哪些环节不能交给自动化?要判断、要授权、要对外承诺的三类
过去两年,几乎所有企业都在做同一道题:把哪些流程交给AI智能体?会议室白板上写满了“可自动化清单”——发票录入、工单派发、数据搬运、报表生成,越写越长。但很少有团队认真讨论过它的反面:哪些环节不能交给自动化?
这个问题之所以关键,是因为Gartner在2025年的一项预测中给出过一个不太乐观的判断:到2027年底,超过40%的代理式AI(Agentic AI)项目会被取消,原因集中在成本失控、价值不清和风险治理不足。换句话说,把边界画错,比不画边界更危险。
这篇文章想提供一个可落地的切分方法:在所有流程节点中,有三类环节必须保留人工——要判断的、要授权的、要对外承诺的。搞清楚这条线,剩下的部分反而能跑得更快。
一、为什么“不能自动化清单”比“能自动化清单”更重要
大多数自动化项目失败,不是因为技术不够强,而是因为一开始就把不该交出去的环节交出去了。
- 风险是不对称的:一个流程跑通99次没人记得,第100次自动发出一封错误邮件给客户,可能就是一场事故。自动化的收益是线性的,风险却是指数的。
- 规则写不全的地方,AI会“自信地猜”:大模型最大的优点是能补全,最大的风险也是能补全。当规则缺失时,它不会说“我不知道”,而是给出一个看起来合理的答案。
- 组织信任是一次性的:业务部门第一次被自动化坑过之后,第二次推动数字员工上线,阻力会成倍增加。
所以成熟的做法是先划禁区,再谈扩围。实在Agent在实际交付中通常遵循同一个原则:流程可以全链路数字化,但关键节点必须保留“人机确认”的卡口。自动化负责把80%的重复劳动消化掉,人只在真正需要负责的地方出现。
二、第一类:需要“判断”的环节——规则写不全的地方
判断类环节的典型特征是:你能举出十个例子,但说不出统一规则。比如一笔费用该不该报、一家供应商是否值得续约、一张单据的异常是否属于合理例外。
2.1 判断类环节的识别信号
- 例外率高:同一类业务,每次处理方式都不太一样,规则文档永远追不上实际情况
- 依赖上下文:需要结合历史合作、行业惯例、当期政策来判断,而不是看单个字段
- 后果不可逆:判断错了会造成实质损失,而不是“改一下重来”
2.2 正确姿势:AI做初审,人做终审
判断类环节不适合“全自动”,但非常适合“AI初审+人工终审”的双轨结构。
以某大型能源集团的财务共享中心为例,其单据年审核量超过25万笔,业务类型120余种,单一业务类型下就有十余条审核规则,且下辖多个省份分子机构的执行标准并不统一。如果完全依赖人工,负荷过重;如果完全交给机器,风险不可控。
通过实在Agent构建的“大模型+小模型”双轨制智能审单方案,把流程拆成了六步:
- 规则智能管理:上传制度文本,由大模型解析生成可执行的代码规则,制度变了规则同步更新
- 业务端提单:业务人员在原系统内正常提交,不改变使用习惯
- 智能识别:OCR小模型负责结构化字段提取,大模型负责非结构化材料的语义理解
- 深度校验:IDP引擎执行规则校验,并对必要字段做系统穿透查询
- 结论生成:AI输出审核辅助结论与置信度,标注疑点
- 人工确认:由审核人员对存疑单据做最终判定
结果是初审替代率达到66%,人工负荷降低超60%,准确率提升至99.2%,项目投入10个月即收回成本。关键在于最后那一步——机器把95%的活干完了,但签字权始终在人手上。
三、第二类:需要“授权”的环节——动钱、动权限、动人的事
授权类环节的判定很简单:这个动作一旦执行,就在法律或财务意义上生效了。付款、过账、开通权限、变更合同主体、调整额度,都属于这一类。
3.1 授权类环节的三个特征
- 具有法律或财务效力:执行即生效,撤销成本极高
- 涉及权限边界:本质是在“代表组织行使权力”
- 需要可追溯的责任主体:出了问题必须能定位到具体的人
3.2 正确姿势:自动化可以走到“门口”,但不能推门
这里的分寸感很重要。不是不让AI参与,而是让它负责“准备”,人负责“生效”。
在财务场景中,这个原则体现得特别清晰。传统做法下,财务人员要从电商平台和ERP之间来回搬运数据,业务增速一快,财务就成了瓶颈。实在Agent的财务凭证自动生成与对账方案,把链路拆成四段:
- 自动取数:从电商平台及ERP中自动抽取业务数据,替代人工搬运
- 智能分录:基于会计准则自动完成科目映射,把业务语言翻译成财务语言
- 自动对账:多维度实时比对账务,精准定位差异并输出异常清单
- 一键制证:在ERP中自动生成凭证草稿,构建全链路数据闭环
