工作流、业务流程趋向智能体工作流，WfMS、BPM融合Agentic Workflow
聊聊大语言模型时代的工作流、业务流程和智能体工作流大融合
工作流、业务流程与智能体工作流，不断模糊的边界与更加明晰的融合
Agentic Workflow新范式，基于LLM的工作流、业务流程、智能体大融合
换个角度看Agentic Workflow，工作流和业务流程成为智能体工作流新成员
工作流、业务流程趋向智能体工作流，WfMS、BPM融合Agentic Workflow
AI Agent穿针引线，智能体工作流、业务流程与工作流迎来大融合
全文约9500字，阅读时间15分钟
文/王吉伟
2024年2月底，金融服务公司Klarna表示，其所使用的OpenAI提供技术支持的AI Agent，已接管了三分之二的客户聊天，工作量相当于700名全职代理。从引入AI Agent到取得这份耀眼的成绩，仅仅用了1个月的时间。
作为数字化程度较高的领域，金融在AI Agent的应用普及速度上，真的是又快又狠。
不只是在金融领域，在销售领域AI Agent也展现了强大的适应性。著名投资机构a16z认为，下一代「销售平台」的核心，将不再是基于文本的数据库，而是多模态的（文本、图像、语音、视频），包含来自整个公司的所有客户洞察。
因此，AI将从根本上重塑销售记录系统和销售工作流程，市面上所有玩家都无法置身事外。AI原生的销售平台，将能够从客户及其心态中，提取比我们使用现有工具所能拼凑的更多的洞察。此外，a16z还对外展示了销售领域AI 应用市场地图。
▲ a16z公布的销售领域AI应用市场地图，点击看大图
这个观点，可以说是为AI Agent即将变革销售领域做了很好的背书。（关于a16z的具体看法，王吉伟频道会在另一篇文章中与大家分享。）
7月25日，人工智能通信自动化提供商IntelePee宣布完成1.4亿美元的战略融资，这项融资将主要用于以推动AI Agent发展，改善客户体验。该公司的一个财富百强客户，通过使用 IntelePeer 的AI Agent自动化消费者交互将自助服务率提高到了70%以上，有望节省超过1 亿美元的劳动力成本。
风险投资公司Lux Capital合伙人格蕾丝·伊斯福德（Grace Isford）表示，当涉及到专注于构建AI Agent的初创公司时，科技投资者的兴趣会“急剧增加”。这些初创广告公司已筹集了数亿美元，其估值也正在随着生成式AI（GenAI）市场的增长而不断上升。
对于GenAI的市场增长情况，贝恩公司（Bain & Company）数据显示，近90%的公司已经部署或正在试用GenAI技术。同一项调查发现，无论哪个行业，企业都在优先考虑 Gen AI 的部署，87% 的参与者将其列为未来三到四年的五大优先事项之一。
这几个案例和相关数据意味着，AI Agent的落地应用速度以及渗透率已经相当之高。而随着Agentic Workflow成为AI Agent应用趋势，智能体工作流的应用也将会获得巨大的进展。
在大家熟悉了AI Agent之后，智能体工作流迅速成为Agent应用的新趋势。现在技术圈内流行一个说法：你需要的可能不是智能体，而是一个适合AI的工作流。这句话，已经把AI Agent的应用现状讲得明明白白。
也就说，只有形成Agent的工作流，才能发挥AI Agent的真正优势，才能让Agent最大程度的自动化你的业务流。
以Coze、Dify等为代表的AI Agent构建平台，让很多构建智能体的人接触到了工作流。智能体工作流的流行，也让更多人有了工作流的概念。
但在平时工作中，用过钉钉、OA等办公软件或者BPM、ERP、CRM等企业管理软件的朋友，接触更多的肯定是业务流程。ERP、低代码、RPA等软件，通过自动化等手段让业务流程更加精简优化。各个AI Agent平台上构建的智能体工作流，也是为了实现各种任务的自动化。
有的朋友就不懂了，同样是用以自动化的，为什么一个叫工作流，而另一个叫业务流程？它们有什么关系？与智能体工作流又有什么关联？这篇文章，王吉伟频道就跟大家聊聊这些。
注：本文提到的了相关论文，后台回复消息 WB 获取资源。
从工作流谈起
工作流（workflow）是完成任务所必需的一系列活动，也是用于管理遵循特定顺序发生的重复流程和任务的系统。它是个人和组织完成工作的方式，无论是生产商品、提供服务、处理数据还是任何其他创造价值的活动。
