企业上智能体自动化，常见的失败不是技术不行，而是一上来就选错了流程。见过不少团队挑"老板点名要做"的长尾场景，结果规则说不清、异常一大堆，机器人上线即返工。我的经验是：先建立一套可量化的甄选标准，把"想做"变成"值得做"，再谈工程落地。很多项目不是死在开发，而是死在立项时没想清楚"这件事到底值不值得机器做"。
一、先算三笔账，再谈自动化
我习惯在立项前让业务方回答三个问题：流程频率高不高、规则清不清晰、跨几个系统。三条里占两条以上，才值得做。某全国性股份制银行在推进数字员工时，把分散在各分行的需求先收口到总行做统一评估，再反向分发——这种"分散—集中—集中"的节奏，让 35 个以上部门、500 多个流程能在统一标准下推进，而不是各自为战。
高频、规则明确、纯操作的活儿，适合优先交给智能体。某银行的同业多账户调账每月上万笔、对公开户每个工作日数百笔，这类场景先把确定性做满，收益很快显现，也更快拿到业务方的信任，为后续铺开争取预算。反过来，低频又模糊的需求，先做就是先踩坑。
二、别被"智能化"带偏了优先级
一个误区是把"越智能越好"当标准。实际上，先把确定性高的事务自动化，才能把人力释放出来去处理真正需要判断的事。某大型保险集团的回访场景，用任务队列把预约、外呼、记录拆成可并行的子任务，单量效率提升数倍、响应快了一倍多，年处理量数十万件——这不是依靠复杂模型，而是把一件重复事做到了稳定可复制。
另一个误区是把长尾当试验田。长尾场景规则模糊、异常多，拿它练手，十次有八次返工。我建议新手从"高频 + 规则清 + 跨系统"的交集入手，把长尾留到平台成熟后再啃。第三个误区是只看单点节省、不看可复制性：一个场景省两小时，若能复制到五百个流程，才是真价值。
三、给场景打个分，再排期
我建议用一张简单的评分表：频率（权重高）、规则确定性、跨系统数、人工耗时、合规风险。低于阈值的不做或缓做。某保险集团在黑灯工厂里也是先挑八大车间里标准清晰、容易复制的环节切入，场景数从 80 逐步爬到 150，而不是一次性铺开。
四、需求转化的三个护栏
业务方必须能说清"输入输出和例外"；
先小范围试点，跑通再复制；
留出人工兜底通道，长尾异常交回人。
在落地时，我还会加一道"需求收口"的组织动作：由各业务条线先提名候选流程，再由平台团队统一打分排序，避免"谁嗓门大谁先做"。某全国性股份制银行正是靠这套收口机制，把分散需求变成可比较的清单，资源才能投到产出更优的环节。需求收口做得好，后面排期就不扯皮。我通常把这套清单挂在内网看板，谁提的、排第几、预计收益多少都公开，既透明也形成良性竞争。
检查清单
流程频率与人工耗时是否已量化？
规则是否清晰到能写进判定逻辑？
是否先做了"分散—集中"的需求收口？
高价值场景是否优先于长尾？
是否预留人工兜底与回退路径？
说到底，企业级智能体自动化不是"什么都能做"，而是"先把对的事做对"。甄选标准定得好，后面的工程、运营、治理才站得住脚；甄选错了，越努力越偏离。
