本指南面向运营负责人、首席运营官、财务与客户服务经理,以及为其提供支持的技术负责人。本指南按照您实际遇到问题的顺序,依次回答四个问题:优先自动化哪个流程、赋予软件多大自主权、如何证明投资回报,以及如何保障数据和系统安全。本指南涵盖了通常以不同名称单独销售的概念(工作流自动化、智能流程自动化、流程智能、AI驱动的CRM、"机器人工作力"),并将其整合为一条决策路径。
本指南目录
- 运营中AI自动化的含义
- 选择第一个流程
- 自动化之前先了解流程
- 设计人工审批
- 适合运营团队的治理框架
- 不夸大数字地衡量ROI
- 安全与数据保护
- 从试点到规模化的交付路径
- AI在Netbase交付中的定位
- Netbase已交付的成果
- 常见错误
- 本指南的局限性
- 常见问题
- 本指南的编写方式
- 下一步
运营中AI自动化的含义
"AI自动化"涵盖一个技术谱系。大多数成功的项目会在同一流程中综合运用谱系上的多个层次,每次推进一步。
| 层次 | 功能描述 | 擅长 | 不足 |
|---|---|---|---|
| 基于规则的工作流自动化 | 沿固定路径移动数据并触发步骤 | 可预测、可审计、运行成本低 | 输入混乱或规则繁多时容易失效 |
| 屏幕与任务自动化 | 模拟人工在无API的系统中点击操作 | 快速桥接旧系统 | 界面变更时易出错 |
| 工作流中的AI步骤 | 在某一步骤进行读取、分类、提取或起草 | 电子邮件、PDF、图片、自由文本 | 需要置信度阈值和人工审核 |
| AI智能体 | 在限定范围内决定下一步并调用工具 | 多样化、开放式场景 | 成本、延迟和控制需要精心设计 |
Anthropic关于智能体的工程指南划定了同样的界限:工作流通过预定义的代码路径编排模型和工具,而智能体则让模型自主指导其流程和工具使用。其建议是,只有在能够明显改善结果时才增加这种复杂性。我们对AI智能体与工作流自动化的比较,将其转化为每项任务的决策表。
实际影响:"固定"的基于规则的自动化并非需要被取代的旧方式,而是使AI步骤安全的骨干——因为它记录发生的一切、强制规定步骤顺序并维护审批队列。
选择第一个流程
第一个自动化项目应取得显著成效,并让组织学会如何推进下一个。在讨论模型或工具之前,先对候选流程进行评分。
| 标准 | 强候选 | 弱候选 |
|---|---|---|
| 交易量 | 每周数百个相似案例 | 每月仅几个案例 |
| 重复性 | 大多数情况下步骤相同 | 每个案例都不同 |
| 输入格式 | 少数已知类型的电子邮件、表单、PDF或图片 | 任意内容、任意格式 |
| 可核查性 | 规则或人工可判断输出是否正确 | 没有人能解释正确答案 |
| 错误成本 | 可恢复,或在到达客户前被截获 | 不可逆、涉及法律或安全关键 |
| 归属权 | 单一负责人可以变更流程 | 多个部门共同负责,却无人真正负责 |
| 数据访问 | 具有您可控的API或导出功能的系统 | 数据锁定在无人可访问的系统中 |
按职能划分的典型第一候选流程:
| 职能 | 候选流程 | AI的作用 |
|---|---|---|
| 订单运营 | 订单检查、异常路由、状态更新 | 读取客户备注和附件 |
| 客户服务 | 常见问题的分类、路由和草拟回复 | 分类意图并起草待审批的回复 |
| 财务 | 发票匹配、付款对账、供应商查询 | 从发票和电子邮件中提取字段 |
| 销售与CRM | 线索资质评估、通话或邮件后更新CRM、提案草拟 | 将对话摘要为结构化记录 |
| 供应链 | 供应商确认、交货异常、库存预警 | 读取供应商邮件并标记不匹配 |
| 生产与履约 | 文件检查、作业准备、发货更新 | 按规则检查设计稿或文档 |
对于在线商店后台的订单与履约工作,基于规则的商务运营自动化通常是正确的第一步;对于输入混乱的订单,可以在此基础上添加AI步骤。
自动化之前先了解流程
对未经测量的流程进行自动化,只会以更快的速度重现原有问题。在设计之前,需要明确四件事:
-
