面向客户至上组织的代理流程自动化

免责声明 此观点反映了我们当前的理解和实际经验。它仅用于信息参考，并不声称无错误。在法律允许的范围内，我们排除一切责任和追索权要求。若图表或表格未注明外部来源，则相关数据源自埃森哲的调研或内部分析。 代理过程04自动化的发展 我们对于“以客户为先”在06代理时代的愿景 面向以客户为先型组织的自主流程自动化 思爱普（Capgemini）面向自主智能（agentic）的12流程自动化价值主张 行业特定挑战与能动式解决方案 在代理客户运营方面已获成功验证 为您的自主之旅的关键要点 26 组织号召 28 附件A：30个自主自动化交付框架（阶段0-8） 内容附录B——特定行业面临的挑战及能动性解决方案（示例） 来源38 关于凯捷 38 代理流程自动化的发展 编排和互操作性框架极大地扩展了它们的能力，不仅限于回答问题，还包括规划、协作、推理、执行任务和持续改进。人工智能已经在许多任务中超越了人类表现，包括一些先前具有挑战性的基准测试，仅有少数例外。即使在那些领域，人工智能与人类之间的性能差距也在迅速缩小。 技术供应商正在将代理平台、编排协议和代理构建器产品化，这些产品能与客户关系管理（CRM）、企业资源规划（ERP）以及信息技术服务管理（ITSM）等企业应用集成。与此同时，成本动态和模型可用性正在改善，使得实验更容易启动——但并非更容易负责任地扩展。 自动化已从工作流标准化和机器人流程自动化（RPA）发展到由生成式人工智能和智能体系统增强的智能自动化。其核心变化并非技术本身；而是具备了在新的可能性与明确约束下，跨系统进行规划、协调和行动的能力。 与此同时，代理人的部署需要治理、监管，并具备促进人机协作中人环交互的能力。因此，核心的领导力问题是“我们能否大规模安全地授权决策”，而非“我们能否构建一个代理人”。成功的组织将代理自动化视为一种运营模式变革——围绕编排、治理和持续优化来设计——而不是一次性的工具升级。 2025年，代理人在全球科技叙事中处于核心地位。过去一年标志着自动化软件代理的转折点，大型语言模型（LLM）取得了突破， 我们以客户为先的愿景，在代理时代 以客户为中心的组织持续致力于提升价值主张并优化客户旅程。在能动时代，差异化C体现在跨渠道和职能快速感知、决策和行动的能力——同时不损害信任。 如实记录现有流程并逐步设计未来流程仍然有用，但已不再足够。新的AI工具有助于提高效率，并改变企业构建未来蓝图来运营其业务的方式。对于任何工具和协作模式，最重要的是，领导者必须重新构想端到端的客户成果，然后决定在何处适当赋予自主权，在何处需要人类参与。 判断必须保持，以及该组织将如何管理这两者。 经过早期实验，客户越来越关注代理式的“控制平面”：即监督跨前、中、后台客户流程的治理结构和技术层，以确保可审计性、可恢复性以及问责制的决策。 传统工作坊方法 图1 普华永道企业赋能平台 我们对于新企业架构的愿景 打破组织和IT部门壁垒的粘合剂，其语义层、代理织物和代理控制面是其关键器官。 面向客户优先型组织的代理流程自动化 工作流自动化、规则引擎和RPA。代理可以理解意图、组装上下文、推荐选项，并在允许的情况下执行操作——同时人类专家保留高风险决策和例外处理的权限。 赋能型客户优先运营的最佳实践包括： • 主动且预测性体验：在客户升级问题前，及早发现并触发解决方案路径。 D 企业编排 • 无缝全渠道体验：整合跨渠道和系统的客户上下文信息，以减少交接和重复互动。 尽管积极主动，明确定义的业务流程和工作流程仍然至关重要——尤其是 在规范化的环境中。变化的是执行模式：人类与确定性自动化并肩，智能体通过协调定义边界内各系统间的决策与行动来促成结果。 • 员工赋能：总结、分诊和自动化常规工作，使人类专家专注于判断、例外情况以及重要的客户时刻。 APA将目标导向代理与既定...相结合。 