在现代经济中，数字化工作流是核心支柱，92% 的工作需数字技能加持，而员工日均 3 小时耗费在重复性数字工作流上，企业自动化潜力巨大，据估算自动化企业工作流每年可释放 4 万亿美元生产力。当前主流的机器人流程自动化（RPA）虽在特定场景有 30%-200% 的投资回报率且能提升工作流速度一倍，但存在三大关键缺陷，严重限制其广泛应用。
从案例来看，医院收入周期管理（RCM）部门为解决医疗报销复杂问题，尝试 RPA 却面临高成本困境，开发部署 RPA 机器人耗时 18 个月、花费数万美元，还需与供应商反复沟通；且机器人仅能处理两个特定工作流，系统和网站更新易使其失效，医院不得不开发定制 API，同时因人员紧张，需外包监控并人工审核输出。大型 B2B 企业的发票处理工作，引入 RPA 虽让 5 名员工完成原 20 人工作，但前期投入大，从签约到部署耗时 12 个月，还需外部咨询和内部人力，机器人初始准确率仅 60%，6 个月才提升至 95%，且需 2 名全职员工持续监控，因维护和扩展难题，企业未将 RPA 推广到其他工作流。
为解决 RPA 的弊端，斯坦福大学研究团队提出 ECLAIR 系统，借助多模态基础模型（如 GPT-4）实现企业工作流自动化，涵盖 “演示 - 执行 - 验证” 三大核心阶段。在 “演示” 阶段，ECLAIR 通过观看人类操作视频、读取文档学习工作流，无需人工编码规则。实验显示，结合工作流描述、关键帧截图和操作日志，GPT-4 生成的标准操作流程（SOP）能确保 93% 工作流顺利完成，仅用截图也达 90% 正确率，大幅降低部署成本与技术门槛。“执行” 阶段，ECLAIR 依托多模态模型的视觉理解与推理能力规划并执行 GUI 操作。有 SOP 指导时，工作流整体完成率从 17% 提升至 40%，单步动作建议准确率达 92%。不过，模型在将动作与 GUI 元素关联（如区分同标签按钮）时存在困难，且专用小模型（如 180 亿参数的 CogAgent）在 GUI 元素定位上表现优于通用大模型 GPT-4，但整体准确率最高仅 70%，小元素定位仍是挑战。“验证” 阶段，ECLAIR 可进行自我监控与纠错，在判断工作流是否成功完成（精确率 90%、召回率 84%）和动作轨迹是否符合 SOP（精确率 88%、召回率 83%）等高层级验证上表现较好，但在判断动作是否可行（如按钮是否可用）等低层级验证上存在不足，精确率 67%、召回率仅 36%。
尽管 ECLAIR 展现出潜力，但仍有开放挑战亟待解决。在人机协作方面，部分关键环节（如医生处方签字、用户认证）需人工介入，未来需通过 SOP 标记交接节点或建立敏感操作白名单实现高效协作。验证机制上，需结合完整性约束库、程序化启发式规则（如监控工作流耗时偏差）和有限人工审核，提升自我监控可靠性，同时可利用监控数据进一步优化模型。自我改进方面，可借鉴自驱动数据库原理，记录 ECLAIR 操作效果，构建 “技能库” 实现跨工作流知识迁移，通过多次查询、集成预测等方式降低模型不确定性。多智能体协作也是方向，可针对不同子任务或数字环境部署专用智能体，参考协作数据处理工具提升系统扩展性。
ECLAIR 系统为企业自动化提供了新路径，虽目前未达 100% 准确率，但无需完美准确率即可带来价值。未来结合数据管理技术解决现有挑战，有望推动企业工作流自动化进入新阶段，释放更多生产力，尤其在需实时决策、GUI 交互和隐性领域知识的工作流中，潜力巨大，或如麦肯锡预测，使可自动化的知识工作总量翻倍。
本书免费下载地址
关注微信公众号“人工智能产业链union”回复关键字“流程自动化07”获取下载地址。