真实流程。
按实际发生的步骤绘制流程图,而非按规程所述。系统日志、工单历史和一周的团队跟踪观察,能够揭示工作等待和循环的地方。流程智能工具可从事件日志中大规模完成这项工作;对于第一个流程,仔细的手动绘图已经足够。
-
交易量。
每周案例数、遵循主路径的比例,以及异常类型。
-
基线。
每案例耗时、错误或返工率、每案例成本,以及案例在步骤间的等待时间。这是所有后续评估的参照数字。
-
决策点。
人工在哪里做决定、使用什么信息,以及出错时谁承担责任。
发现阶段往往表明最大的节省并不来自AI:去除一个重复的检查步骤、重新设计表单使数据以结构化方式输入,或者连接两个系统以避免手动重新录入订单。先获取这些收益,它们会使后续自动化更小、更可靠。
设计人工审批
核心设计问题不是"AI能做到吗?",而是"它可以在不请示的情况下做什么?"。按步骤而非按系统设定自主级别。
| 自主级别 | 软件 | 人工 | 适用场景 |
|---|---|---|---|
| 建议 | 提出答案或下一步 | 对每个案例做决定 | 新自动化,处于影子模式 |
| 起草待审批 | 准备好待发送或发布的操作 | 审批或编辑每一条 | 客户回复、退款、价格变更 |
| 执行,抽样审核 | 处理常规案例 | 审核抽样及所有低置信度案例 | 有良好记录的高量低风险步骤 |
| 在限额内执行 | 在设定阈值以下独立执行 | 处理异常并审查日志 | 错误成本低且可恢复的成熟步骤 |
OWASP 2025年LLM应用Top 10将本表所预防的失效命名为过度自主:因意外、模糊或被操控的模型输出而采取的破坏性行动。该文件将风险追溯至三个根本原因——功能过多、权限过高和自主过度——其缓解措施包括:对高影响操作进行人工审批、最小权限原则,以及在下游系统中而非依赖模型来执行授权检查。
转化为运营规则:
- 只给每个自动化分配其所需的工具。一个路由邮件的分类步骤不需要发放退款的权限。
- 以角色权限执行,而非以管理员权限执行。下游系统仍会检查操作是否被允许。
- 对涉及资金、合同、客户承诺和任何不可逆操作,始终保留人工审批,无论准确率看起来多高。
- 从影子模式开始。自动化提议,人工决定,在任何步骤独立运行之前,先在真实案例上测量准确率。
- 始终保留手动备用方案,以及在不停止业务的情况下关闭自动化的方式。
适合运营团队的治理框架
AI治理不需要新建部门,只需要明确负责人、一套简明规则,以及规则得到遵守的证据。NIST AI风险管理框架于2023年1月以1.0版本发布,供自愿使用,将工作组织为四个功能:治理(Govern)、绘图(Map)、测量(Measure)和管理(Manage)。NIST于2024年7月新增了生成式AI概要(NIST AI 600-1)。对于运营自动化,这四个功能转化为明确的任务。
-
治理(Govern)
指定流程负责人、每个自主级别的审批政策,以及变更记录
-
绘图(Map)
流程图、所用数据、受影响人员,以及输出错误时的后果
-
测量(Measure)
真实案例的准确率、异常率、每案例时长和成本,与基线对比
-
管理(Manage)
将案例转交人工的阈值、回滚路径,以及指标偏离时的审查机制
文档应与规模相称。每个自动化一页记录(负责人、目的、数据、自主级别、指标、备用方案)加上每月一次的仪表板审查,足以覆盖大多数运营需求。涉及受监管决策(如信贷、就业或医疗),则需要更多文档和法律建议。
不夸大数字地衡量ROI
AI自动化的商业论证之所以常常失败,是因为它们统计的是"解放"出来的工时,而非实际削减的成本或被利用的产能。前后采用相同的衡量方式。
衡量什么。每案例耗时、每人每天处理案例数、错误与返工率、解决时长、每案例成本,以及无需人工干预即可处理的案例比例。
计入哪些成本。构建和集成工作量、许可证和模型使用费、托管费用、人工仍需花费的审核时间、监控与维护,以及流程负责人在项目上投入的时间。
如何解读结果。回报等于每案例成本变化乘以交易量,加上减少错误和加快解决的价值,再减去自动化的持续运营成本。如果解放出来的时间未被重新部署,则节省的是产能,而非现金;在商业论证中如实说明。
