接上篇:Agentic BPM 落地前,先搞懂这 6 个转变
Agentic BPM 的 9 个核心特征,第 9 条最容易被忽略
Agentic BPM 到底改变了什么?这 6 组对照一次说清
Agentic BPM 不是工具升级,是流程治理的换位
先说个具体场景。
一个采购负责人被三家厂商分别拉去开会。第一家说我们有 Agentic BPM 平台,第二家说我们做的是 Agentic Workflow,第三家说自己其实是 BOAT。
三家 PPT 都很漂亮,都放了同样几个数字:40% 的企业应用会内置 Agent,2340 亿美元的软件支出要被重塑。
这位负责人开完会回来只问了一句:这三家有区别吗?
这个问题不好答,因为答案取决于你站在哪一层看。Gartner 在 2026 年 9 月发布的 BOAT (Business Orchestration and Automation Technologies, 业务编排与自动化技术)魔力象限里,把「AI Agent 的原生编排与治理」列为必要条件,评了 20 家厂商。
也就是说,从分析师口径看,这些厂商确实在往同一个格子里挤。但从概念上看,它们讲的根本不是同一件事。
这是Agentic BPM系列第1篇的下半篇,我会把开头提到的这些词分清楚,然后回答标题那个问题。
什么是 Agentic BPM? 关于 Agentic BPM ,我们先来看看它的 定义。2026 年 5 月 Dagstuhl 研讨会上由 19 位学者联署的《Agentic Business Process Management:A Research Manifesto》,是目前学术界对 Agentic BPM 最正式的一次表态。
Agentic BPM 是一种以 AI Agent 为重要执行与决策单元,通过目标驱动、上下文理解、动态规划、工具调用、反馈闭环和受治理的自主行动,实现业务流程智能执行、动态适应与持续优化的新型业务流程管理范式。
这个定义有点长,但每个词都不是随便放的,拆开看会清楚很多。
Agent 。执行和决策的基本单位变了。以前流程里的基本单位是「活动」,一个人干一件事,或者一个系统跑一个任务。现在基本单位是 Agent,它能感知、能推理、能调用工具。这个变化是整篇的地基。
Goal 。流程不再从「第一步做什么」开始,而是从「要达成什么」开始。传统流程的输入是单据,Agentic 流程的输入是目标加约束。
Context 。这是最容易被低估的一项。ARIS 与 The Hackett Group 对 200 多家全球 2000 强企业做的研究里,86% 的高管认为没有流程上下文,AI Agent 无法可靠部署。上下文不是把数据喂给模型,是让它知道工作实际上怎么流转、哪些规则在起作用、出了问题谁负责。
Planning 。路径由 Agent 自己生成,不是事先画好的。这条决定了后面所有讨论,我会在本文第 2 章展开。
Action 。Agent 能动手。调 API、改状态、发消息、下订单,而不只是给建议。这也是治理压力突然变大的原因,因为它真的会改变现实世界。
Feedback 。执行完不是结束。结果回流,成为下一轮的输入,流程因此有了自我修正的可能。
Governance 。最后一个词,也是最关键的限定词。宣言的原话是:自主性只有在被约束、被对齐、并通过流程意识变得可操作时,才对企业有用。换句话说,没有治理的自主不叫 Agentic BPM,叫失控。
七个词连起来读,你会发现它描述的不是「更聪明的自动化」,而是一种结构不同的东西。自动化的问题是「怎么把已知的路径执行得更快更稳」,Agentic BPM 的问题是「路径本身该由谁来定」。
这一问的差别,值得单独写一章。
Agentic BPM到底「Agentic」在哪里? 这是整篇的核心。很多人把 Agentic 理解成「给流程加个大模型」,这个理解太浅,因为它把性质变化当成了程度变化。
学术界对这一点有个很锋利的表述:自动化是执行预设好的指令,自主性是在流程框架内根据情境做选择,两者不是程度差别,是性质差别。
性质差别意味着什么?下面六组对照,是同一个变化在六个侧面的投影。
