Zapier AI 重写自动化，但人类仍设定规则

Zapier 发布了新的 AI 功能，让用户可以用通俗语言描述目标。然后系统会建议一个完整的工作流。

这一举措将 Zapier 置于 AI 自动化工具讨论的中心。这一变化显示了当前系统仍需要人工输入的地方。

Zapier 表示目标是降低避免使用自动化的团队的门槛。新界面将一句话转化为连接应用的步骤。正如 Zapier 的产品公告所述，AI 构建器“读取自然语言描述并提出完整的多步骤 Zap，用户可以在激活前进行审查。”

Zapier AI 现可根据描述创建工作流

Zapier 添加了一个 AI 构建器，它读取目标并提出触发器和操作。用户在工作流上线前审查步骤。

早期测试显示，该工具能处理简单任务，例如将电子邮件附件保存到存储空间。一个营销团队使用了提示“save every new Gmail attachment to a shared Google Drive folder and notify the team in Slack”；构建器生成了正确的三步序列，无需编辑。更复杂的请求，例如引用五个 CRM 字段的多条件线索路由，仍需要编辑。

此次更新紧随其他自动化平台类似举措。Zapier 旨在通过在其现有编辑器中提供建议层来保持优势。

流程定义的旧规则仍然适用

自动化只有在有人绘制出确切流程后才能成功。AI 可以建议步骤，但无法发明期望的结果。

跳过映射步骤的团队往往会得到移动错误数据或跳过关键审批的工作流。这些错误的成本随数量增加而增长。

Zapier 因此保留了审查屏幕。公司表示，人工审批仍是每个生成的工作流的一部分，这与其发布的文档一致，即“每个 AI 建议的 Zap 必须由用户明确开启。”

AI 自动化工具达到其极限的地方

当前的 AI 模型缺乏组织的完整上下文。它们不知道哪些审批重要或哪些字段必须保密。

因此，Zapier 将每个 AI 建议通过用于手动构建的相同规则引擎路由。该引擎对数据移动和访问施加限制。

这种设计在 AI 层改进的同时保持平台稳定。它还防止系统创建违反合规规则的工作流。

工具运行前团队仍需明确目标

编写精确目标陈述的用户会收到更准确的工作流建议。模糊的提示会产生需要大量编辑的通用结果。

一个销售团队测试了该工具用于线索路由。第一个提示遗漏了其 CRM 要求的几个数据字段。列出字段的第二个提示生成了可用的工作流。差异表明，人工指导的质量仍驱动结果。AI 加快了格式化步骤，但无法取代对流程知识的需求。

更新后仍不确定的事项

Zapier 尚未发布关于用户接受 AI 建议而不做更改频率的长期数据。该指标将显示该功能在实践中是否减少了设置时间。

竞争对手继续推出类似构建器。Make.com 提供“AI 助手”，从文本提示生成场景，而 Microsoft Power Automate 的“Copilot”在 Teams 内创建云流；两者都需要 Zapier 强制执行的相同人工审查步骤。市场将测试哪个平台在遵守合规边界的同时保持高准确性。

监管机构也可能审查 AI 生成的工作流如何处理个人数据。Zapier 已经要求任何涉及敏感字段的工作流都有明确审批步骤。

接下来三个月值得关注的事项

关注 Zapier 是否发布新构建器的采用数据。更高的接受率将表明用户足够信任这些建议，从而快速部署它们。

关注主要应用合作伙伴关于可能破坏 AI 生成流程的 API 变更的更新。这些变更往往首先出现在用户论坛中。

关注 Zapier 是否添加控件，让团队将某些数据字段标记为 AI 建议的禁区。此类控件将解决前面提出的合规问题。