# Salesforce 承认了：你的工作流是为人设计的，不是为智能体设计的 Salesforce 刚推出了一整款产品，去修补企业 AI 屡屡卡壳的根源，而它的诊断才是最诚实的部分：智能体失败不是因为模型不会推理，而是因为底层的工作流从来就不是为一台会照字面执行指令的机器准备的。你的流程里满是缺口，人会悄悄补上，智能体却会直接掉下去。这才是没人愿意做的真活，再升级模型也修不好。 - **Author:** Fedor Chishchin - **Published:** 2026-06-06 - **Tags:** architecture, methodology, agents - **Source:** https://fedorthinks.com/zh/blog/your-workflow-was-built-for-humans --- 今年春天 Salesforce 发布了一款产品，它的整套卖点其实就是一句坦白。 这产品叫 Agentforce Operations，存在的意义就是 [修补那些不断拖垮企业 AI 的工作流](https://venturebeat.com/orchestration/salesforce-launches-agentforce-operations-to-fix-the-workflows-breaking-enterprise-ai)。 他们自己材料里的说法直白得反常： > 企业 AI 团队正撞上一堵墙——不是因为模型不会推理，而是因为它们底层的工作流从来就不是为智能体设计的。 这句话值得读两遍，因为一个卖智能体的厂商刚刚告诉你：智能体不是问题所在。模型没毛病。出问题的是 _你交给它的那套流程_。这是今年关于企业 AI 最有用的一句话，值得搞清楚它为什么是对的。 ## 人跑的工作流到处是窟窿 有个部分我们从来没注意过。几乎你照着走过的每一个业务流程，其实都在悄悄出毛病，可它照样运转——因为有个人正实时地把窟窿补上，而且谁都没告诉。 步骤定义得很松。一半的决策是默会的。两个团队之间的交接「就是能跑通」，因为应收账款部的玛丽亚知道周五要去查第二张表格，而且她已经这么干了九年。正如一篇报道所说，这些流程是 [在多年的变通办法中演化出来的——步骤定义松散、决策隐含、协调全靠个人知道下一步该干什么](https://venturebeat.com/orchestration/salesforce-launches-agentforce-operations-to-fix-the-workflows-breaking-enterprise-ai)。 它们是围着人的判断 _缺口_ 设计的，不是为机器执行设计的。 人会把写下来的流程当成一个粗略的建议，剩下的靠经验补齐。这种即兴发挥是隐形的、没报酬的，却又绝对是承重墙。 ## 智能体只会照你写下来的去做 现在把一个智能体丢进同一个流程。智能体会做一件人从来不做的事：它 _照字面_ 执行指令。它不知道玛丽亚的周五表格。它感觉不到「拿到审批」其实意思是「在 Slack 上找达娜，但只在金额超过五千的时候」。它一撞上第一个没定义清楚的步骤，要么停下，要么信心满满地把事情做错。 这就是为什么那么多试点卡住了，跟智能高低毫无关系。更聪明的模型只会更精确地照着你那条破流程走下悬崖。不是智能体辜负了工作流；是工作流辜负了智能体——它默认会有个人在那儿即兴救场，而现在没有了。 ## 修复就是那份没人想干的活 不光鲜的真相是：要让一个流程做好迎接智能体的准备，意味着真正去 _定义它_——把隐含的决策写下来，把玛丽亚记在脑子里的规则编码出来，划清哪些是固定的、哪些是要靠判断的。关于怎么做，正在形成的共识跟我一直主张的是同一件事：你 [把确定性步骤——规则、API、系统校验——和智能体推理糅合起来，只在推理真正能加分的地方用它](https://www.ishir.com/blog/325107/agentic-ai-strategy-for-enterprises-governance-orchestration-and-workflow-redesign.htm)。 审批门槛、升级触发条件、合规闸口，都变成硬性的、确定性的规则。智能体在这些规则之间的缝隙里推理，而不是凌驾在它们之上。 这跟 [问对第一个问题](/blog/wrong-first-agent-question) 是同一个意思：不是问「我们要把哪一部分智能体化」，而是问「这里确定性的真相来源是什么，判断到底该落在哪儿」。你不是在教智能体你的流程。你是终于把自己的流程写得足够清楚，让任何东西——人也好机器也好——都能照着走。只不过智能体不会像人那样原谅你偷的工。 ## 对那些奇迹般的数字保持怀疑 要提醒一句，因为这毕竟是一份披着诊断外衣的销售说辞。同一场发布会上挥舞着诸如周期缩短 70%、人工杂活消除 80% 这样的数字，调查还宣称 [79% 的企业已经「在运行智能体」](https://venturebeat.com/orchestration/salesforce-launches-agentforce-operations-to-fix-the-workflows-breaking-enterprise-ai)。 对待这些数字，就用你对待任何一个厂商需要它成立的数字的态度。在试点里「运行智能体」跟智能体在无人监督下干真活，根本不是一回事；而被自动化掉的那 80%，永远是干净、定义清楚的那 80%——本来就已经接近能交给智能体的部分。剩下那乱糟糟的 20%，玛丽亚的判断所在之处，恰恰就是自动化不了的部分，也正是真正吃力的重新设计活儿所在的地方。 ## 要点 你不必非得买 Agentforce 才能用上这个教训，而且它一直往下能用到一个单人项目上。在你怪模型搞砸你的任务之前，先去读一遍你交给它的那套流程，然后问：一个刚入职、毫无背景、又没人可问的新员工，照着这些指令一字不差地做，会做对吗？如果答案是不会，那智能体从一开始就不是你的问题。 未来一年里靠智能体胜出的公司，不会是那些拥有最聪明模型的公司。聪明模型人人都有。它们会是那些干了无聊苦活的公司——把自己那套围着人、满是缺口的流程，打磨成精确到机器能跑起来的东西——并在这个过程中发现，自己对自家运营的理解，远没有原先以为的那么透彻。