是追求全自动还是做人机协同?先把异常单出口设计好
在不少企业的智能体项目立项会上,最先吵起来的往往不是预算,而是路线:一派主张“既然叫自动化,就要一步到位全自动”,另一派坚持“机器不靠谱,关键节点必须留人”。双方各有道理,却常常忽略了一个更前置的问题——当系统遇到它处理不了的单子时,这张单子往哪儿走? 据IDC的调研,企业级AI项目中约有六成的落地受阻并非源于模型能力不足,而是源于异常处理链路没有设计好,导致上线后业务部门不敢用、不愿用。
本文不打算在“全自动”和“人机协同”之间选边站队,而是想换个视角:这两者并不矛盾,它们的分界线应该由“异常单出口”来划定。 下面我们就从异常出口的定义、设计要素、真实场景几个层面,把这件“不性感但决定成败”的事讲清楚。
一、“全自动”还是“人机协同”,其实是个伪命题
1.1 路线之争背后的真实焦虑
企业在规划智能体时之所以纠结路线,本质上是两种焦虑的叠加:一边担心人工介入太多,投入产出比算不过来;另一边担心机器一旦出错,业务风险兜不住。
- 全自动派的隐忧:追求100%无人工,往往意味着要把规则写得极其宽泛,宁可漏判也不误判,结果异常被“吞”进系统,月底对账时才爆雷。
- 协同派的隐忧:每个环节都设人工复核,数字员工就退化成了“高级输入法”,效率提升有限,业务部门很快失去耐心。
真正的问题不在于“要不要人”,而在于你有没有能力精准识别出“哪些单子需要人”。识别得准,99%的常规单可以放心全自动,1%的异常单精准送人;识别不准,要么全自动变成全失控,要么人机协同变成人海战术。
1.2 分界线应该画在“异常发生率”上
一个务实的判断标准是:对可穷举、可校验、历史异常率极低的业务,走全自动;对规则模糊、外部依赖多、异常形态长尾的业务,走人机协同。 而这条分界线并不是拍脑袋定的,它需要一套机制在运行时动态判断——这套机制,就是我们说的异常单出口。
通过实在Agent的流程编排能力,企业可以在同一条业务链上同时存在“全自动区段”和“协同区段”,由规则引擎在运行时决定一张单子走向哪边,而不必在项目启动时就把整条链路钉死在某一种模式上。
二、异常单出口:被大多数项目忽略的“泄压阀”
2.1 什么是异常单出口
简单定义:异常单出口是指自动化流程在遇到无法自主处置的情况时,将任务连同上下文、证据和处置建议,转交给人工或其他系统的标准通道。
它包含四个动作:识别异常、打包上下文、路由到正确的处理人、回收处理结果。缺一环,出口就是堵的。
2.2 没有出口的三个典型后果
- 静默失败:系统识别到异常但无处可去,直接跳过或置空,数据在无人知晓的情况下失真。
- 无限重试:流程卡在某个节点反复尝试,占用资源却不产生价值,日志里堆满红色报错。
- 责任真空:异常单落到了某个人头上,但没有上下文、没有优先级、没有时限,最终变成“谁看见谁倒霉”的烫手山芋。
在财务对账这类高频场景中,这些问题会被急剧放大。某国内电商企业的平台账单字段差异大、更新频繁,早期自动化流程一旦遇到编码不一致就整批中断,财务人员只能回到手工核对。后续通过实在Agent重构链路后,系统在高亮标出异常项的同时,会把差异明细、涉及的订单号与渠道来源一并打包推送,异常从“拦路虎”变成了“待办清单”。
三、设计一个好出口的四个关键要素
3.1 判定:把“什么算异常”说清楚
异常判定不能只靠“报错”,更要靠业务规则。常见判定维度包括:字段缺失或格式不符、金额超出阈值、多源数据不一致、外部接口超时、命中黑名单或风控规则等。
- 规则要可配置,业务人员能自行调整阈值,而不是每次改规则都提需求给IT。
- 判定要分层级,区分“可自动修复的小瑕疵”和“必须人工介入的硬异常”,避免所有问题都涌向同一个出口。
3.2 路由:异常该交给谁
出口通向哪里,决定了协同的效率。路由设计要回答三个问题:按什么分派(业务类型、金额区间、所属组织)、派给谁(岗位角色而非具体某个人)、超时怎么办(升级到上级或转为待办池)。
在年单据审核量超25万笔的某大型集团财务共享中心场景中,业务类型多达120余种,下辖多家分子机构执行标准不一。其智能审单方案将流程设计为“机审出结论—人工做确认”的固定动作,AI承担基础校验,疑难件按组织架构自动分派至对应审核岗,使初审替代率达到66%,人工负荷下降超60%。
3.3 上下文:让人“一眼就能处理”
最糟糕的出口是把一句“处理失败”甩给业务人员。好的出口应该携带:原始单据影像或结构化字段、命中的具体规则、系统给出的建议动作、以及历史相似案例的处理方式。