通常，一组相互关联的任务或活动，按照一定的顺序被执行以完成特定的工作目标，即可视作工作流。它定义了任务的执行顺序、参与者及其角色、以及任务之间的依赖关系。
可以把工作流看作处理一组数据的一系列任务。在业务上下文中，工作流是指为实现特定结果而设计的有组织的活动模式。业务中的工作流含义围绕着定义、执行和自动化流程展开，在这些流程中，任务、信息或文档根据一组程序规则从一个参与者传递到另一个参与者以进行操作。
工作流可以像单个任务流程一样简单，比如文件审批工作流、新员工入职工作流等。也可以像涉及各个部门和利益相关者的多步骤流程一样复杂，比如客户服务工作流。
工作流的三个关键组件：输入、过程和输出。
输入（inputs）：这些是开始工作流所需的资源，例如数据、材料或信息。输入是任何工作流的起点，对于启动流程至关重要。例如，在营销活动工作流中，输入可能包括目标受众数据、预算信息和营销材料。
流程（processes）：此组件涉及为将输入转换为所需输出而采取的实际步骤或行动。流程可以包括各种活动，例如数据分析、决策制定和任务执行。清楚地定义和记录每个步骤以确保一致性和准确性至关重要。例如，在制造工作流程中，流程可能涉及装配线步骤、质量检查和包装。
输出（outputs）：这些是工作流程完成后实现的最终产品或结果。输出的范围可以从成品到已完成的报告，具体取决于工作流程的性质。例如，在软件开发工作流中，输出可能包括已完成的软件、文档和用户手册。
在具体业务中，工作流主要有三种类型：流程工作流、案例工作流、项目工作流。
流程工作流：当任务集是可预测的和重复的时，就会发生流程工作流。通常在项目开始工作流之前，用户便确切地知道它应该采用什么路径，比如采购申请审批工作流等。
案例工作流：在案例工作流中，用户不知道开始时完成项目所需的路径。随着收集到更多数据，路径会自行显现。比如支持票证和保险索赔就是很好的案例示例。
项目工作流：项目工作流交叉于流程工作流和案例工作流之间，遵循或多或少定义的路径，但过程中可能会有更多的灵活性，但此类工作流只适用于一个项目。比如应用程序开发，工作流由研究、设计、测试等不同阶段组成，但在构建不同的应用程序时，相同的工作流无法用于不同程序的开发。
工作流分四种类别，分别为顺序工作流、并行工作流、状态机工作流和规则驱动工作流。
- 顺序工作流：后续任务取决于前一个任务的完成情况的工作流类型。
- 并行工作流：可以同时执行多个任务的工作流类型。
- 状态机工作流：在这种类型的工作流中，您将从一种状态进入另一种状态。
- 规则驱动工作流：规则驱动的工作流基于顺序工作流，这些工作流在取得进展时使用规则。
了解业务环境中的工作流程对于提高效率和生产力至关重要。企业通常使用流程工作流模板来绘制特定工作流中涉及的步骤。这些模板有助于标准化操作，确保每个步骤都得到明确定义和遵循，从而最大限度地减少错误和不一致。
用于管理工作流的软件，叫作工作流管理软件（Workflow Management Software, WfMS）。这类软件有助于简化和优化组织内的业务流程。它主要通过协调不同利益相关者之间或个人与信息系统之间的互动来做到这一点。
工作流管理系统在正确的时间将任务路由给适当的员工，提供相关信息和推动力，以加快整个流程的工作。此外，它还能通过文件管理对活动（如费用报告）进行手动和自动任务。
融合AI带来的AI workflow
近些年随着AI技术与工作流的不断融合，逐渐发展出了AI workflow（AI workflow automation）。AI工作流是应用人工智能技术完成特定任务的一系列步骤和过程，它是一种优化和自动化业务流程的方法，通过自动化任务、智能决策支持、预测分析和个性化服务等功能，提高工作效率，降低成本，并增强企业的竞争力。
工作流的一个研究重点就是任务自动化，而想要实现更大程度的自动化自然离不开各种编程技术与智能化技术，AI技术则是重中之重。伴随着NLP、OCR、深度学习、机器学习等技术的发展，工作流在各个时代都被最新技术加持。现在大语言模型取得长足进步，工作流同样也在LLM的加持下发生了更大的变化。
融合大语言模型的AI工作流（智能体工作流），通过自然语言处理实现任务自动化与智能问答，大幅提升工作效率与准确性。它具备理解上下文、学习适应、多语言翻译等能力，同时提供连贯的交互体验和情感分析，优化用户体验。