Process-driven → Goal-driven 传统 BPM 的起点是流程模型。你先画出 BPMN 图,定义每个节点、每个分支、每个审批人,然后系统照着跑。流程是主角,人是执行者。
Agentic BPM 的起点是目标。你告诉它「这批采购要在预算内完成,优先保证交期」,它自己决定先干什么后干什么。流程从「必须遵守的剧本」变成了「可参考的路线图」。
这个转变带来的直接后果是: 流程设计的工作从「穷举所有分支」变成「定义目标和边界」 。前者永远做不完,现实里总有没被穷举到的例外;后者只需说清什么算成功、什么不能碰。
Fixed Path → Dynamic Path 塔图大学的 Dumas 等人在 2026 年 1 月的立场论文里提出一个「三角自主谱」。
左下角是人工编排,人执行全部活动,比如刑侦办案;右下角是规则编排,确定性自动化,比如产线上的焊接机器人;顶点是 Agent 编排,给定高层目标,Agent 自主决定并执行整个流程,比如自动进行供应商谈判。
真实流程落在三角形内部任意位置,不是非此即彼。这个三角的用处是让你定位:我的流程在哪一格,想往哪走。
路径固定和路径动态的区别,用一句话说清楚:前者是「走错了要改流程」,后者是「走错了它自己换条路」。
Rule-based → Context-aware 规则的本质是「如果 A 则 B」。它的优点是确定、可审计,缺点是遇到没写进规则的 A 就卡住。
上下文感知的本质是「看情况」。同样是采购申请,同一个金额,规则引擎只会判断要不要审批;Agent 会去看这家供应商过去有没有履约问题、当前库存周转如何、这笔采购是不是急单。
有个采购寻源的案例很典型:TCO 模型算下来,供应商 A 单价最低但交期 45 天、历史准时率只有 82%;供应商 C 单价高 15%,但交期 20 天、准时率 98%。按停产等待成本每天 2 万元算,C 的总成本反而最低。
这个判断规则引擎做不了,因为它需要把「停机成本」这种跨部门信息拉进同一个决策里。
Task Completion → Goal Completion 任务完成是「这一步做完了」,目标完成是「这件事成了」。
差别在验收标准。任务型系统的 KPI 是处理量、及时率、错误率;目标型系统的 KPI 是「采购成本降了多少」「交付准时率提了多少」。前者衡量动作,后者衡量结果。
Camunda 调研里有个数据很说明问题:只有 10% 的企业在用基于 Agent 的编排,而 81% 认为没有这种编排,就实现不了真正的自主企业。
这 81% 的人想的大概不是「处理更多单据」,而是「让流程自己朝着目标走」。
Single Execution → Feedback Loop 一次性执行的意思是,跑完就完了。结果好不好,下一轮重新来过,经验不沉淀。
反馈闭环的意思是,跑完的每个结果都成为下一轮的输入。Agent 会记住这次为什么失败,下次绕开。更进一步,流程会记住哪类异常反复出现,主动提出改流程结构。
这一点在学术上有个专门的说法叫「自我修改」(self-modification)。宣言把它列为 Agent 的四项必备能力之一,同时明确指出:这项能力排在最后,因为 它最危险,也最难治理 。这个排序很讲究。
框架化自主、可解释性、对话可行动性是逐步建立信任的过程,自我修改是信任建立之后才敢碰的东西。
Static Process → Adaptive Process 静态流程改一次要立项、走变更、等发版。业务变化的速度早就超过发版周期了,这也是流程挖掘存在的意义:它专门用来暴露「模型里的流程」和「真实的流程」之间的裂缝。
自适应流程的改法不一样。它可以在运行时调整参数、切换路径、增减校验,不需要动代码。
Kissflow 那篇讲「SOP 终结」的文章给了个五阶段路径:先把现有流程显性化编码,再加监控和反馈,再引入条件响应元素,再让流程自我优化,最后规模化。这个顺序不能跳,跳了就是拿生产环境做实验。
六组对照的画法 把上面六组压成一张图,就是下面这样。
Traditional BPM Agentic BPM Process Goal ↓ ↓ Task Context ↓ ↓ Rule Planning ↓ ↓ Execution Action ↓ Feedback ↓ Adaptation
