business-process

本文提出了一种面向基于LLM的智能体的组织记忆架构，用于执行业务流程，通过共享的组织特定知识，解决了每个智能体知识编码的可扩展性和一致性问题。

大多数公司错误地自动化了任务而非决策，从而错失了巨大的投资回报率。通过自动化需要人类判断的决策，例如线索评分和支持工单分类，公司每天可以节省数小时高管的时间。

这是一个提问，询问人们会信任AI代理自主处理哪些商业任务，以及哪些任务他们绝不会移交，反映了当前实际部署中的考量。

一位机构创始人分享了从50多个AI自动化实施中获得的经验教训，指出大多数失败的原因是底层流程混乱、缺乏内部所有权和过度工程化，而最成功的自动化方案简单、专注，并有指定的客户方负责人支持。

文章认为，公司是算法的集合，AI很快将优化每一个组成部分，从而引发一波由咨询主导的透明化和效率提升浪潮。

本文批判了ReAct和Workflow agents在企业客户服务中的不足，指出了诸如缺乏可控性和僵化等问题，然后介绍了TeliChat，这是一种代码优先的对话式代理，它将LLM任务（意图识别、自然语言生成）与代码驱动的业务逻辑分离开来，以提高可追溯性和可调试性。