AI智能体的灵活性和可定制性使其能够快速适应业务需求变化，降低运营成本，增强市场竞争力。在客户服务、内容创作、研发辅助及行政流程中，AI智能体均展现出显著的效率与洞察力优势。
比如在aisera的AI工作流平台，由LLM驱动的AI工作流可以利用上千个预构建和第三方LLM驱动的AI工作流来自动化流程，最大限度地减少对人工干预的需求。这些AI工作流可以通过对话方式、通过系统事件、按计划以及通过来自其他业务系统的事件webhook触发。
事实上，在业务流程管理中，工作流可以定义为一系列简单的单个任务，而业务流程则被认为是更复杂的，由多个工作流、信息系统、数据、人员及其活动模式组成。工作流的特点是其简单性和可重复性，并且通常通过图表或清单进行可视化。
下一个小节，我们就聊聊什么是业务流程。
关于LLM与workflow的融合应用，推荐以下论文：
1、AutoFlow：为大型语言模型代理自动生成工作流
AutoFlow: Automated Workflow Generation for Large Language Model Agents
链接：
https://arxiv.org/abs/2407.12821
2、FlowMind：使用 LLM 自动生成工作流
FlowMind: Automatic Workflow Generation with LLMs
链接：
https://arxiv.org/abs/2404.13050
3、StateFlow：通过状态驱动的工作流增强 LLM 任务解决
StateFlow: Enhancing LLM Task-Solving through State-Driven Workflows
https://arxiv.org/abs/2403.11322
4、Graph-of-Thought：利用大型语言模型解决复杂和动态的业务问题
Graph-of-Thought: Utilizing Large Language Models to Solve Complex and Dynamic Business Problems
https://arxiv.org/abs/2401.06801
5、通过采用众包工作流程的技术来设计 LLM 链
Designing LLM Chains by Adapting Techniques from Crowdsourcing Workflows
https://arxiv.org/abs/2312.11681
6、利用大型语言模型构建和执行计算工作流
Leveraging Large Language Models to Build and Execute Computational Workflows
https://arxiv.org/abs/2312.07711
7、通电！生成模型可以为人类计算工作流做些什么？
Power-up! What Can Generative Models Do for Human Computation Workflows?
https://arxiv.org/abs/2307.02243
除此之外，还可以参考王吉伟频道的文章《从LLM到AI Agent，从Workflow到Agentic Workflow，25篇论文全面了解智能体工作流》中提到的25篇论文。
再聊聊业务流程
业务流程（Business Process）是组织为实现具体业务目标而设计的一系列有序活动，以产生有助于实现组织目标的特定结果。它从明确的输入开始，经过系统化的任务执行，最终产生预期的输出。
流程中每个环节都由不同的角色负责，遵循既定规则和标准，确保效率和质量。资源在流程中得到合理配置，同时通过持续监控和评估实现流程的优化与改进。
业务流程的发明是为了推导组织目标并为组织目标做出贡献。业务流程的持续和重复执行对于成功的业务运营和业务增长至关重要。业务流程结构可以是简单的，也可以是复杂的，具体取决于流程中涉及的元素。通过每个业务流程，企业都能实现某些目标。
业务流程是组织实现目标的核心，它将任务分解为有序、可重复的工作步骤，便于员工和团队高效执行并达成预期成果。明确的流程有助于团队集中精力于共同目标，通过可预测的资源需求减少浪费。文档化的业务流程不仅降低风险和错误，还增强团队成员间的责任感，因为每个人都清楚自己的职责所在。
