企业该把多少工作交给 AI 自动完成？

企业交给 AI 自动完成的工作量，应由任务风险、结果可验证性、权限范围和失败后的可逆性共同决定。规则稳定、结果能校验、失败容易撤回的步骤可以自动运行；涉及付款、合同生效、客户权益或生产数据写入的动作，应保留审批或复核节点。自动化比例没有统一答案，每条业务流程都要单独划定边界。

ZGI 是一套可自托管的智能体运行时（Agent Runtime），可以把模型、企业知识、工具、工作流和审批节点组织在同一条执行链中。它适合承接企业自动化中的运行问题：哪些步骤允许系统直接完成，哪些步骤需要等待确认，出现异常时应该停在哪里。

概念示意图：低风险步骤自动处理，责任发生变化前进入人工确认，执行结果持续留痕。

先看业务后果，再决定自动化程度

模型能力很强，也不代表所有任务都适合无人处理。企业需要关注一次错误会带来什么后果，以及后果能否被及时发现和撤回。内部资料整理出现错漏，可以重新生成；付款信息写错、合同条款被改动或客户账户被关闭，处理成本会高很多。

这张表解决的是执行边界，不能代替业务部门的风险判断。同一种动作放在不同公司，后果可能完全不同。给内部测试账号发通知和给全部客户发正式通知，都叫发送消息，审批要求显然不能照搬。

人工节点要放在责任发生变化的地方

每一步都要求人工确认，流程会重新变回手工操作。完全取消确认，企业又很难接受无法解释的业务结果。审批节点更适合放在权限扩大、数据写入、资金变化和对外承诺发生之前，让人判断这一步是否符合业务规则。

以采购申请为例，AI 可以整理需求、查询供应商资料、核对字段并生成申请草稿。金额、预算归属和供应商选择会影响责任分配，这些字段需要由对应负责人确认。审批通过后，系统再提交申请并保存执行结果。人工判断集中在少数关键位置，其他重复步骤继续自动运行。

权限也要跟着流程走。负责查资料的步骤只获得读取范围；负责生成文档的步骤只能写入指定目录；涉及业务系统的工具按照角色开放必要动作。即使模型给出超出范围的指令，运行层仍应拒绝执行。这样的边界需要配置，也需要用越权请求和异常输入做负向测试。

ZGI 的工作流支持分支、循环、审批、代码执行、通知和检索，知识库与数据库可以按应用显式绑定。企业可以据此把自动步骤、审批步骤和禁止动作写进同一条流程。上线前仍需确认角色权限、工具参数、日志内容和异常处理是否符合内部制度。

用真实任务逐步扩大范围

自动化范围适合从结果容易判断、失败容易恢复的任务开始。选择一批真实业务问题，记录完成结果、人工修改、异常中断和越权尝试，再决定是否开放下一类动作。发现错误后，应先定位是知识、模型、工具还是流程节点的问题，避免直接扩大权限来绕过失败。

准备上线时，可以给每个节点补上四项信息：允许读取的数据、允许执行的动作、失败能否撤回、最终由谁负责。四项都清楚，自动化边界才具备执行条件；任何一项含糊，都应先缩小权限或增加确认节点。

GitHub：https://github.com/zgiai/zgi

Gitee：https://gitee.com/zgiai/zgi