自动化技术领导者揭示企业对AI认知的关键误区

自动化技术领导者正在构建支撑当今AI驱动工作流程的系统，他们阐述了随着组织和个人学习如何将AI应用于核心运营，市场正在发生怎样的转变。

Zapier首席执行官兼联合创始人韦德·福斯特认为，AI驱动自动化的作用不仅仅是节省繁琐工作中的几分钟时间，更重要的是实现以前根本无法完成的工作自动化。Make公司首席执行官法比安·维特同意，公司的真正操作系统现在已经从严格的"如果这样，那么那样"的流程扩展到更加自由的智能体，大部分有用的工作都存在于混乱的中间地带。

专注于企业级的自动化公司Tray.ai的首席执行官兼联合创始人里奇·沃尔德伦表示，企业只有在编排具备护栏、可切换模型以及能够跟上协议变化步伐的治理层时，才会信任这个中间地带。将这些理念结合在一起，便形成了适用于小型团队和大型企业的实施指南。

市场正从"任务"转向"能力"

十年来，自动化意味着将应用程序串联起来。例如，表单提交推送到客户关系管理系统，或在支持系统中更新工单，或在特定操作后向Slack频道发送通知。这些都是高度有用的"确定性"任务，应该始终以可靠的方式按特定顺序执行，但根据自动化领导者的观点，其价值是递增的。

将自动化想象成一个拥有两种机器的工厂。一种机器每次都做同样的事情，这些是确定性系统。另一种使用判断来选择下一步，这些是概率性系统。过去公司只拥有第一种机器。现在他们可以混合使用两种。这种融合是收益显现的地方。

Zapier的韦德·福斯特在最近的Exponential Scale播客采访中表示，真正的价值在于团队使用AI和自动化来完成他们以前从未涉及的工作。不只是获得几个百分点的效率提升或节省任务中的几分钟时间，而是创造新的能力。

"当人们识别出自动化以前未做过的工作机会时，你真正看到了巨大的价值释放，"韦德·福斯特说。

Make的维特将技术栈定义为一个频谱。某些步骤必须是确定的。某些步骤需要大语言模型来读取或分类。在边缘位置是选择工具和追求目标的智能体。

"AI需要自动化才能创造商业价值。自动化要变得更强大，也需要AI……我们真的将此视为一个频谱，"维特在最近的Exponential Scale播客采访中说。

Tray.ai的里奇·沃尔德伦表示需要护栏，特别是对于预测性、概率性自动化系统。他遇到的首席信息官们想要智能体，但不要混乱。

"绝对需要治理。特别是随着AI系统使用MCP连接数据源能力的增强。MCP是相当新的技术。你需要能够控制它，限制它，"沃尔德伦说。

没有边界的智能体会导致偏移、数据蔓延和工具臃肿。这在"氛围编程"工具易于访问、自动化和AI智能体越来越嵌入用户日常工具的情况下尤其如此。

据沃尔德伦说，目前成功的团队按部门划分范围，保持IT与业务合作的所有权，并定义具体结果而非模糊的"AI做一切"野心。

AI驱动自动化的新兴实践

在这些对话中，有效使用自动化的一致模式正在显现。他们说最好的开始方式是找到高杠杆任务，而不是高劳动量任务。寻找以前无法自动化的工作流程。如果一个举措只能节省几小时，继续寻找。

接下来，他们说你应该在自动化设计中有目的性。绘制流程图。标记必须是确定性的步骤。仅在明确改善结果的地方插入基于模型的判断。不要试图通过简单地提示大语言模型"确保你每次都这样做！！！"来解决确定性问题。

维特提供了关于如何确定在何处放置判断的良好概述。对支付过帐、身份检查和记录创建使用严格自动化。添加模型步骤来阅读电子邮件或分类工单。在边缘放置一个精简的智能体来选择工具和追求目标，同时保持对范围和数据的限制。

自动化领导者还强调，你应该确保衡量重要指标，这样你就知道自动化产生了什么影响。跟踪解决时间、首次接触偏转、周期时间、服务水平协议遵守情况和错误率。

确保仍有人工参与循环，并设置护栏防止不必要的访问或系统行为。不要要求智能体拥有整个宇宙。给它工具访问权限，但需要在边界处进行身份检查、批准和日志记录。沃尔德伦的"网关加控制"模型是一个安全的方法。

保持自动化团队小而高效。抵制反射性雇佣。只有当系统的限制（而不是习惯）需要时才增加人员。快速实施某些东西，即使它不完美，并持续迭代。

作为这些实践的证明，自动化领导者指向了重要客户案例。Klarna的AI自动化工具和助手处理了大部分客户聊天，预计第一年将产生八位数的利润影响。Intercom描述了一个从聊天开始的智能体现在如何跨电子邮件和其他渠道工作，这是维特的"确定性加AI步骤加智能体"技术栈的实际例子。

劳动力的转变

自动化技术领导者正在观察到，随着越来越有效的自动化执行关键任务，组织如何管理和配置团队发生了变化。

福斯特看到小团队在专注于自动化时表现出色，特别是在他们努力记录和改进流程时。随着自动化的推进，对新雇佣存在抗拒。

福斯特简单地表述为，"直到痛苦才雇佣。"

现实仍然不确定。自动化和AI实践是流动的，术语相互冲突，"智能体AI"经常在没有被广泛接受定义的情况下使用。大多数买家仍然希望看到AI真实世界价值的更清晰证明，以及更安全的护栏来保护公司知识产权以及他们与客户、员工和利益相关者的关系。

AI技术变化的步伐继续超越治理、雇佣或变更管理能够匹配的速度。公司仍在从自动化中追求近期胜利，同时在更窄、更谨慎的车道上试点AI。与此同时，供应商格局继续变化，不同参与者各自努力在市场中占据主导份额。这意味着明年将是关键一年，看组织如何将这些部分缝合在一起，获得价值，并在市场找到其形状时保持控制。

Q&A

Q1：什么是确定性系统和概率性系统？它们有什么区别？

A：确定性系统是每次都做同样事情的系统，比如表单提交到CRM系统。概率性系统则使用判断来选择下一步行动，比如AI智能体。过去公司只拥有确定性系统，现在可以混合使用两种系统来获得更大收益。

Q2：为什么说AI自动化的真正价值不在于节省时间？

A：自动化技术领导者认为，真正的价值在于实现以前根本无法完成的工作自动化，创造新的能力，而不仅仅是获得几个百分点的效率提升或节省几分钟时间。这种能力扩展带来的价值远超过单纯的效率提升。

Q3：企业在实施AI自动化时需要注意哪些关键要素？

A：企业需要设置护栏和治理层来控制AI系统，特别是当AI系统连接到数据源时。应该按部门划分范围，保持IT与业务的合作，定义具体结果而非模糊目标，并确保有人工参与循环和边界控制。