左边是四级流水线,右边是六级闭环。多出来的两级(Feedback、Adaptation)就是「会学习」和「不会学习」的分水岭。
我更想指出的不是多两级,是 方向上 的差别。左边从上到下,是设计者把意图逐层分解成动作;右边从下到上,是 Agent 把执行结果逐层反馈成调整。一个开环,一个闭环。
Agentic BPM的9大核心特征 上一章讲的是「变了什么」,这一章讲「变完之后长什么样」。九条特征,构成整个系列的第一个分析框架,后面几篇会反复引用。
1. Goal-driven(目标驱动) 。系统输入是目标加约束,不是动作序列。考核标准是目标达成度。
2. Context-aware(上下文感知) 。能看到流程状态、历史数据、业务规则、组织结构、异常记录。86% 的高管认为这是可靠部署的前提,但只有 22% 的企业真正具备端到端的实时可视性。
3. Dynamic Planning(动态规划) 。路径在运行时生成。同一类任务,因为情境不同,走的路线可以不同。
4. Agent-based Execution(Agent 执行) 。执行者从「人 + 规则引擎」变成「Agent + 工具」。一个流程里可以有多个 Agent,分工协作。
5. Skill-based Capability(技能化能力) 。Agent 的能力以可复用的技能单元组织,不是写死的代码,后续篇目会展开。
6. Tool/System Interaction(工具与系统交互) 。通过 API、MCP、A2A 这些协议和外部系统对话。Gartner 已经把 MCP、A2A 的互操作能力列为 BOAT 平台的必需项。
7. Feedback Loop(反馈闭环) 。执行结果回流,成为下一轮输入。
8. Adaptive Process(自适应流程) 。流程结构本身可以变,不只是参数在变。
9. Governed Autonomy(受治理的自主) 。所有自主行动都在边界内,哪些能自己定、哪些要报备、哪些碰都不能碰,都写清楚。
前八条讲的是「能力」,第九条讲的是「许可」。
这两件事在学术上被明确分开过:一篇 2026 年的论文提出把「允许自主等级」(AAL)和「自主能力等级」(ACL)拆成两个独立概念,并用一个已上线的企业数据工程 Agent 做了演示。
一个技术上达到高能力等级的 Agent,可以被刻意限制在较低的允许自主等级上,理由是风险、可逆性和组织准备度。
这个区分非常实用。它解释了为什么很多企业明明技术上行得通,还是选择让 Agent 只做建议不做决定。不是能力不够,是许可没给。
九条里,我觉得最容易做到的是 4(Agent 执行),最容易忽略的是 9(受治理),最难的也是 9。因为前八条都是加法,第九条是减法。
Agentic BPM与相关概念的边界 这一章解决读者最大的困惑。八个对比,我尽量用一句话说清每个词的「分析单元」,因为分析单元变了,才是真的新东西。
Agentic BPM vs BPM BPM 分析的是 活动 。它关心流程由哪些活动组成、活动之间什么关系、谁负责、什么标准算完成。Agentic BPM 分析的是 Agent 。
宣言里那句话是最狠的总结:流程管理的基本单位正在从活动转向 Agent。这不是加了功能,是换了分析对象。
Agentic BPM vs BPMS BPMS 是 BPM 的 软件实现 ,一套跑流程的系统。Agentic BPM 是一种 管理范式 ,它需要系统支撑,但不等同于系统。
一个企业可以买了 BPMS 却完全没有 Agentic BPM 的实践,也可以有这套思路但用一堆散装工具拼。
Agentic BPM vs Workflow Workflow 关注的是 路径 。谁在第几步做什么,条件满足就往下走。它不管目标,只管路线。
Agentic 流程里也有工作流,但工作流从「主干道」降级成了「一类可选路线」。
Agentic BPM vs RPA RPA 模拟的是 动作 。点按钮、填表单、搬数据。它解决的是「系统没有 API,只能靠人肉界面操作」这个问题。
国内做流程治理的厂商现在普遍用一张四维矩阵来描述这件事:流程挖掘负责发现,BPM 负责管理,RPA 负责执行,AI Agent 负责判断。
