智能体平台使用门槛更低,也更容易让企业看到AI在具体业务中的价值。

山东云管家以一套体系连接 AI 应用与云底座,规避重复建设,统一规划从员工使用入口到云资源的全链路,让 AI 融入业务并可观测投入产出;整体分为入口层、应用层、治理层、底座层四层架构,依托 企业智能体平台统一入口(千问办公、Workbuddy、Trae、Qoder···),搭载知识库、各类业务智能助手,通过多模型网关统一管控模型、权限与成本,兼容多家大模型与多云基础设施,同时提供从业务评估、方案原型、上线加固到运维优化的端到端落地服务,助力企业落地 AI。

常见问题:

Q:为什么智能体上线后员工不愿用? A:多数不是模型问题,而是它没真正进流程——只给建议、不接系统、异常没出口、结果不可验收。把"辅助一个低风险环节"跑稳,再逐步扩展,信任才建得起来。

Q:把流程改造成智能体,第一步该做什么? A:别先写提示词。先访谈真正执行流程的人,记录真实步骤、耗时、例外和痛点,再把隐性经验显式化成"如果—那么—除非"规则,最后才谈模型和工具。

Q:企业自己搭智能体,最小可行起点是什么? A:选一条高频、低风险、可衡量的流程(如工单预分类、信息提取),先上单点辅助 + 只读工具 + 人工确认,跑稳后再开放写回和自动执行。