赋能客户为先的关键要素 以客户为中心的首要成果取决于前后台的严格执行。APA通过协调企业内的工作任务、数据和决策，强化了运营支柱，减少了瓶颈，并提升了服务成果的一致性。 出于安全和合规的考虑，代理人需要明确的规范：政策、阈值、批准以及审计追踪。设计目标 安全自主性——即那种可解释、可恢复，并受人类监督管理的自动化。 实现以客户为中心的成果，需要三个基础要素来驱动自动化代理： • 个性化对话：根据客户背景和意图，提供定制化推荐和下一步最佳行动。 • 实时情绪与意图信号：根据客户情绪和服务风险指标调整互动。 • 7x24小时智能支持：提供全天候自助服务与协助服务，并确保知识库及升级路径的一致性。 以客户为中心的主动服务并非孤立的代理行为——它关乎精心策划的结果，并在规模化下进行管理。 思爱普（Capgemini）的自主流程自动化价值主张 C apgemini 帮助组织实现能动自动化，其方法结合了领域专业知识、集成能力和 采用人工智能治理和强大技术伙伴关系的工业化交付方法。我们将这些能力结合起来，专注于价值创造，以实现代理式企业编排。 代理编排：连接人与代理及系统 我们正从人类导航的应用转向代理协调的工作流程。 我们的价值主张建立在五个支柱之上： 设计型信任与治理：控制平面模式、可审计性、人工覆盖以及合规证据链。 领域主导转型： 企业编排 将代理与工作流、规则、API和主记录系统进行集成，以实现端到端的执行。 行业与流程专长，用于识别高影响决策和设计负责任的自主边界。 工业化交付：从试点到规模化推广，实现可衡量的成果和可复用的资产。 运营模式赋能： 变革管理、技能再培训以及新角色（例如，代理主管、模型管家）以维持采用。 代理编排层成熟度——从孤岛式自动化到自主、结果导向的企业织物。 组织并非直接从基础自动化迈向完全自主。这一过程需要从基于规则的任务自动化，审慎地演变为在企业规模上实现由代理驱动、具备策略感知能力的决策能力。每个阶段都建立在上一阶段的基础之上，扩展着范围、智能与治理。 随着组织日趋成熟，它们将转向基础的多智能体编排。多个智能体在共享平台上协作，并由基础编排层进行协调。一个语义层随之出现，为各智能体提供通用概念和共享理解。这使得执行更加可预测，合规性得到提升，治理能力得到加强——将自动化从孤立的任务转向受管理的、以结果为导向的流程。 跨渠道实现端到端对明确业务成果负责。编排优化持续执行，策略动态引导自主性，人类仅在需要判断或升级时介入。其结果是全局性自主、巨大效率提升，以及新流程和体验的快速扩展。 在基础层面，自动化主要关注基于规则的流程和工作脚本执行。虽然这些方法对单个流程有效，但它们需要手动协调、系统间分散，且难以扩展。治理通常止于流程层面，这限制了透明度、可重用性和运营韧性。 在企业级规模上，企业编排层成为智能运营的控制平面。该层级对供应商无关，并协调跨系统、平台和渠道的代理。共享语义、标准化协议和中央注册中心确保了一致性和可重用性。策略管理着人机协作，监控涵盖性能和漂移，结果在渠道和参与者之间保持可预测。 下一步引入了单代理启用，将一个或少数几个AI代理嵌入应用程序以支持本地化执行。这些代理执行查找、摘要或文档提取，并能加速单个任务。然而，智能仍然孤立。跨企业的重用有限，可审计性和策略一致性仍然具有挑战性。 最先进阶段是完全自主的企业网络。在这里，多智能体生态系统运行。 核心洞见： 自主能动自动化并非通过为工作流程添加智能来实现——而是通过建立企业级编排基础架构来管理代理在规模化环境下的推理、协作与行动。 行业特定挑战与主动解决方案 01银行业 背景与挑战 银行在严格的监管审查下运营，同时持续面临降低服务成本的压力。系统环境碎片化以及数据质量参差不齐常常导致无法形成统一的客户视图，而客户对速度、个性化和主动服务的期望却持续提升。 代理响应 代理式架构能够实现按设计合规和可扩展的决策。