RPA 的价值在于确定性,Agentic 的价值在于处理不确定性。这两件事不冲突,RPA 在 Agentic 流程里往往退化成 Agent 可调用的一个工具。
Agentic BPM vs Process Mining 流程挖掘分析的是 事件 。它从系统日志里还原真实流程,找瓶颈、找偏差、找合规问题。
它的角色在 Agentic 时代变了:从「诊断工具」变成「感知层」。Agent 要先知道流程现在什么状态,才能决定下一步做什么。
Celonis 的 Context Model 本质就是在做这件事,把流程数据、业务知识、决策智能合成一个 AI 能理解的数字孪生。
Agentic BPM vs AI Agent AI Agent 是 执行单元 ,Agentic BPM 是 管理体系 。
这个区别很关键。买一堆 Agent 不等于有了 Agentic BPM,就像买一堆机器人不等于有了精益生产。Agentic BPM 管的恰恰是「一堆 Agent 怎么协同、谁审批、出事谁负责」。
ServiceNow 在 2026 年 10 月发布的 AI Workflow Factory 就是按这个逻辑做的,用 Action Fabric 把第三方 Agent 通过 MCP、A2A 接进统一治理层,再用 AI Control Tower 做跨厂商审计。
它卖的不是 Agent,是管 Agent 的那层。
这笔生意的增速也印证了判断:ServiceNow 2026 年第二季度营收同比涨 24%,AI 平台年合同价值破 10 亿美元;Salesforce 的 Agentforce 年化收入 8 亿美元,同比涨 169%。
Agentic BPM vs Agentic Workflow Agentic Workflow 是 流程形态 ,一条由 Agent 驱动的流程。Agentic BPM 是 管理范式 ,一套让这类流程可治理的方法论。
打个比方:Agentic Workflow 是一条会自己找路的运输线,Agentic BPM 是整个物流网络的管理规则。
塔图大学那个五层架构里,编排层同时包含 Agentic 流程编排系统与基于规则的编排系统。这也说明一件事:现实中的 Agentic BPM 不会全是 Agent,而是两种编排混着用。
Agentic BPM vs Agentic ERP Agentic ERP 是 一个系统的形态 ,ERP 里长出 Agent 能力。Agentic BPM 是 跨系统的编排层 。
Gartner 的预测在这里很有穿透力:到 2030 年,60% 的组织会从系统记录厂商之外的供应商那里采购 Agent 编排平台。
翻译一下,就是企业不会再让 ERP 厂商顺带管编排,因为编排本来就是一个横跨多系统的工作。
SAP Signavio 这类厂商的反击方式是给 ERP 转型铺一层「可信的 Agentic 基础」,连续四年在 Gartner 流程智能平台魔力象限里被评为领导者。
总图 八个概念的关系,可以画成一条层级链加三个落点。
Agentic AI │ Agent │ Skill │ Agentic Workflow │ Agentic Process │ Agentic BPM ┌──────────┼──────────┐ │ │ │ Agentic ERP Agentic CRM Agentic RPA
从上往下是抽象层级递减,从下往上是场景化程度递增。Agentic BPM 站在中间偏上,承上启下:往上看它是管理范式,往下看它是三个具体系统形态的共性底座。
顺便说一句,Gartner 所造的词 BOAT,是把 RPA、BPA/BPM、iPaaS、低代码连同流程挖掘和治理可观测性收进同一个平台类别。
Gartner 预计这个市场到 2030 年超过 340 亿美元,70% 的企业会从今天 10% 的分散状态转向统一编排平台。这个词解决的是「采购时该看什么类别」,不是「概念该怎么分」。两者不冲突,但别混着用。
Agentic BPM参考模型 这一节第一次正式提出一个概念级参考模型。注意是概念级,不是技术栈,详细的技术选型留给后面专门一篇。
