大模型火了之后，"AI 自动编排审批流程"几乎成了 BPM 厂商的标配宣传语。但翻完几家的公开材料会发现一个有意思的事实：没有人真的让 AI 在运行时生成流程拓扑。
为避免指向具体厂商，本文用「厂商 A / B / C」代称，材料均来自各家公开宣传材料与上市公司年报。
一、问题的由来
做流程平台的团队最近都会遇到同一个需求：
能不能让 AI 根据单据内容，自动决定这条审批该走哪条路？
听起来很自然------既然 AI 能写代码、能画图，为什么不能编排流程？
但真做下去就会发现，这个需求里藏着一个没说破的前提：审批路径是可生成的吗？
本文拆解三家头部厂商的公开做法，看看这个问题在工程上到底怎么解的。
三家样本：
| 代称 | 类型 |
|---|---|
| 厂商 A | 老牌协同办公厂商，AI 中台采用「大模型 + 小模型 + 智能体」架构 |
| 厂商 B | 互联网大厂的零代码 / 低代码平台 |
| 厂商 C | 协同管理软件厂商，主打「智能运营中枢」 |
二、厂商 A：设计时生成，运行时匹配
厂商 A 的 AI 能力主要落在三处。
2.1 流程智能流转
官方材料的表述是：
用自然语言描述审批路径，AI 自动生成流转路径预览图，路径可随时调整。
注意两个词：预览图 、可调整。
这意味着人是环的一部分------AI 出草案，人确认后才落地。不是运行时自动决定。
2.2 审批路径的匹配口径
其上市公司年报里有一句很关键的话：
审批环节 AI 按费用类型/金额/预算自动匹配审批路径，异常单据挂起待人工复核。
"匹配" 是关键词。匹配意味着候选集是预先存在的，AI（或规则）负责在候选集里选，而不是凭空生成。
2.3 智能审批：制度文档转规则库
上传制度文件后系统自动生成结构化表单、流转规则、审核要点、预审规则库。
这是设计时资产生成------把制度文档变成可执行规则，之后每次审批按规则预审。同样是"生成一次，复用多次"。
2.4 一个容易混淆的点
厂商 A 还提出过"智能业务编排"的概念，支持可视化编排来构建企业级智能体。
这里的"编排"指的是人用可视化界面编排智能体，不是"AI 编排流程图"。这个词在行业里被用得很宽，很容易读串。
三、厂商 B：一句话生成"草稿"
厂商 B 的零代码平台主打"AI 原生"------用自然语言描述业务需求，自动生成表单、流程、数据页。
从公开材料看，具体的产物形态是：
在对话框里输入"新建一个访客预约流程，需前台确认 + 部门负责人审批 + 自动生成门禁权限"，生成的是流程草稿。
草稿。又是一个人在环的词。
审批引擎侧的能力是：
按金额、业务类型、信用记录、组织架构自动生成审批链。
"按 X 生成" ------ 拆开看就是规则驱动的路径选择。
值得注意的还有第三方观察。2026 年上半年有技术分析指出：
这类平台的 AI 更多是给已有表单/流程加智能 （填单建议、加签/转办/驳回建议、知识问答），而不是从零生成应用。
这个判断和官方宣传之间有落差，但对做工程的人来说更可信------因为给已有流程加智能是确定性的，从零生成应用是不确定的。
四、厂商 C：明确反对"黑盒审批"
厂商 C 在三家里把话说得最直白：
AI 需要"身份、权限、规则、流程、审计"------治理先于能力。
对流程 AI 的定位是：
AI 校验字段、补材料、建议 路径和时限------避免"黑盒审批"。
"建议" + 明确反对黑盒。这个表态本身很说明问题：做过生产环境的人，不会宣传 AI 替人做流程决策。
厂商 C 也有自己的智能体编排引擎，负责 agent 的构建、上下文与治理------同样不是流程拓扑生成器。
五、三家的共性：一条清晰的线
| 厂商 A | 厂商 B | 厂商 C | |
|---|---|---|---|
| 设计时 AI 生成 | 流转路径预览图、表单、规则库 | 流程草稿、表单、数据页 | 建议路径 / 时限 |
| 运行时路径选择 | 按类型/金额/预算匹配 | 按金额/类型/组织架构生成 | 规则 + 权限，明确反对黑盒 |
| "编排"指什么 | 可视化编排智能体 | 应用搭建 | 智能体编排治理 |
| 人在环 | ✅ 预览图可调 | ✅ 草稿可改 | ✅ 建议可采纳 |
三家无一例外：AI 在"设计时"出草案，在"运行时"只做匹配。
六、为什么没人做运行时 AI 编排
不是技术做不到，是三条硬约束过不去。
6.1 可审计
财务要能回答："这笔单据为什么插了 VP 特批？"
如果答案是"模型当时这么决定的"，审计立刻终止。审批路径的每一个分叉都必须能追溯到一条规则。
6.2 可复现
同一类单据，今天走 A 路径，明天走 B 路径------合规审计无法比对，风险模型无法建模。
LLM 天然不满足确定性要求。哪怕温度设成 0，模型版本一升级，行为就可能变。
6.3 可追责
路径错了，谁担？模型供应商不担，软件厂商不担，最后只能是提单人担------但他没做这个决定。
技术问题好解，责任问题无解。 这条链断了，任何"AI 替人决策"都过不了合规。
七、正确的分层：AI 只负责它擅长的
把上面的结论落成一张分层图：
┌─────────────────────────────────────┐
│ L1 意图与抽取 AI │ 听懂人话、抽字段、判类型
├─────────────────────────────────────┤
│ L2 类型匹配 规则打分 │ 判据命中 → 加权算分 → 定类型
├─────────────────────────────────────┤
│ L3 路径选择 规则/条件线 │ 金额/超标/类型 → 选分支
├─────────────────────────────────────┤
│ L4 确定性执行 流程引擎 │ 流转、留痕、权限、事务
└─────────────────────────────────────┘AI 的位置在 L1，最多延伸到 L2 的"判断依据"------它输出"命中了哪些判据"，不输出"该走哪条路"。
有意思的是，L2 的分也可以不由 AI 给。让模型自报置信度是个常见做法，但那个数不可校准、不可复现、换模型就漂。更稳的做法是：
AI 输出：{"hit": ["TRIP_CITY", "FLIGHT_ATTACH", "DATE_RANGE"]}
规则计算：0.35 + 0.30 + 0.20 = 0.85 → 判为差旅报销AI 判"命中与否"（语义理解，规则写不出来），规则判"多少分"（确定性，可解释、可标定）。
八、怎么判断厂商宣传的水分
一个简单的观察法：看用词。
| 用词 | 含义 |
|---|---|
| 预览图 / 草稿 / 建议 / 匹配 | 真做过生产------知道人必须在环里 |
| 全自动编排 / AI 自动决策 / 无人审批 | 大概率没被审计和合规部门锤过 |
这不是说前者技术更弱。恰恰相反------敢说"建议"的，往往是真上过线的。
九、结语
回到开头那个问题：AI 该不该编排审批流程？
答案是：该，但"编排"发生在设计时，不发生在运行时。
-
设计时：AI 帮你把自然语言、制度文档变成流程草案和规则库，人确认后固化
-
运行时：规则按数据选路，引擎确定性执行，每一步可审计
这个分工不是保守，是让 AI 真正能进生产系统的唯一路径。
AI 可以替人操作，不能替人判断。 这句话放在流程编排上，就是整篇文章的结论。