我们都见过，像ChatGPT这样的工具能够应对各种各样的商业任务，几乎能自动完成所有事情。这确实没错——生成式人工智能的确有能力执行目前由人类完成的广泛任务。那么，为什么还要费心去设计和启动基于20年前、完全处于另一技术时代的自动化标准的业务流程呢？为什么不直接让企业用户与人工智能协作，随时随地解决问题呢？

简短回答：因为这些标准仍然是实现人工智能代理编排、确保治理以及大规模执行流程的最强大、最有效的方式。

在本文中，我们将展示BPMN如何成为智能代理AI的通用语言，为什么专用引擎执行流程的效率高于AI本身，以及大型公司如何已在生产环境中启动了数百万个由AI编排的工作流程。

关键结论

• BPMN作为人工智能代理的通用语言：它能够以清晰明确的方式描述流程，无论是对代理还是对人类都易于理解，便于监控和审计——正如过去它曾有效协调各方人员的期望一样。

• AI生成BPMN，但由引擎执行：代理可用来设计流程，但用于生产环境时，最好选用经过验证的BPMN引擎——它们速度更快、更可靠，且能扩展至数百万实例。

• Flowable与多智能体编排：该平台支持实用型智能体、文档型智能体、知识型智能体、外部AI集成以及编排型智能体，它们通过标准BPMN结构进行交互，且不依赖于特定厂商。

• CMMN适用于不可预测的场景：案例管理模型与符号（CMMN）通过激活条件（sentries）和阶段（stages）更好地应对自适应案例，使AI智能体能够根据数据上下文介入，而非遵循僵化的步骤顺序。

BPMN是什么？

业务流程模型与符号（BPMN）于2004年推出，是一种标准化的业务流程建模语言，所有参与者——从业务用户到开发人员以及执行这些流程的系统——都能轻松理解。

为什么这一点如此重要？因为参与流程定义的每个团队都有不同的需求和期望。仅依据业务用户的任务描述来开展工作，不足以应对组织更广泛的挑战。

示例：销售部门可能设计了一个看似简单的客户接入流程：收集信息→创建账户→授予访问权限。但若缺乏IT安全协议、财务部门的信用审查以及数据处理合规要求，这一“简单”流程将带来严重的运营和法律风险。

BPMN是一种简便的方法，可在设计跨部门流程时兼顾并协调各方观点。

BPMN在智能体AI时代

正如BPMN曾为不同参与者之间实现协调一致，如今代理式人工智能也同样需要这一解决方案。

现代系统能够进行多步推理，并与人工智能“智能体”网络交互。这些先进的系统被称为智能体式人工智能或大型行动模型（LAMs），它们采用经过专门训练、针对不同业务角色（如人力资源、数据安全、合规、IT）的AI智能体。最终，它们可以取代人类在业务流程构建中的角色。

但代理人之间究竟该如何明确地相互协作呢？

答案是BPMN。本质上，人类与需要清晰沟通流程的AI智能体之间几乎没有区别。BPMN的一大关键优势在于其对非技术用户的透明性：人们能够核查智能体的行为，而不仅仅是简单地启动一个“黑箱”。

下一步：人工智能代理生成可解释的BPMN业务流程模型。外部智能服务也可参与其中，采用统一的BPMN表示法。

编排方案：BPMN如何在实践中管理多智能体AI流程

这在实际中是如何运作的？在Flowable的实现中，AI智能体通过智能体模型进行定义——这些模型是标准化的抽象概念，可描述从简单调用大语言模型到复杂、长期运行且跨多个流程阶段工作的智能体等各种情形。这些模型通过专门的代理任务集成到BPMN和CMMN中，采用流程设计师熟悉的符号。

Flowable 支持六种类型的代理以用于不同的编排任务：

实用程序代理——执行具有明确指定输入/输出（结构化或文本）的简单大语言模型提示。

文档代理— 对文档进行分类并提取结构化数据，通常作为编排代理的一部分工作。

知识代理— 在执行过程中利用知识库获取上下文信息。

编排器代理— 协调多个代理和外部API，通常由CMMN模型调用。

外部代理— 连接到第三方代理（Salesforce Agentforce、Azure AI Foundry）。

A2A代理— 通过Agent2Agent (A2A).

