企业导入AI有两种方式。一是在现有流程上叠加AI，二是以AI为核心重新设计整个流程。
前者让速度提升约20%。后者能将原本数月的工作压缩到数天。目前大多数企业仍在使用前者——而Camunda在CamundaCon上直接挑战了这一现实。
5月20日，CamundaCon。面对来自25个国家的1,200位企业领导者，Camunda CEO发出宣言："你们公司的所有流程都是遗留系统。"
为什么叫"遗留系统"？
Camunda CEO Jakob Freund的核心论点是："你们企业的每个业务流程都是在没有AI的时代设计的。审批链、异常处理、系统交接——一切都建立在人工协调的假设之上。这个假设如今已经不成立了。"
这不只是营销口号。Camunda的《2026年智能体编排现状报告》用数据加以佐证。
在声称"正在使用AI智能体"的71%企业中，80%实际上只是在运行聊天机器人或摘要工具——真正能驱动系统、做出决策的智能体寥寥无几。这就是当前企业AI的现实。
ProcessOS的目标截然不同：不是将AI"添加"到现有工作中，而是以AI原生的方式从零重新设计工作本身。它在Camunda久经考验的编排平台（已为全球顶级企业处理数百万并发工作流实例）之上增加了AI智能层，目前处于封闭测试阶段。
为什么叫"OS"？
就像电脑操作系统一样，ProcessOS是协调各个AI智能体如何相互通信、以及如何与现有系统（ERP、CRM、核心银行系统）交互的基础设施层。它被设计为叠加在现有系统之上的编排层，而非替代品。
20% vs 10倍——差距从何而来？
最具说服力的案例来自丹麦保险公司Danica。通过Camunda重新设计客户引导流程后，原本耗时数月的工作压缩到了数天——他们不是在自动化原有步骤，而是追问"这些步骤原本有存在的必要吗？"
Camunda的"大再工程"分析清晰展示了这种结构性差异。
| 叠加AI的遗留流程 | AI原生重设计的流程 | |
|---|---|---|
| 成果 | 速度提升约20% | 数月 → 数天（10倍以上） |
| 核心问题 | "如何自动化这个步骤？" | "这个步骤应该存在吗？" |
| 瓶颈 | 人工协调假设依然存在，结构性瓶颈持续 | AI智能体实时协调，瓶颈消除 |
| 技术债务 | 原有复杂度 + AI层使债务累积 | 以结果为导向的设计让系统更简洁 |
巴克莱银行董事总经理在CamundaCon的发言一语中的："AI导入受阻的真正原因是，我们无法仅凭今天所知的事情来设计明天的流程。"
Camunda CTO Daniel Meyer表达了相同的观点："发生在软件开发领域的变革，正在向业务运营蔓延。开发者曾经逐行编写代码，如今AI越来越多地承担这项工作。业务流程也将走向同样的路。"
ProcessOS的四个步骤
- 发现（Discover）
AI分析你的流程"实际上"是如何运转的——不依据官方文档，而是基于真实运营数据。隐藏的绕道、瓶颈节点、不必要的审批步骤，都会在这里浮现。 - 再工程（Re-engineer）
用自然语言描述期望的结果和KPI，ProcessOS提出AI原生的流程设计方案——在构建之前，AI会先追问"这个步骤有存在的必要吗？"。真正的精简就发生在这里。 - 构建与部署（Build & Deploy）
将设计好的流程部署到生产环境。AI智能体、系统集成、数据映射和UI表单均自动生成——但所有变更在上线前都必须经过人工审核与批准，审计和合规支持也内置其中。 - 持续改进（Continuously Improve）
部署后，流程持续学习。成功模式和异常节点被记录下来，精准度随时间提升。人工反馈循环加速学习效率，平台上的流程越多，共享知识就越丰富，形成复利效应。
与AWS的深度集成值得关注。ProcessOS在AWS上原生运行，借助Amazon Bedrock和Bedrock AgentCore提供基础模型、智能体记忆、身份认证和网关服务。Camunda在汉堡AWS合作伙伴峰会上荣获"年度新星技术合作伙伴"奖。