此外，业务流程的规范化还激发创新和创造力，通过反思和头脑风暴，团队能够找到解决难题的新方法。
业务流程的关键属性在于，过程是可重复的灵活的可衡量的，且是特定的建立起始点和端点的。这些属性，为业务流程带来了以下特点：
- 目标导向：业务流程是为了实现特定的业务目标而设计的；
- 跨职能部门：通常涉及多个部门或团队的协作；
- 连续性和连贯性：各个活动按一定顺序和逻辑连续进行；
- 标准化：流程通常是标准化的，以确保一致性和可重复性；
- 可测量性：可以通过关键绩效指标（KPIs）来衡量流程的效率和效果。
业务流程的类型，一般分为运营流程、管理流程和支持流程三种。
- 运营流程（Operational Processes）：与企业的核心业务活动直接相关，例如生产、销售、客户服务等。
- 管理流程（Management Processes）：涉及企业管理和规划的活动，例如战略规划、绩效评估等。
- 支持流程（Supporting Processes）：为核心和管理流程提供支持的活动，例如人力资源管理、财务管理、IT服务等。
经过多年的发展与演变，目前业务流程的组成部分主要包括以下7个部分：
- 输入（Inputs）：业务流程的起点，通常是触发流程的事件、资源、信息或原材料。
- 活动（Activities）：构成业务流程的各个具体步骤或任务，这些活动通常按顺序执行。
- 输出（Outputs）：流程完成后产生的结果或交付物。
- 角色和责任（Roles and Responsibilities）：涉及到的人员或团队及其在流程中的职责。
- 决策点（Decision Points）：流程中的关键节点，需要做出决策以确定后续步骤。
- 流程控制（Process Control）：用于监控和管理流程执行的机制，包括规则、标准和约束条件。
- 支持系统（Supporting Systems）：支持流程执行的技术系统、工具和应用程序。
管理业务流程的软件系统，就是大名鼎鼎的是业务流程管理（Business Process Management, BPM）。业务流程管理是一种系统的方法，用于设计、执行、监控和优化业务流程，以提高企业绩效，降低成本，增强竞争力。
BPM是一种改进这些流程的系统方法，可帮助组织实现其业务目标。如果组织由于成本或资源限制而无法在内部执行某些业务流程，公司可能会使用业务流程外包。许多组织将特定的业务任务（例如工资单、人力资源 （HR） 或会计）承包给第三方服务提供商。
融合AI带来的BPM进化
与AI技术的快速融合，同样为业务流程带来了很大的进步。
AI技术对业务流程带来了显著的发展和改变。通过机器人流程自动化（RPA）和AI的结合，重复性任务得以自动化，减少人为错误，提高效率。
AI的数据分析和预测能力支持实时决策，个性化服务增强客户满意度，流程挖掘和优化提升业务流程的效率和灵活性。AI在风险管理中提前识别潜在风险，确保合规。智能辅助工具和自动化减轻员工工作负担，促进创新和新业务模式的发展。
比如亚马逊、通用电气和美国银行等公司通过AI优化库存管理、预测性维护和智能客服，显著提升了运营效率。AI将更深度地嵌入业务流程，实现全面自动化和智能决策支持。
而融合了大语言模型的业务流程，实现了自然语言交互、文本分析、智能文档生成、自动化任务执行、个性化服务、多语言支持以及预测性分析等多功能集成。
比如SAP联合墨尔本大学、慕尼黑工业大学等推出了大型过程模型（LPM，Large Process Models）作为生成式AI时代软件支持的BPM的中心概念框架。LPM通过与经典算法工具和结构化数据的安全和健全的集成，可以提供在以往设置中不会被发现的业务流程新见解，大大提高了流程的可观察性。
扩展阅读：从大语言模型到大流程模型，生成式AI带来的BPM范式转变
此外，SAP Business Technology Platform 推出SAP AI Core服务，可以帮助用户以标准化、可扩展且与超大规模者无关的方式处理AI资产的执行和操作，LLaMa 3、Phi3、Mistral、Mixtral、LlaVA、Gemma等开源系统都可以在SAP AI Core 中运行，为用户的私有化部署和个性化应用提供了更多选择。
由LLM赋能的流程能够理解上下文、自我学习与适应，与现有系统高度集成，并具备良好的可扩展性与规则遵循性。显著提升了业务处理速度、降低了运营成本、增强了执行准确性、改善了客户体验、提高了市场适应性和灵活性，同时促进了业务创新和风险管理，加强了知识整合与共享。