智能代理可以端到端地协调客户身份识别（KYC）和反洗钱（AML）活动——协调证据收集、案件路由、处理异常，并维护完全可审计的决策轨迹。 一个PA并非万能能力。只有当它根据各行业的具体决策模式、风险特征和运营现实进行深度定制时，其价值才会显现。以下示例说明了智能代理方法如何应对特定领域的挑战并实现差异化成果。 风险与运营的数字孪生体使银行能够实时模拟场景，在监管约束下支持受控决策和压力测试。 最后，支持API的生态系统连接内部和外部信号——例如支付、身份服务以及网络数据——从而增强欺诈检测、系统弹性和客户响应能力。 0203 04 电信 保险 公共部门 背景与挑战 挑战 背景与挑战 电信运营商面临着由网络事件、故障管理和停机相关通话激增所驱动的高运营成本。工具的碎片化以及海量数据量使网络和服务团队不堪重负，同时，事件期间的客户沟通仍不一致。 保险公司面临日益增长的压力，需要加快新产品和保险旅程的上市时间，但同时又因数据碎片化而限制了承保的精准度和理赔效率。不断攀升的损失率和气候驱动的波动性进一步加剧 公共服务通常具有流程复杂、处理时间长以及机构间职责分散等特点。遗留系统和数据孤岛阻碍了端到端的服务提供，而透明度、公平性和合规性的期望值则异常高。 承保复杂性 代理响应 代理解决方案 代理响应 自主模型赋能经验驱动型运营，将网络管理与客户互动整合为闭环运营模式。自主网络运营中心（NOC）在人工监督下应用预测检测、根本原因分析及引导式修复，以减少事件发生次数和恢复时间。 代理保险生命周期支持通过自动化上下文组装、智能文档处理和引导式决策支持来支持入职、承保和理赔——在保持控制的同时缩短周期时间。 代理式解决方案通过指导表单填写、自动化资格审核以及实现全流程可审计的案件路由，重塑了公民服务。跨机构协调通过协调数据与任务、同时保障数据隐私与主权，打破信息孤岛。 持续性的基于位置的风险情报能够确保在环境条件变化时，承保决策保持最新状态。资产和供应链的数字孪生进一步支持主动的风险监控和韧性规划，使保险公司能够从被动应对风险转向预见性风险管理。 专业分析代理通过加速洞察力同时严格执行访问控制、可追溯性和来源证明，支持循证政策制定，确保信任、问责和合规。 并行地，智能客服代理提高了对常规咨询的管控能力，并为复杂案例提供精准协助，确保在业务中断期间有统一的升级路径和改善的客户体验。 在代理客户运营方面已获成功验证 我们的自动化和人工智能能力支持客户运营的可衡量成果。以下示例说明了典型的影响模式和结果。 70% 的顾客在体验良好后会再次光顾。 赋能之旅的关键要点 5.将集成视为催化剂：价值源于将代理（agent）连接到记录系统和工作流。没有集成，代理将保持孤立。 6.聚焦人机协作：稳定的目标状态是混合型劳动力。设计角色时，应让AI员工协助、执行和升级，而非默认取代人类。 1.重视战略需求，而非仅仅技术：自主型人工智能需要与核心业务成果相一致的整合战略。超越临时性的实验，转向运营模式变革。 7.确保主动的员工能力发展与变革管理：再培训、清晰沟通和采用支持对于避免中断、增强信任至关重要。 8.设计自主权应审慎进行，并非所有事情都应自动化：明确界定自主权的边界，并保留人类判断力，以应对高风险、不可逆转或受监管的决策。 2.优先确保基础准备：规模取决于数据质量、治理、集成和人才。没有这些基础，部署就会停滞。 3.积极拥抱务实的成本管理（代理式AI经济）：总拥有成本（TCO）包括人才、数据准备、集成、治理以及可变消费成本。建立针对AI的FinOps实践。 9.衡量决策质量，而非自动化数量：追踪决策反转情况、干预频率、解决时长及错误严重程度。避免使用虚荣指标，如“自动化百分比”。 10.以控制循环思维，而非最终状态：自主自动化需要持续监控、漂移检测、策略优化和周期性自主性再评估。 4.早期嵌入治理与风险管理：从一开始就应对安全、隐私、偏见、可解释性和伦理使用问题。明确所有权和证据