Salesforce 承认了：你的工作流是为人设计的，不是为智能体设计的

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。 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。 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。 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 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」。 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。