尤其是融合AI智能体的业务流程通过自动化执行、智能决策支持、客户互动、预测分析等功能，实现了效率的显著提升和成本的有效降低。这些流程具备上下文感知、持续学习、高度集成的特点，同时展现出灵活性、准确性和创新促进的优势。
AI智能体的集成为行业带来了数字化转型的加速、市场响应速度的提升、客户洞察的深化以及运营优化，催生了新的业务模式，为企业在激烈的市场竞争中提供了强大的动力和优势。
扩展阅读：业务流程将因生成式AI变革，ChatGPT引领的AIGC正在改变组织运营
关于大语言模型与BPM的融合，推荐以下几篇论文：
1、大型语言模型可以完成业务流程管理任务
Large Language Models can accomplish Business Process Management Tasks
链接：https://arxiv.org/abs/2307.09923
2、用于业务流程管理的大型语言模型：机遇与挑战
Large Language Models for Business Process Management: Opportunities and Challenges
链接：https://arxiv.org/abs/2304.04309
3、大型流程模型：生成式人工智能时代的业务流程管理
Large Process Models: Business Process Management in the Age of Generative AI
链接：https://arxiv.org/abs/2309.00900
4、LLM-SAP：大型语言模型基于态势感知的规划
LLM-SAP: Large Language Models Situational Awareness Based Planning
链接：https://arxiv.org/abs/2312.16127
工作流与业务流程的区别和联系
工作流和业务流程是企业管理和运营中的两个核心概念，它们虽然有所区别，但又紧密相连，共同推动企业效率和目标的实现。
工作流通常指为完成特定任务或一组任务所需的步骤序列，它更侧重于操作层面的流程自动化，通常涉及自动化和手动步骤的结合。例如，在人力资源管理中，员工提交请假申请后，工作流将指导申请通过各级审批。工作流关注于流程的执行效率，如何通过自动化减少人力干预，提高任务处理速度。
业务流程则更为宏观，它包括了企业为实现业务目标所进行的所有活动和决策过程，旨在实现组织的战略性业务目标，如产品交付或客户服务，通常跨越多个部门和团队。业务流程涵盖从客户接触点到服务交付的整个链条，如订单履行流程，它包括接收订单、库存检查、发货等环节。业务流程更关注整个流程的战略意义、目标实现以及客户价值的创造。
在目标方面，工作流的目标较为具体和狭窄，主要关注任务的完成和流程的执行，如文档审批或请假流程。具体任务的自动化有助于减少人为错误和提高效率。业务流程则旨在实现组织的战略性业务目标，关注整体业务的效率和效果提升，如供应链管理和客户关系管理。业务流程更关注资源的优化配置和部门间的协作。
在复杂度方面，工作流通常较为具体和简单，适用于局部任务和操作。例如，员工请假审批流程包括填写申请、主管审核和人事部门记录。业务流程则更复杂和全面，涉及多个部门、资源和管理层面。例如，企业的新产品开发流程，从市场调研、产品设计、试生产到最终上市，涉及研发、市场、生产、销售等多个部门。
在工具方面，工作流管理系统（WfMS）用于自动化和管理具体任务的执行，如任务分配、进度跟踪和结果报告。例如，使用Asana或Trello管理团队任务和项目进度。业务流程管理系统（BPMS）则用于全面管理和优化业务流程，强调流程的持续监控和改进。例如，使用SAP或Oracle BPM管理企业的核心业务流程，从供应链到客户关系管理。
尽管两者在定义、范围、目标和应用上存在显著差异，但它们在实际应用中有紧密的联系。工作流可以作为业务流程的一部分，处理具体的任务和活动。有效的工作流设计和自动化，可以显著提升业务流程的效率。
例如，采购流程中的审批工作流，确保采购订单经过适当的审批和核准。通过整合多个工作流，业务流程实现整体业务目标的高效运作和管理。同时，良好的业务流程管理又能为工作流提供战略指导和优化方向。
