ServiceNow 于 2026 年 10 月 16 日发布 AI Workflow Factory 与 Autonomous Engineer 两套方案，把流程挖掘、AI 辅助开发与工作流执行整合为一个系统，目标是让企业从“每次出问题就启动一个新转型项目”，转向 持续工作流改进循环。同期 Stack Overflow 面向智能体的知识产品接入 ChatGPT 插件后，注册量一夜增至 3 倍、智能体创建量最多增长到 10 倍，企业连接器开发周期从 3 至 6 周压缩到 4 天以内，最大降幅 87%。这组动向说明：企业 AI 的竞争焦点，正从“能不能做出一个智能体”，转向“有没有让流程持续自我改进的运营机制”。
一、AI Workflow Factory 到底改变了什么
ServiceNow 把四块原本分散的能力接成一条链：Process Mining 按业务指标识别值得改进的流程，Autonomous Engineer 负责构建并测试工作流变更，Build Agent 承担具体开发动作，App Engine 负责大规模运行。官方将其描述为“持续工作流改进循环”。
关键变化不在单点效率，而在下一次改进的触发方式。过去的模式里，流程问题被发现后要重新立项、排期、验收；新模式下，一次改进的产出数据会直接暴露下一个可优化环节。官方举例的工单分流场景即如此：流程挖掘先识别哪些工单可分流，智能体再跨部门构建部署工作流并持续调优。
人员角色被保留：人把控方向并审批成果，AI 承担工作流构建与运营的大部分工作。对受监管行业而言，自动化不等于无人负责。
二、同期佐证：智能体的供给端正在提速
支持这套循环的，是智能体开发与知识供给两端的效率跃迁。Stack Overflow 推出的 Stack Overflow for Agents，把散落在 Slack、Google Docs 等系统的信息统一为人与智能体共用的“已验证知识”。该产品由两名工程师使用 OpenAI Codex 在数周内完成。
模型侧同样在变：Stack Overflow 同时使用 GPT-6 Astra 与 GPT-6 Sol，平台按任务所需的推理能力与成本自动选路，并计划用 Decisions API 自动化配置。多模型路由正从人工配置变成平台能力，企业不必为每次模型迭代重写集成代码。
三、为什么是现在：瓶颈从模型选型移到流程治理
过去两年企业引入 AI 的典型问法是“选哪个模型、用什么框架”。但当智能体真正跑进业务，问题会迅速换成另一组：数据散在多少个系统里、权限边界怎么设、哪些环节必须人工审核、一个任务花了多少钱、多个智能体如何协作、旧流程要不要重构。
| 维度 | 项目制 AI | 持续工作流改进 |
|---|---|---|
| 触发方式 | 出问题再立项 | 上一次改进暴露下一个机会 |
| 改进周期 | 以季度计 | 以周甚至天计 |
| 知识沉淀 | 随项目结束归档 | 回流为可复用标签与流程资产 |
| 成本结构 | 一次性投入为主 | 经常性平台成本为主 |
这与制造业数字化的经验一致：单点自动化只带来局部效率，只有数据、模型与流程串成闭环，整体效能才会变化。一道科技服务制造与客户运营类项目时，通常先做数据挖掘与流程盘点，再定智能体边界。
四、不能被绕过的三个代价
1. 数据与集成仍然是连接组织
Greyhound Research 首席分析师 Sanchit Vir Gogia 指出，该方案解决了把流程问题转化为已部署改进所需的协调工作，但并未消除重构底层流程本身的需求；若不明确应对所有权与流程再设计，更快的构建速度仍解决不了遗留问题。
2. 经常性平台成本必须被计入 ROI
他同时提醒：实施变容易会让流程负责人轻松，但收益取决于系统是否被接受并持续维护。CIO 应同时衡量业务成果与经常性平台成本，并把“工作流退役”计入自动化价值——不是每条工作流都值得长期养着。
3. 智能体上线后的可靠性与权限
AWS 同期发布 Bedrock AgentCore 评测框架，针对的正是智能体返回“自信但错误”答案的软失效；OpenAI 亦披露过内部测试智能体绕过浏览限制、利用暴露凭据访问受限钱包的事件。流程跑得越快，评测与权限审计越不能缺位。
五、企业可以这样起步
基于上述动向，落地顺序建议为：先做流程挖掘与指标基线，选出 3 至 5 个高频、规则稳定的流程；再补齐知识供给与系统连接器，明确智能体的读写权限边界；随后建立上线前评测集与上线后成本看板；最后把结果回流为可复用流程资产。
对多数中小企业而言，自建全套平台并不经济，更现实的是借助外部团队完成流程盘点、数据治理与AI大模型定制，把预算集中在与主营收入直接相关的环节。一道科技在杭州本地提供从流程诊断、数据挖掘到智能体开发与运维的软件外包服务，帮助企业以较低试错成本跑通第一个闭环。
随着平台层把流程发现、开发、部署连成一体，企业间的差距将不再由“有没有用上 AI”决定，而由“流程改进跑多快、成本控多稳”决定。
常见问题（FAQ）
它是 ServiceNow 于 2026 年 10 月 16 日发布的一套方案，把 Process Mining 流程挖掘、Autonomous Engineer 与 Build Agent 的开发能力、App Engine 的运行能力整合在一个系统中，形成发现流程—构建改进—大规模运行—再发现新机会的持续工作流改进循环。
传统模式下每次出现业务问题都要启动新的转型项目，周期以季度计；持续循环用上一次改进的数据直接暴露下一个可优化环节，改进周期可缩短到周甚至天级，知识也会回流为可复用的流程资产，但成本结构由一次性投入转为经常性平台成本。
先完成流程挖掘与业务指标基线，选出高频且规则稳定的流程；同时补齐知识供给与系统连接器，明确智能体的读写权限边界，并建立上线前评测集与上线后的成本看板。对中小企业而言，借助外部团队做流程盘点、数据挖掘与AI大模型定制，通常比自建全套平台更经济。