Business Goal ↓ Process Intent ↓ Agentic Process ↓ Agent ┌────┼────┐ Skill Tool Knowledge ↓ Agent Runtime ↓ Enterprise Systems ↓ Feedback ↺
七层,我逐层说一句它在解决什么问题。
Business Goal :业务目标。这一层不是技术问题,是管理问题。目标定不清楚,下面全会歪。
Process Intent :流程意图。这是我认为整个模型里最容易被跳过、也最不该跳过的一层。它把业务目标翻译成「这条流程要达成什么、在什么约束下达成」。目标是「降本 10%」,意图是「在不牺牲交付准时率的前提下降低采购总成本」。少了这一层,Agent 拿到的是个空洞的数字。
Agentic Process :流程本身。它有了目标、有了约束、有了边界。
Agent :执行者。可以是单个,也可以是多个分工协作。
Skill / Tool / Knowledge :Agent 的三类能力来源。技能是「会做什么」,工具是「能用什么」,知识是「知道什么」。三者缺一,Agent 就会在某类任务上退化成聊天机器人。Camunda 的调研里 80% 的已部署 Agent 还只是聊天机器人或助手,原因多半就在这儿。
SAP Signavio 在 2026 年 5 月做的 Process Atoms 和 Company Memory 就是在补知识这一层:把流程标准、合规规则、决策逻辑编码成可复用的原子,再连成治理化的企业知识层,供人和 Agent 共用。
Agent Runtime :运行时。负责调度、状态管理、权限控制、日志。这一层决定了流程能不能长跑。
Enterprise Systems :企业系统。ERP、CRM、SRM、财务、HR,Agent 最终要在这里改状态。
Feedback :反馈回流,箭头回到上面。这是闭环的物理体现。
这个模型有个隐含判断: Agentic BPM 的复杂度不在 Agent 本身,在 Agent 与意图、上下文、运行时、企业系统之间的连接 。这也解释了为什么 Gartner 认为编排才是主要挑战,而不是模型能力。
一个Agentic BPM流程长什么样? 用采购举例,因为这是目前落地案例最多、最容易比较的场景。
传统采购是这样一条链:
申请 → 审批 → 询价 → 比价 → 采购 → 交付
六步,每步之间有明确的交接。实际跑一轮 15 到 20 天是常态,因为每一步都要等人。
Agentic 版本不是把六步里的每一步换成 Agent,而是换成另一种结构:
目标 → 理解需求 → 查询知识 → 搜索供应商 → 分析价格 → 判断 → 执行 → 监控 → 发现异常 → 调整
看起来步骤更多了,但性质完全不同。前者是一条固定的直线,后者是一个带回路的过程:监控之后能发现异常,发现异常之后能回头调整。
需求理解这一环,Agent 从审批流、ERP、邮件里抓采购申请,解析物料、规格、数量、交期,直接生成标准询价单。
某电商企业的实验耗材采购场景里,需求方在钉钉提交后,智能体实时抓取并同步到供应商平台,响应到秒级。
报价获取这一环,难点在跨平台。传统 RPA 要给每个供应商门户单独写脚本,页面一改版就得跟着改。Agent 靠语义识别找价格字段,页面变了还能找到。
有制造企业每天要采铝、铜、钢材的当日单价,价格散在行情网站、咨询站、大宗商品公司官网和小程序里,部署 Agent 后每天定时抓取汇总,效率提升一倍,每天省 1 小时人力。
比价这一环最能体现「上下文感知」。前面提到的 TCO 案例里,Agent 输出的不只是价格排序,而是把交期、准时率、停产成本都算进去的总成本排名,还带风险标注。
这套打分规则由采购专家在后台配置,权重可以按物料类别动态调整:关键安全件把质量风险系数提到 40%,标准件把价格权重提到 50%。
执行之后的监控和调整,是传统流程根本没有的部分。
某制造集团的采购协同智能体上线后,询比价准备和资质初筛先由 Agent 处理,采购人员转向谈判和供应商策略,因为 Agent 输出的比价依据能追溯到具体数据源,跨部门的口径争议明显减少。
再往末端走,履约跟催原来最琐碎。
