AI /自动化

自动化从做正确的事情到做正确的事情的进化

首先，对于大多数组织来说，自动化几乎总是关于实现运营效率。它是关于以尽可能少的时间、精力和成本产生最大产出的最佳方式执行一项活动或过程。然而，随着企业在其自动化项目中取得进展，业务领导者意识到他们必须从做正确的事情发展到做正确的事情。

企业希望将员工从单调和重复的任务中解放出来，如发票分发、支付处理或信用卡对账，这样他们就可以训练专注于那些在战略投入或创新想法方面带来更大价值的领域。因此，企业通过改进基于规则的流程，通过监控流程或工作流编制等确定性应用程序，开始其自动化旅程。

随着自动化处理标准企业操作的成熟，组织中的领导者开始在自动化中寻找更多的机会，比如如何在正确的时间识别正确的供应商来进行购买，或者如何通过检测交易中的模式来防止欺诈。重点转移到有效利用可用数据，通过预测分析主动减少业务中断。在分析驱动的操作(如预测模型和相关分析、异常监控和基于诊断模型的自动化)的帮助下，业务开始提前预测故障。

随着人工智能(AI)的发展，企业希望通过在自动化产品组合中添加认知能力来变得更加智能。他们着眼于更大、更复杂的业务挑战，自动化和认知能力可以解决这些挑战，比如保持零事故或快速阅读合同。通过机器学习(ML)、神经语言编程(NLP)和回顾分析，一个组织可以挖掘过程，建立知识库，自动化行动或提供决策支持。

当我们观察所有正在经历自动化过程的组织时，这个观点并不是统一的，因为每个组织都处于自动化的不同阶段。这种方法根据它们在自动化/AI连续体中的位置而变化。在很大程度上，它们可以分为:

抵制自动化的公司

处于自动化金字塔底部的是那些对自动化持极端怀疑或谨慎态度的公司。这种怀疑可能是由于许多原因，从他们需要选择的正确技术平台的不确定性，到由于用例的复杂性而普遍不情愿。为了保持竞争力，这些公司迟早会觉得有必要拥抱自动化。根据我们的经验，这个阶段的公司通常会寻求流程发现的支持，以理解桌面自动化等概念，而不是特定的自动化解决方案。

在确定或预测阶段

下一阶段是那些尝试过不同类型自动化的公司，它们现在热衷于向更具预测性和认知性的自动化迈进。他们很可能已经使用机器人流程自动化(RPA)实现了重复的、基于规则的业务流程的自动化，从而大大节省了时间和精力。重点从流程自动化转移到构建一个智能环境，其中AI和自动化通过分析驱动的操作来实现，以预测失败，并创建一个建议行动和建议的框架。

这里有几个示例和用例。例如，思科(Cisco)正寻求改变其客户服务体验。虽然该公司尝试了共享服务模式，但它发现缺乏客户体验。思科的业务规模庞大，每年约有200万笔交易，为客户提供125项服务，仅仅是订单管理。借助于EdgeVerve(印孚瑟斯的一家公司)的自动化平台assistdge，它能够简化和自动化这些流程，从而将订单交付时间从4个月减少到8周。自动化使成本降低高达80%;在一年内减少了200万小时的等待时间。

沃达丰新西兰(Vodafone New Zealand)是另一个例子。该公司意识到，无论他们面对的是哪种沃达丰产品，客户都希望获得统一的体验。这是一个挑战，因为该公司的每个产品都有不同的系统。assistdge能够将三个独立的IT流程集成为一个流程，使一个客户服务代表能够满足所有三个服务。因此，沃达丰可以彻底改变其客户体验流程。

智能自动化退伍军人

今天，大多数组织都属于前面提到的两个阶段。只有极少数，大约5%的组织，真正体验过智能自动化的力量。有了数据和预测分析功能，这样成熟的组织就可以获得决定其业务方向的洞见。他们利用人工智能、语言学习、自然语言处理和模式分析的认知能力来建立和管理一个知识仓库。这使他们能够获得演进的模式并帮助业务决策。他们不仅将自动化和人工智能内部化到他们的业务运行方式中，他们还在向更大规模的采用和更复杂的业务用例快速发展。

一个很好的例子就是我们印孚瑟斯Nia的合同分析服务。它以ML架构为核心，以人类的方式读取契约文档，即保持其上下文和语义的完整性。系统将自然语言转换成可计算格式以维护语义和上下文。有预先训练过的模型来帮助加速其在现实生活中的应用。例如，我们的客户需要在三到四天内定期验证大量的合同(超过25,000个)。这个过程需要是详尽的，并且对不准确是零容忍的。通过自动提取合同信息，它每年节省了3万多个工时。因为合同解释是标准化的，它也有助于早期识别风险。

未来的未来

随着企业在自动化进程中的成熟，员工队伍将经历重大变革，员工将越来越多地得到人工智能自动化的帮助。未来的工作场所将包括人类和机器人，它们之间的界面可能具有不同的动态。机器人可以控制其他机器人。人类可以单独控制个性化机器人。机器人将逐渐成为主流。因此，重点将转移到围绕对整个数字工作人员进行编排和管理，以确保转换后的工作场所保持其功能、安全性、可伸缩性和响应性。