在实际操作中，工作流工具和业务流程管理系统可能相互集成，共同支持企业的运营需求。例如，将工作流管理集成到企业门户中，以提供统一的工作入口和业务视图。这种整合有助于提高员工的工作效率，减少信息孤岛，提升整个组织的协同效应。
工作流和业务流程的优化不仅是技术问题，也是组织文化和变革管理的一部分。流程的改进需要员工的参与和接受，通过改进流程来适应市场变化和组织发展。例如，市场部门根据活动反馈调整营销材料的审批流程，这不仅是技术层面的调整，也是组织对市场变化响应的体现。
工作流和业务流程在企业运营中是相辅相成的。理解它们之间的区别和联系，对于有效地设计和管理企业的流程非常重要。现在随着大语言模型的到来和AI Agent的大量应用，工作流和业务流程将继续为企业带来更高的效率和更大的价值。
智能体工作流的新范畴
吴恩达教授提出的反思、工具使用、规划、多智能协同等四种Agentic Workflow设计方式，展现出了智能体工作流的多种范式。但这些范式的工作流是以LLM为中心，围绕LLM加上一定的技术框架、数据集以及工具等去构建面向各种场景的工作流。
现实中的很多工作流尤其是大型组织的一些工作流，比如制造业中由RPA连接的生产制造流程工作流，可能还没有也不需要LLM的参与。但在具体的执行中，一个复杂的业务流程会被分拆成多个子业务流，整个业务流程中既有传统工作流，也有需要业务人员操作的轻量化办公类应用LLM的工作流。
同时，BPM、BPA、RPA、BI等企业管理软件也在进化为融合LLM的AI Agent类应用，这就让智能体工作流的集合变得更加多元化。
在《从Workflow到Agentic Workflow，25篇论文全面了解智能体工作流》一文中，我也简单聊了对智能体工作流的看法。
在LLM应用越发普及化的前提下，目前很多工作流都是混合了传统业务流程与智能体工作流。其中既有“四种模式”的工作流，也有传统应用嵌入GenAI的工作流，还有简单的直接应用大语言模型的工作流。
在王吉伟频道看来，Agentic Workflow并非简单的智能体工作流，而是包含传统软件（工具、解决方案）、大语言模型、AI Agent等在内的新型业务流程的集合。当传统业务流程包含了LLM工作流或者Agent工作流，都可以视作Agentic Workflow。
目前的智能体工作流大体可以分为两种类型：一是新兴的AI工作流，也就是基于LLM的LLM/AI Agent工作流，原生LLM应用及AI Agent应用都在走这个路线；二是传统工作流+LLM/AI Agent，传统软件通过嵌入GenAI技术实现LLM与AI Aggent的进化，进一步升级为智能体工作流。
在实现方式上，基本遵循嵌入式（Embedding）、副驾驶（Copilot）和智能体（Agent）。嵌入式也就是直接使用LLM，副驾驶模式类似于AI助手，Agent模式现在来看也就是智能体工作流。
三种方式，催生了目前的六种具体的智能体工作流类型，如下：
1、包含智能体应用的工作流：最简单的智能体工作流，就是使用智能体应用的工作流，比如在Coze等平台使用智能体进行小说、视频等的创作；
2、使用大语言模型的工作流：直接使用大语言模型的反思、规划、工具使用等功能，或者通过某些应用来调用和增强LLM的类似功能，比如使用文心一言、kimi等调用联网、绘图插件搜集资料或者绘制脑图；
3、使用Copilot的工作流：Copilot实则更像是AI助手，可以调用LLM生成相关内容，也可以调用标准化的AI Agent；
4、用传统软件连接的工作流：智能体虽然好用，但目前大多都为轻量化办公类应用，无法参与企业内部的复杂业务流程，但可以引用RPA等超自动化工具将轻量化LLM工作流与传统工作流相连接，比如通过RPA连结报表生成和ERP内部人事业务流程；
5、硬件与软件融合的工作流：目前已经出现了基于鼠标、键盘等PC外设的LLM产品，外形扔热是鼠标和键盘，但能够通过按键、语音等方式调用LLM应用，使用比较便捷，比如科大讯飞的AI键盘等，而手机已经在端侧模型的加持下晋级成为智能体；
6、融合大语言模型的BPM及WMS的工作流：业务流程领域对于新技术有着较强的敏感性，GenAI技术在ChatGPT之前就已经得到应用，对LLM和AI Agent的探索也一直比较领先，目前BPM和WMS都已引入大模型并在探索AI Agent应用，某种程度上应用这些软件系统已经是在应用智能体工作流。