何时做决定。在试点开始前确定测量窗口,时间要足够长以涵盖正常的高峰和异常,并提前约定何种结果意味着扩大规模、调整,或停止。
我们不发布AI自动化的通用ROI数字,因为诚实的答案取决于您的交易量、错误成本和基线。请以同样的态度看待任何供应商给出的通用百分比。
安全与数据保护
一个读取电子邮件并写入业务系统的自动化,是一个新的特权用户。请将其视为特权用户来对待。
- 最小化数据。只向模型发送某步骤所需的字段;对其不需要的内容进行脱敏。
- 限定凭证范围。每个自动化使用独立凭证,遵循最小权限原则,定期轮换并存储在代码之外。
- 记录每项操作。记录输入、输出、决策、审批及审批人,使审计员能够追溯任何案例。
- 将输入视为不可信。电子邮件和文档可能携带针对模型的指令。在输出到达执行系统之前进行验证。
- 以书面形式约定数据处理方式。明确数据在何处处理、模型提供商是否可以保留数据,以及数据处理协议的内容。
Netbase的交付遵循一套安全实践:安全代码审查和版本控制、传输中使用TLS加密和静态存储使用AES加密、基于角色的访问控制、管理员仪表板启用MFA、漏洞扫描和渗透测试,以及灾难恢复;NDA、DPA和SLA可按需提供,所有参与者均签署保密协议。
从试点到规模化的交付路径
| 阶段 | 目标 | 退出标准 |
|---|---|---|
| 发现 | 流程图、基线、候选步骤、自主权方案 | 完成评分的流程和书面测量计划 |
| 构建与影子运行 | 可预测步骤的规则、必要处的AI步骤、审批队列 | 真实案例的准确率达到约定阈值 |
| 辅助运营 | 经审批的草稿和常规操作 | 时间和错误指标相对基线改善 |
| 规模化运营 | 已验证步骤的更高自主权,抽样审核 | 在约定窗口内指标稳定 |
| 下一个流程 | 复用集成、日志和审批模式 | 第二个流程完成评分和规划 |
第二个自动化比第一个更省成本,因为基础设施已经就绪:与电子邮件、商店前台、ERP或CRM的连接,审批队列和监控仪表板。规划第一个时,就要确保这些组件可以复用。
Netbase的产品化模块库包括工作流自动化工具包和AI聊天机器人与WorkChat集成器,以及CRM与B2B销售引擎、Smart ERP Light、房地产数字工具包和电商加速器。如有适用模块,构建可从中起步。智能体AI自动化服务介绍了Netbase如何开展发现、影子模式和推广:敏捷迭代、每周审查,河内的远程优先团队以英语工作,安全措施从第一阶段起就融入每个集成。
如果流程运行在老化平台上,在其上叠加自动化可能只是保留了问题。数字化转型与现代化指南涵盖了如何决定优先变更什么。在选择第一个流程之前,企业AI就绪评估会检查数据、技能和治理成熟度。
AI在Netbase交付中的定位
Netbase的工作涵盖机器学习、自然语言处理、计算机视觉、生成式AI和AI与物联网的结合。这些是按需提供的能力领域。已命名的AI工作是4over4项目;Netbase还为未具名客户交付了文档AI平台、RAG知识助手、MLOps流水线、WhatsApp AI聊天机器人与CRM集成和分类信息平台AI内容审核,相关记录以匿名形式保存在AI服务页面中。我们与OpenAI、Anthropic(Claude)、Google(Gemini)和Meta(Llama)等商业和开源模型合作,按流程选择适用模型。
-
已交付(匿名客户):WhatsApp AI聊天机器人。
WhatsApp Business上的客户对话将线索和跟进工作流输入CRM,为未具名客户交付。
-
已交付:商品推荐引擎。
基于4over4的浏览和购买历史构建。
-
增长能力:机器学习、NLP、计算机视觉、生成式AI和AI与物联网。
Netbase提供的AI能力领域;除上述已交付项目外,尚未关联已发布的案例。
Netbase已交付的成果