- 上下文越完整,人工处理耗时越短,协同才不会变成新的负担。
- 建议动作不必强求正确,但要给出依据,帮助人快速判断“接受还是推翻”。
3.4 回写:让每一次人工介入都变成资产
异常单被人工处理完之后,结果必须回流到系统:一方面更新业务状态,另一方面沉淀为规则优化的样本。
- 高频出现的同类异常,应触发规则迭代,逐步把“人工出口”收窄为“自动通道”。
- 处理轨迹要留痕,形成可审计的日志,这对财务、审计类场景尤为关键。
实在Agent在全链路日志与权限管理上的设计,正是为这一环服务的:每一次转人工、每一次人工确认,都会生成可追溯的记录,既满足合规要求,也为后续的规则调优提供数据基础。
四、三个场景,看清出口设计的实际价值
4.1 财务对账:把差异清单变成可执行的待办
某国内电商企业的对账场景中,平台多、账单字段差异大、促销逻辑复杂,人工核对几乎是灾难。方案通过自动从14个渠道和平台下载数据,再由7个数字员工每日执行数据计算,完成千万级数据的对账处理,最终把人工工作量压缩到2.5%,成本下降83.3%。
这里的关键不是“自动化率有多高”,而是系统没有把异常藏起来——所有差异项被高亮标出、生成清单、发邮件给对应处理人。出口清晰,人才敢放手让机器跑。
4.2 智能审单:双轨制里的“人工确认”不是妥协
在规则复杂度极高的审单场景中,采用“大模型+小模型”双轨制的价值在于:小模型负责OCR识别与结构化,大模型负责规则解析与语义判断,最后由人工完成确认动作。看似留了一个人工尾巴,实际效果是准确率提升至99.2%,风控响应速度提升300%,项目投入10个月即收回成本。
这个“人工确认”环节,本质上就是一个被精心设计过的异常单出口:它不处理常规件,只承接机器不确定的部分。
4.3 经营闭环:异常触发的人工介入点
在运营场景中,从多平台取数、分析、生成报告到分发的闭环,可以被设计成完全自动流转。但一旦出现数据源缺失、指标异常波动,流程就应当暂停分发并提示人工确认。这种“默认自动、异常提醒”的设计,让运营人员每日减少4至6小时的重复搬运工作,同时保留了必要的把控感。
五、用实在Agent把出口“造”出来
把上述设计落地,需要的不是一个单点工具,而是一套能同时支撑自动化执行与协同流转的底座。实在Agent在这一层的价值可以拆成四块:
- 流程编排:把判定、路由、通知、回写串成可视化流程,全自动区段与协同区段在同一张流程图里共存。
- 规则管理:支持业务人员以配置方式维护异常判定阈值和分派规则,并支持从制度文本解析生成可执行规则。
- 上下文打包:异常发生时自动汇集单据信息、命中规则、建议动作与历史案例,一并推送至协作终端。
- 日志与权限:全链路留痕、按角色分权,确保每一次人工介入都可审计、可追溯、可复用。
换句话说,是追求全自动还是做人机协同,这个问题的答案不必在立项会上吵出来,它可以交给运行时去回答。
结语
自动化的成熟度,从来不体现在“机器能处理多少”,而体现在“机器处理不了的时候,系统是否依然体面”。把异常单出口设计好,常规业务可以大胆全自动,疑难业务可以安心交给人,两者不再是对立路线,而是同一套体系里的两个档位。建议在下一个智能体项目启动前,先画一张异常流向图——它比任何一份技术选型报告都更能决定项目的成败。
常见问题解答
Q1:异常单出口会不会变相增加人工工作量?
初期会有一定人工介入量,但这部分工作是有上下文、有优先级、可批量处理的,远低于全手工模式。随着规则持续优化,同类异常被自动消化,介入量会逐月下降。
Q2:中小企业也需要设计这么复杂的出口吗?
需要,但可以简化。哪怕只做两件事——异常统一汇总到一个待办列表、每张异常单附带原始单据和失败原因——也能避免大部分“自动化上线即失控”的情况。
Q3:全自动和协同的比例大概多少算合理?
没有统一标准,取决于业务规则的可穷举程度。经验上,规则清晰、外部依赖少的业务可做到90%以上自动;涉及多源数据校验和主观判断的业务,保留10%至30%的人工出口更稳妥。
Q4:人工处理的结果怎么反哺系统?
关键是建立回写机制:将人工结论写回业务系统,同时记录为规则优化样本。高频异常类型应定期复盘,转化为新的自动判定规则。
Q5:出口设计不好,最常见的表现是什么?
流程频繁中断、异常无人认领、业务部门上线后仍大量使用Excel兜底。如果出现这三种情况,说明出口链路需要重新梳理了。