有平台的做法是:扫描最近 30 天逾期未交订单,输出交货差异报告,含核心指标、供应商排名和逾期明细;对缺料申请则把「比价 → 生成订单 PDF → 发催货邮件 → 汇总」串成闭环,压到一次对话内完成。
有一个细节值得单独拎出来:所有这些案例里,Agent 都不是完全自主的。有案例明确写了「涉及修改与提交的动作全部走人工审批节点,Agent 负责找问题,人负责做决定」。
另一个案例写明「TCO 分析结果是决策参考而非自动决策,最终确认权在采购人员手中,系统承担的是信息整理和风险提示角色」。
Agentic BPM 不是把每个流程节点都换成 Agent。 这句话听起来像废话,但市面上大部分「智能 BPM」产品做的恰恰是这件事:在原有流程图上挂几个 Copilot。
真正的变化是另一句:
流程本身开始具有理解、判断、规划、执行和适应能力。
区别在哪?前者是「流程里的某些步骤有了 AI」,后者是「流程作为一个整体有了 AI」。前者你可以把它拆回原来的六步,后者拆不回去,因为它的价值和结构都在回路里。
什么样的流程适合Agentic BPM? 不是所有流程都值得 Agent 化。这里提出一个判断工具,叫 Agentic Process Fit,七项标准。
1. 非结构化程度 。输入是邮件、合同、图片、录音,还是规整的表单数据。越非结构化,Agent 的价值越大,因为规则引擎根本处理不了。
2. 判断密度 。一个流程里需要人做主观判断的节点有多少。判断越密,越适合 Agent。
3. 例外率 。走标准路径的比例有多少。例外率高的流程,传统 BPM 的成本极高,因为每个例外都要人接。
4. 跨系统程度 。一个流程要穿过几个系统。Camunda 调研里流程平均涉及 50 个端点。跨得越多,编排层的价值越大。
5. 知识依赖 。做完这件事需要多少隐性知识。依赖越重,越需要 Knowledge 这一层。
6. 路径不确定性 。路径是不是每次都差不多。如果每次都一样,规则引擎更便宜也更稳。
7. 目标明确程度 。目标越清晰可衡量,Agent 越容易判断自己做成了没有。这一条如果打分低,前面六条再好也白搭。
七维打分之后,会得到一个比较实用的结论: 高非结构化 + 高判断 + 高例外 + 高跨系统 + 高知识依赖 + 高不确定 + 高目标清晰度 的流程,是最值得优先考虑的候选。
真实世界里很少有流程七项全高,所以要找的是「短板不太短、长板特别长」的那些。
反过来,有几类流程现在明显不该碰:薪酬决策、雇佣决策、高额自主付款、法律承诺、安全关键的生产控制、员工监控、高不确定性的战略决策。有学术框架直接把这些列为「不适合作为 Agentic 起点」的场景。
理由不是技术做不到,是一旦出错,代价不可逆。
这里还有一个经常被忽略的判断: 不是所有流程都该由 Agent 主导 。
前面提到的自主性阶梯从 L0 到 L5,研究者给中小企业的建议是目标区间定在 L2 到 L4(提案引擎、带审批的工具型 Agent、有升级机制的标准案例自动化),L5 完全自主「不是多数场景的起点」。
大企业也一样,只是阈值不同。
Agentic BPM现在还面临什么问题? 先做个方法论提醒。同一个「Agent 采用率」,不同调查给出的数字从 3% 到 97% 都有。
不是谁在造假,是「部署」的定义不同:装进采购合同算不算、跑通一个部门算不算、进了生产才算,三个口径能差出几十倍。Gartner 自己的 CIO 调研给 17%,同时又说 60% 以上计划两年内部署。
下面十个问题,按「越往后越难」排。
Agent 可靠性 。Aldric Research 调查 290 位企业技术负责人,生产环境部署率从年初 19% 涨到 54%,但完全自主运行的 Agent 只占 12%。能力之外还有信任。
决策错误 。错误率本身不是最麻烦的,最麻烦的是错误不可预测。模型可能在 95% 的情况下表现很好,剩下 5% 做出完全无法预期的决定。这 5% 足以让风险团队否掉整个项目,51% 的企业把模型可靠性列为障碍。
流程确定性 。Agentic 流程天然是非确定性的。同样输入,两次可能给出不同但都算合理的结果。这不是 bug,是这类系统的工作方式,测试方法也得换:不测「这一次过没过」,而是跑很多次看结果分布是否落在可接受区间。