注意最后一步的关键词是“草稿”。系统不会自动过账,而是把一份已经做完99%的凭证推到财务人员面前,由人复核后确认生效。成效是70%的效率提升、100%的精准合规,且核心财务资产通过私有化部署不出本地。
这就是授权类环节的黄金分割点:机器承担全部准备工作,人保留唯一一次点击。那一次点击不是效率损失,而是责任归属的锚点。
四、第三类:需要“对外承诺”的环节——代表公司说话的那张嘴
第三类最容易被忽视,却最容易造成不可挽回的损失:任何以公司名义对外表达的内容。包括对客户的交付承诺、对供应商的价格确认、对外的正式函件、公开渠道的发布内容。
4.1 为什么对外承诺不能全自动
- 语境不可控:对内说错可以更正,对外说错会被截图
- 承诺具有延续性:一句话可能被援引为后续商务谈判的依据
- 品牌成本远高于人力成本:省下的几分钟,可能要用几年去修复
4.2 正确姿势:AI负责“把话准备好”,人负责“把话说出去”
电商场景中的项目履约是一个很好的观察样本。过去履约节点散落在聊天群和各类表格里,全靠人工盯盘,容易寄错、滞后、漏单,管理层也看不到真实进度。
通过实在Agent构建的项目履约全链路方案,形成“建档—流转—追踪—复盘”的数智闭环:
- 标准建档:项目启动时自动激活标准化履约模板,统一基准,避免各人各法
- 自动流转:自动同步联络记录并触发下单寄样,关键任务秒级响应
- 实时更新:物流雷达全程追踪,异常节点自动预警并推送责任人
- 一键复盘:移动端快速确认节点,自动生成结构化报告并归档
成效是漏单与延误风险降低99.9%,履约节点流转效率提升300%。但请注意,涉及“变更交付时间”“承诺补偿方案”这类真正对外表态的动作,系统只做预警、草稿和建议方案推送,最终发出仍由人确认。物流雷达能替你盯着货,但不能替你向客户道歉。
五、一张可落地的判断表:四问定边界
把上面的逻辑压缩成一个可以贴在墙上的判断流程,任何节点过一遍这四个问题,边界就清楚了:
- 问一:这个动作错了,能撤回吗? 不能撤回的,保留人工确认
- 问二:这个动作有统一规则吗? 规则写不全、例外频发的,走“AI初审+人工终审”
- 问三:这个动作会让公司承担义务吗? 会的,人签字才生效
- 问四:这个动作出了问题,找谁? 找不到明确责任人的,说明设计有问题,需要重新划分
配合这套边界,还需要三项治理能力兜底,这也是实在Agent在企业级落地中重点建设的方向:
- 全链路日志审计:每一步AI操作可回溯,生成可审计的过程记录
- 基于RBAC的权限体系:不同角色看到不同数据、触发不同动作,最小权限原则
- 私有化与安全合规:支持信创环境非侵入式部署,不改动现有系统,国密加密、三员分立、数据脱敏构成完整安全体系
六、划清边界之后,自动化反而跑得更快
很多团队担心“保留人工确认”会拖慢效率,实际恰恰相反。
一旦明确了哪三类环节必须留人,剩下70%—80%的环节就可以放心地做成全自动,不必每次都讨论“要不要加个审批”。业务部门心里有底,IT部门推广阻力变小,审计部门也能接受——因为风险点是被显式设计过的,而不是被忽略的。
这正是企业级AI智能体与通用聊天机器人的根本区别:前者靠边界获得信任,后者靠能力吸引眼球。在真实的企业环境里,让人敢用,永远比让人惊叹更重要。
常见问题解答
Q1:把判断类环节交给AI初审,出了错责任怎么算?
责任主体仍然是最终确认的人。AI初审的定位是“减少无效阅读”,不是“替代判断”。制度上应明确:人工确认即视为已履行审核职责,因此确认界面的信息呈现必须完整、疑点标注必须显著。技术上的配套是完整的操作日志,能还原AI给出了什么建议、人基于什么信息做了决定。
Q2:三类环节都保留人工,自动化的投入还值得吗?
值得。以智能审单为例,初审替代率66%、人工负荷降低60%,意味着人只处理了过去三分之一的量。自动化的价值不在于“无人”,而在于“人只出现在该出现的地方”。真正拖慢企业的往往不是那一次确认,而是确认之前的全部准备工作。
Q3:怎么快速判断一个环节属于“判断”还是“执行”?
一个实用的测试:把这条规则讲给一个新人听,他能不能在十分钟内独立处理正确?如果能,它更接近执行,可以自动化;如果必须跟岗三个月才敢放手,它就需要人机协同。
Q4:对外承诺类环节,AI是不是完全不能参与?
可以深度参与,只是不能最终拍板。AI适合做信息聚合、方案草稿、风险提示和话术建议,把人的决策成本降到最低。但“发出”这个动作必须由人完成,这是对外承诺类环节不可让渡的部分。
Q5:中小企业流程没这么复杂,也需要这套边界吗?
越小的团队越需要。大企业有法务和审计兜底,小团队一次对外承诺失误可能直接影响现金流。三类环节的划分与规模无关,只与“错误的代价”有关。



