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。

企业希望释放员工从事Mundane和Repetive任务，如发票调度，付款处理或信用卡和解，以便他们可以接受培训，以专注于在战略输入或创新思想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，通过确定过程或工作流编程监控等确定的应用来开始自动化旅程。

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。

当我们看看正在进行自动化旅程的所有组织时，视图几乎没有单片，每个人都落在不同的自动化阶段。该方法根据其在自动化/ AI连续体上的位置而变化。在很大程度上，他们可以被归类为：

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。

在确定性或预测阶段

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。

有几个例子和用例。例如，思科希望改变其客户服务体验。虽然公司尝试了共享服务模式，但它发现客户体验缺乏。思科为其客户的125个服务，每年在一年内运行大规模的运营规模，为您的客户提供大约200万笔交易，仅适用于订单管理。通过ApristEde，来自EdgeVerve的自动化平台（Infosys公司），它能够简化和自动化这些过程，从而将订单交货时间从四个月到八周。自动化使成本降低高达80％;减少了一年的等待时间两百万小时。

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，大多数组织都在上次提到的两阶段下降。少数少数少数组织的少数人真正经历了智能自动化的力量。通过数据和预测分析能力到位，这种成熟的组织迈向获得确定其业务方向的洞察力。它们通过利用AI，ML，NLP和模式分析的认知能力来实现这一目标，以随着时间的推移构建和管理知识库。这使他们能够推导出来的模式和援助业务决策。它们不仅在他们运行业务的方式内化自动化和AI，他们还可以快速进入更大的采用和更复杂的业务用例。

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

随着组织在自动化旅程中成熟，劳动力将经历重大转型，员工将越来越多地辅助AI支持的自动化。未来的工作场所将包括人类和机器人，它们之间的界面可以具有各种动态。机器人可以控制其他机器人。人类可以对个性化机器人具有独家命令。机器人将逐步成为主流。因此，重点将会转变为发展策略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。