权限 。Agent 能调什么系统、改什么数据、花多少钱,都要有明确边界。最小权限、任务级凭证,而不是共享的长期密钥。
反过来看,企业对权限的焦虑其实已经反映在采购决策上:Caylent 调查的 200 位高管中,83% 认为护栏的重要性等于或高于模型智能,59.5% 已经把自主 Agent 放进了生产环境。这两个数字放在一起读很有意思,愿意放权,但前提是先有护栏。
数据安全 。Agent 要读数据才能判断,读到什么程度是安全问题。
审计 。这是最尴尬的一块。Agent 的推理日志和人的审批记录往往在两个系统里,中间那次交接没有任何记录。而审计要问的恰恰是那一刻:人为什么批准了这个决定。
欧盟 AI 法案给的解法是先把账建起来,给每个运行中的 Agent 一个唯一标识、能力描述和权限范围,形成一份 Agent 资产清单,再谈日志和追溯。
责任 。ZAI Institute 调查 67 位高管,37% 说不清 Agent 代表组织行事时谁负责。这个数字比技术障碍更值得担心,因为责任不清的项目没人敢推到生产。
Human-in-the-loop 。多数企业的默认做法是监督式自主,Agent 提方案,人批高风险步骤。问题是怎么设计这个「批」,批得太细等于没自动化,批得太粗等于橡皮章。
ROI 。Gartner 预测到 2027 年底超过 40% 的 Agentic 项目会被取消,理由是成本失控、价值不清、风险控制不足。
第二年 ROI 通常比第一年高 40% 到 60%,但很多项目活不到第二年。这里面有个结构性原因:企业在第 0 到 12 个月做的是「把流程显性化」这件苦活,价值要到第二年才显现。
国内制造业的账算得更细一些,采购价格维护从每次 3 到 4 小时压到 35 到 50 分钟,订单处理从每单 5 到 10 分钟压到 1 分钟,这类改善的计量单位是分钟,不是战略。
Deloitte 2026 年 4 月对 1100 多位高管的调研则显示,跑 Agentic 工作流的企业 ROI 比用零散 AI 工具的高出近 30%。
治理 。只有 34% 的企业对治理 AI 决策有信心,18% 有成熟的企业级治理框架,46% 还把 AI 责任完全交给 IT。
这三个数字放一起看,意思是:绝大多数企业连「谁管」都没定下来。监管侧的动作比企业快,欧盟法案 2026 年 8 月进入全面执行,把 Agent 接入医疗、金融、工业控制等高风险场景纳入最严监管。
说完十个问题,得把结论收回到一句话:
Agentic BPM 不是无限自主,而是 Governed Autonomy。
这句话不是妥协,是定义。宣言里四项能力的排序已经暗示了这一点:框架化自主排在最前,自我修改排最后。自主是有前提的,前提是框架。
欧盟 AI 法案在 2026 年 8 月 2 日正式适用高风险系统义务,要求风险管理贯穿生命周期、人工监督可介入可中断、自动日志足以支撑追溯和上市后监测。
这些要求听起来像负担,实际上给了 Agentic BPM 一个明确的工程目标:把「可治理」设计进去,而不是事后补。
从Agentic BPM到Autonomous Process 最后重新看演进链。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
BPM ↓ BPMS ↓ Workflow Automation ↓ RPA ↓ Process Mining ↓ Intelligent Automation ↓ AI-enabled BPM ↓ Agentic BPM ↓ Agentic Process ↓ Adaptive Process ↓ Autonomous Process
这条链上每一环都解决了一个特定的问题。
BPM 把流程显性化,BPMS 让流程可执行,Workflow 让工作能流转,RPA 让机器能操作界面,流程挖掘让企业看见真实流程,智能自动化把 AI 塞进具体环节,AI-enabled BPM 让流程有了理解能力,Agentic BPM 让流程有了行动能力。
有意思的是,这条链走了三十年,市场本身还在长:2026 年全球 BPM 市场约 260 亿美元,预计 2030 年到 457 亿美元。
后面三个值得单独说一说。