用于多智能体交互：

• BPMN管理具有已知顺序的线性流程。

• 代理通过内部和外部系统协同工作，并采用标准BPMN结构进行编排。

关键优势：代理程序与供应商无关——可集成AWS Bedrock、Azure AI Foundry、Salesforce Agentforce，无需绑定特定生态系统。Flowable通过external/A2A代理支持多种模型提供商和外部平台。

方法优势：所有客服人员的呼叫均会被记录并可进行审计，其行为由与其它自动化步骤相同的流程/用例模型所管控。编排透明，可在模型中清晰可见，并遵循面向关键业务流程的企业级治理标准。

这并非理论。早在2017年，Flowable就展示了一个由流程决策训练而成的人工智能示例，该人工智能可动态转换为可执行的DMN模型——这证明，人工智能与自动化标准早在代理型人工智能时代之前就已经协同工作了。

为什么不直接用AI来执行BPMN呢？

理论上可以委托AI执行BPMN，但专用的BPMN引擎比使用AI来执行流程更快、更高效，且成本也低得多。

假设您有一个由人工智能生成的BPMN模型。您可以将其传递给另一名经过训练、能够执行BPMN的AI智能体，并在每次需要新流程实例时调用该智能体。从技术上讲，这是可行的。

但这种做法是毫无意义的资源浪费。训练和启动人工智能代理在计算上成本高昂，且速度相对缓慢。既然已有成熟、超高效且可扩展的BPMN引擎，那么单纯利用人工智能来执行流程根本毫无意义。

在专用引擎上运行您的BPMN模型，要逻辑得多，也更可靠。现代BPMN系统应成为AI智能体的运行时环境：由它们负责执行任务，而AI则专注于生成与编排。同样的道理也适用于其他关键的自动化标准：CMMN和DMN.

Flowable 客户每天在这些引擎上启动数百万个 BPMN 流程实例和 CMMN 用例，这再次证明：这种方案行之有效，并且能够实现企业级的规模化部署。

当CMMN超越BPMN进行AI编排时

尽管BPMN非常适合线性流程，但复杂的AI场景往往需要更高的适应性。此时CMMN便成为更佳选择。

BPMN在步骤顺序事先已知时（“步骤A→步骤B→步骤C”）运行得非常出色。但现实中的业务场景并不总是可预测的。CMMN中的案例管理能够描述丰富的业务自动化流程，而这些流程并不仅限于线性步骤的依次执行。这是一种实现全方位自动化的方法，可对对象生命周期任何阶段的所有可能操作进行360°全面视图——无论该对象是人、案例、文档、项目，还是任何其他可自动化的主体。

CMMN使用激活条件（sentries）和阶段（stages）。您可以设置上下文，以确定特定的AI代理是否符合条件（或不符合条件），然后在满足相应触发器时激活这些代理。根据代理的执行结果，可启动额外的AI代理或BPMN流程。与此同时，人类的参与或干预仍然是整体智能业务自动化的一部分。

Flowable 平台专为这种复杂的企业自动化而打造。它集成了BPMN, CMMN和DMN引擎，并具备人工智能编排功能，为您提供全套工具，助力构建面向企业的智能自动化解决方案。需要线性流程、动态案例管理，还是复杂的多智能体编排？所有这些都能在同一个可管控且可审计的平台上实现。

BPMN与智能代理的常见问题

如果智能代理能够自主推理和规划，为什么它们仍然需要BPMN？

人工智能代理应像人类参与者一样，明确地相互通信有关流程。BPMN 提供了一种统一的语言，同时确保流程透明且可审计。

为什么BPMN引擎比由AI智能体直接执行流程更高效？

人工智能的执行成本高昂且速度缓慢。而专用的BPMN引擎则具有超高效率，已在企业级规模上得到验证，并且每天处理数百万个流程实例，因此其执行成本要低得多。

与传统BPMN流程相比，CMMN在管理AI智能体方面发挥着怎样的作用？

BPMN管理具有已知顺序的线性流程。CMMN则采用激活条件（sentries）和阶段（stages），以支持自适应场景，在这种场景中，人工智能代理会根据不断变化的情况上下文式地介入，更适用于不可预测的动态用例。

写在最后

任何管理软件技术领域的发展，离不开企业管理最核心的本质– 降本增效，只要企业的组织架构和协作需求还在，流程的管理及绩效优化依然是企业管理的基础，技术的创新发展离不开业务的本质需求，至于各种新鲜概念更多的还只是营销的需要，专业领域的发展需要持续的沉淀及积累。

关于 鲲鹏BPM

鲲鹏BPM是企业流程管理（BPM）和工作流程自动化软件及服务全球的领导厂商，提供最优秀的企业流程自动化和流程改进的解决方案、流程优化、大模型流程迁移方案。

同时，欲知更多 鲲鹏BPM 的相关资料，请访问 http://flow.je4.cn/#/login