▲ 人与AI协同催生的六种形式的智能体工作流，点击看大图
而具体到智能体本身的工作流，按照智能体的功能也可以将其归类为六种形式，即自动化智能体工作流、交互式智能体工作流、协同式智能体工作流、嵌入式智能体工作流、自主学习型智能体工作流及创新型智能体工作流，每一种工作流的说明具体见下图。
▲ 按智能体功能划分的六种智能体工作流，点击看大图
需要说明的是，以上六种是目前常见的智能体工作流形式，但并不是智能体工作流的全部。因为原生智能工作流正在通过新型模型、API、插件、数据集以及更多方式进入传统工作流的腹地，传统工作流也在通过LLM、智能体、集成等方式衍生新型的智能能工作流范式。
新生代工作流会与传统工作流不断的融汇交合，在此消彼长的进程中构成庞大的Agentic AI业务流程范式。
而不得不说的是，在LLM与AI Agent快速普及应用的前提下，当你的组织在应用大语言模型后，业务流程和工作流就已经开始向智能工作流转变了。比如在使用钉钉AI助理或者飞书智能伙伴的AI Agent功能的时候，你所做的业务流程已经是一个智能体工作流。
后记：另一个角度看智能体工作流
本文前半部分，王吉伟频道用了很多文字介绍工作流与业务流程，目的是为了让大家能够更容易地理解今天的智能体工作流。从现在的Agentic Workflow发展情况来看，我们可以从狭义和广义两个角度来理解智能体工作流。
狭义上的Agentic Workflow，是一种由自主智能体（Autonomous Agent）驱动的工作流模型，在该模型中，智能体通过遵循预定义的规则和条件，自动执行任务和做出决策。这些智能体可以模拟人类的行为，进行复杂的任务管理和决策过程，从而提高工作效率和准确性。其核心在于其自动化和智能化的特性，能够在动态和复杂的业务环境中表现出色。
广义上的Agentic Workflow ，是一种与大型语言模型（LLM）交互和完成任务的新方法，它通过将复杂任务分解为多个子任务，并引导LLM按步骤完成每个子任务来优化工作效率。这种方法不是一次性地向LLM提出指令，而是采用迭代的方式，逐步完善任务结果，类似于写作过程中的草稿、修改和润色过程。每个子任务的输出将作为下一步的输入，形成循环往复的过程。
作为一种新兴的AI应用模式，相比传统方法，Agentic Workflow的优势在于迭代优化、自主决策、适应性学习、处理复杂问题的能力以及自我优化和进化。这种工作流模仿人类的思考和修正过程，提高了准确性和质量，同时具备从经验中学习并适应环境变化的能力。
可以说，它代表了从传统一次性指令到多步骤自适应任务完成的转变，为自动化和智能化领域带来新方向。
事实上，从工作流和业务流程的定义来看，工作流更侧重于具体任务的执行和流程自动化，但接下来基于大语言模型的BPM也将Agent化，业务流程的整体规划、部署及运行也将在Agent的赋能下变得更加自主和智能，同样也会产生大量的智能业务流程。
因此智能体工作流不足以表述当前组织对于大语言模型应用情况，或许叫智能业务流/智能流程/Autonomous process更贴切一些。而大语言模型所带来的工作流和业务流程的自主化、智能化，也恰恰意味着大语言模型或者说GenAI所带来的广大组织的变革景象。
当然，BPM的GenAI化以及Agent化，仍然没有超越Gartner所定义的智能业务流程管理软件（iBPMS）的界限，AI Agent的应用仍然在包含在LLM的GenAI的范畴之内。
但AI Agent确实为iBPMS带来了质的蜕变。AI Agent对iBPMS的影响表现在提升系统智能性、加强自主决策、持续学习与适应性、优化业务流程、提高执行效率、改善用户体验、风险管理与合规性、创新业务模式、促进数据驱动文化、支持远程工作等方面。
这些优势不仅提高了业务流程的效率和质量，还为企业带来数字化转型的加速、竞争优势构建和新的增长机会。
此外，在当代的业务流程管理体系中，RPA已经成为必不可少的业务流程自动化技术。所以只要提及iBPMS一般也会涉及到RPA，两种技术相辅相成，正在越来越多地被组织结合使用，以实现业务流程的自动化和优化。
关于RPA的Agent进化，可以关注王吉伟频道后面的文章。
【王吉伟频道，关注AIGC与IoT，专注数字化转型、业务流程自动化与AI Agent，欢迎关注与交流。】
全文完