Agentic Process 是 Agent 深度参与后的流程形态。流程还是那个流程,但执行者变了。
Adaptive Process 是能自己调整结构的流程。不只是参数变,是路径和规则都在变。Kissflow 描述的自更新流程最后阶段就是这个形态:流程根据运行数据自己优化,人做周期性审查而不是逐次审批。
行业里已经在讨论它的两个前提:一是数字流程孪生,让企业先在虚拟副本上做压力测试再上线;二是自愈工作流,系统发现重复手工操作后自己生成自动化脚本。
Autonomous Process 是目标给定后基本不需要人干预的流程。这个形态目前还在很远处。有研究者用自动驾驶做类比:连最先进的自驾系统都没在所有路况下做到 L5,企业流程更没理由认为自己能一步到位。
这张图最重要的判断是:
Agentic BPM 是走向 Autonomous Process 的重要中间阶段,但二者不是同义词。
中间阶段的意思是,它必须保留人的位置。有框架把这种保留说得很具体:条件自动化(Level 3)是「Agent 在定义参数内自主管理常规工作流,人类保留对例外和质量保证的监督权」。
这个定义里,Agent 的自主和人的监督不是过渡关系,是稳定结构。
所以我认为,把 Agentic BPM 当成「通往全自主的过渡态」是误读。它更像是一个 新的稳态 :流程有相当程度的自主,但治理结构清晰、人的位置明确。
至于 Autonomous Process,那是另一个问题,可能几十年后才有答案。
写在最后:流程正在从「被执行」走向「能够行动」 回到开头那位采购负责人。三家厂商的区别,其实可以这样回答:
说自己是 Agentic BPM 平台的,卖的是管理体系;说自己是 Agentic Workflow 的,卖的是一条流程的形态;说自己是 BOAT 的,卖的是一个采购类别。三者不在一个层面上,没法直接比价。
这篇文章,真正想说的不是名词。
过去三十年,BPM 一直在做一件事:把流程定义出来,让它可以被描述、被执行、被度量、被优化。这条路上每个技术进步都在提高「执行」的效率。
过去的 BPM,是把流程定义出来;Workflow 让流程运行起来;RPA 让机器执行流程;Process Mining 让企业看见流程;AI 让流程获得理解能力;而 Agent 让流程开始拥有行动能力。
从「被执行」到「能够行动」,中间隔着的不是一代技术,是一次身份变化。执行者是被动的,行动者是有意图的。
这带来一个让人不太舒服的推论:如果流程开始有意图,那么「流程设计」这件事的含义也变了。以前设计流程是画一张图,现在设计流程是定义目标、边界和判断标准。前者是工程活,后者更接近管理活。
Agentic BPM 真正改变的,不只是流程自动化的效率,而是企业对「流程是什么」的基本认知。
这句话听起来抽象,而落到日常决策上会是这样的:你下次评估一个流程该不该 Agent 化,问的可能不再是「这个流程有几个节点」,而是「这个流程的目标清不清楚、上下文够不够、边界定没定」。
判断标准变了,说明认知已经变了。
看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,也可以给个星标,你的支持就是我的动力。
全文完
王吉伟频道图书《一本书讲透Agentic AI》已出版,完整构建Agentic AI在企业应用中的全景式知识体系,内容跨越 “基础认知-技术原理-业务应用-组织战略-实操指南” 五大板块,为读者提供从认知共识、技术解构、业务对接到组织变革的端到端路线图,欢迎大家关注。
【 赠书福利进行中 】
感谢大家的长期关注与支持。欢迎小伙伴们在文末留言与转发,王吉伟频道会随机选取读者,《一本书讲透Agentic AI》包邮到家。
【 文末福利1 】:后台发消息 研报2026 ,获取15篇 2026年 AI Agent研报 。
【文末福利2】: 后台发消息 Workflow ,获取 Agentic Workflow 相关25篇论文。
【文末福利3】:后 台发消息 agentic ,获取 Agentic AI 相关资源 。
【王吉伟频道,关注Agentic AI与AIGC,专注数字化转型、业务流程自动化与AI Agent,欢迎关注与交流。】