4over4,在线印刷。Netbase基于浏览和购买历史构建了推荐引擎,并自动化了Adobe Illustrator(.ai)设计文件到SVG的转换,使客户无需等待人工文件修复即可完成设计。据已发布案例研究报告,设计文件制作时间缩短40%,订单履约时间缩短50%,三个月内创建了200+个新模板。这些结果反映的是整个项目的成效,包括结账和搜索工作,并非仅来自推荐引擎。阅读4over4案例。
4over4的设计文件制作时间缩短了40%,涵盖整个项目
4over4的订单履约时间缩短了50%
三个月内创建了200+个新模板
常见错误
- 从平台入手而非从流程入手。没有经过评分的流程,工具只会变成闲置软件。
- 没有基线。没有"之前"的数字,就无法证明"之后"的改善。
- 过早赋予过多自主权。跳过影子模式,用小小的延误换来了一次公开的失误。
- 用AI处理规则就能搞定的事。让模型读取结构化数据只会增加成本和不确定性,毫无价值。
- 宽泛的凭证权限。拥有管理员权限的自动化会将一次错误输出变成一场事故。
- 把解放出来的工时计算为节省。只有产能被实际利用,才能转化为现金。
本指南的局限性
本指南是基于Netbase交付经验的实践指引,并非原创研究,也不提供通用ROI数字。NIST、OWASP和Anthropic的参考资料描述的是通用框架和实践;如何应用取决于您的流程、数据和法规,本文内容不构成法律建议。4over4的结果是针对整个项目报告的,取决于该客户的基线。Netbase的AI能力领域作为已提供的能力陈述,与已交付的已发布工作分开。
常见问题
我们应该优先自动化哪个流程?高交易量、重复性强、输出可核查、错误可恢复、且有单一负责人的流程。使用上方的表格对候选流程进行评分。
我们需要AI,还是工作流自动化就够了?对结构化、可预测的步骤使用规则,仅在输入需要读取或判断时使用AI。大多数流程两者都需要。
我们如何保持控制?按步骤设定自主级别,从影子模式开始,对高影响操作保留人工审批,并记录一切。
多久才能看到结果?第一个流程完成影子和辅助阶段后,可以看到可测量的变化。在试点开始前约定测量窗口。
数据在语言模型中安全吗?只有当设计最小化数据、限定凭证范围、记录操作并以书面方式约定数据处理方式时才安全。询问数据在哪里处理和保留。
能否与我们的ERP、CRM和电子邮件集成?通常可以,通过API或导出实现。如果没有API,在系统现代化之前,屏幕自动化可以作为桥接方案。
本指南的编写方式
Netbase编辑团队根据Netbase已发布的AI页面、模块库页面和安全页面、4over4案例研究,以及NIST、OWASP和Anthropic的公开框架编写了本指南。David(CEO)审查了所有Netbase事实。外部来源均附有访问日期。起草过程使用了AI辅助(Claude)。本指南旨在帮助运营团队在不过度为其不需要的自主权付费的情况下,选择、治理和衡量其首批自动化项目。
下一步
找出最耗费团队时间的流程,并分享一周的示例。我们将安排解决方案审查,对其进行评分、测量基线并提出首个自动化方案。您也可以查看相关服务或浏览更多Netbase洞察。
相关服务与解决方案
让人保持掌控的AI自动化与智能体
Netbase为希望由软件处理重复性多步骤工作的运营团队提供AI自动化与智能体开发服务,同时确保人员对关键决策保留审批权。我们将基于规则的工作流自动化与AI步骤相结合,在设计阶段即纳入人工审批节点,并以构建前采集的基准数据衡量回报。
Learn More
AI辅助电商运营自动化:从已付款订单到送达包裹
电商运营自动化消除了店铺后台手动处理订单、生产和履单的步骤:包括路由、文件准备、状态更新和后台同步,并通过AI标记风险订单和分类异常。适用于订单量已超出员工处理能力的商家和在线印刷商。在已交付项目中,4over4将设计文件生产时间缩短了40%,Geo-Tek将平均订单处理时间缩短了30%。
Learn More
探讨项目
Netbase JSC 帮助企业设计、构建、现代化改造和运营数字产品及 AI 驱动的业务系统。+84 937 869 689
91 Nguyen Chi Thanh, Dong Da, Hanoi, Vietnam
取得联系
告诉我们您想构建、改造或运营什么。