人工智能在工作場所中崛起以支持和維持數字化勞動力的趨勢是2020年的明顯趨勢。

人工智能，機器學習，神經網絡或其他任何花哨的術語行業都應運而生，它被定義為復雜的計算機技術，被廣泛用于理解和改善業務和客戶體驗。 我想您以前已經聽說過它，但是今天定義它的方式是計算機科學領域，它強調創建像人一樣工作和反應的智能機器。

以下是今年值得關注的十大AI趨勢：

對數字智能的需求

數字智商作為衡量組織從各種關鍵角度理解其業務流程以及其中的內容和數據的能力的衡量標準，隨著越來越多的企業認識到它們，它們將在每種數字轉換策略中發揮越來越重要的作用。 必須對其操作具有可見性。

數字智能解決方案將通過優化自動化計劃并補充RPA和BPM等平臺，幫助組織提高這種關鍵業務能力。 到2020年，隨著企業認識到這些解決方案為改善客戶體驗，降低運營成本和增強競爭優勢開辟了道路，更多組織將把數字智能技術納入其總體數字化轉型計劃。 (如之前在這里發布的。)

數字工作者將改變辦公室

正如我最近談到的那樣，數字工作者的使用正在全球范圍內發生。 根據IDC的一項新研究，到2022年，數字工作者(例如軟件機器人和AI)的貢獻將增長50%以上。

每個工人的數字工作者。 期望許多數字機器人在辦公室中承擔最低限度的任務。 將培訓數字員工，使其像任何員工一樣執行業務任務，而且速度更快且不會出錯。 未來，企業中的所有員工都將擁有數字化工作者。 這在工作場所中將變得非常正常，您肯定會在工作場所中看到更多這些技術(請繼續閱讀以了解原因)。

流程智能的擴散

如果您以前從未聽過，那么今年一定會看到它。 借助流程智能，企業可以使用其系統中包含的信息來創建流程的可視化模型，實時對其進行分析以識別異常值和瓶頸，并預測未來的結果以促進技術投資的決策。

隨著部署更復雜的數字轉換技術，監視組織各個方面的運營的能力變得越來越重要。 支配非常特殊功能(CRM，ERP，CMS，EHR等)的單個技術系統只能提供對其平臺所控制過程的可視性。 這些獨立系統都無法以整體和深入的方式提供洞察力。

流程智能增強供應鏈的7種方式

隨著供應鏈變得更加全球化和復雜，監控和監督流程變得越來越具有挑戰性。

為了獲得這種可見性，組織將需要利用流程智能技術，這些技術可以提供跨部門，職能，人員甚至不同位置的所有流程的全面，準確和實時的視圖。 在未來的幾年中，越來越多的企業將意識到流程智能使組織能夠更好地理解并更有效地端到端地管理其流程，這些技術隨后將成為企業的標準。 (如之前在這里發布的。)

AI不僅針對消費者用戶，還針對企業

作為消費者，我們每天都在不知道使用AI的情況下體驗AI。 在企業中，預計到2020年流程所有者和那些領先的客戶體驗改進計劃將大大增加其參與度和對人工智能工具的訪問。

許多企業在數字化轉型項目上花費了數百萬美元，這些項目從未與企業需求保持一致。 當然，他們然后仍然想知道為什么他們失敗了。 只有解決業務問題，并確保解決正確的問題，才能確保在2020年及以后的企業實現數字化成功。 不僅僅是擁有AI或RPA，而是使技術與業務保持一致。

正如內森·弗爾(Nathan Furr)和安德魯·希皮洛夫(Andrew Shipilov)在他們的文章中所解釋的那樣，這打破了《哈佛商業評論》中關于數字化破壞的常識，"管理人員通常認為數字化轉型主要是關于技術變革。 當然，涉及到技術變革，但是精明的公司意識到，無論是通過更有效的運營，大規模定制還是提供新產品，轉型最終都是為了更好地滿足客戶需求。"

人工智能將在工作場所變得更容易消費。 商業用戶將很快進入機器人的內部市場，并獲得各種技術水平的人都可以使用的其他易于使用的自動化工具。 這些新平臺將在改善員工完成工作的方式中發揮作用，從而改善客戶體驗，并且流程比競爭對手更好。

人工智能將監控和改善業務流程

但是您將無法改善您不了解和無法衡量的內容。

盡管簡單的任務自動化在工作場所，超級自動化(如2020年十大技術趨勢中所述)以及智能的認知自動化項目已成為工作場所的普遍實踐，但依賴于集成支持AI的工具來重塑和重新定義業務流程方式的能力 實時執行。 RPA本身并不智能; 這是基于規則的簡單任務自動化。

Derek Miers是Gartner RPA軟件魔力象限的高級總監分析師主管。 米爾斯(Miers)在今年的Gartner研討會/ ITxpo上發表的演講令人驚訝地批評了當今的RPA。

Miers解釋說："您正在做的是在創可貼中覆蓋組織，以期實現一項健康計劃。" "您必須修復流程。 因此，如果您愿意的話，實際上就是在建一個小的立面，在舊應用程序的前面有一個小商店，可以重復使用。"

啟用認知自動化將需要為該任務構建新工具。 基于AI的流程和內容智能技術將為數字工作者提供處理自然語言，推理和判斷，建立上下文，提供數據驅動見解所需的技能和理解。

RPA工具本身并不是用AI構建的智能機器人，因此它們需要AI驅動的解決方案才能實現智能。 能夠監視整個企業的流程并觸發RPA，捕獲等工具的能力將由了解流程的工具(請參見上面的"流程智能"部分)以及作為流程有效內容的內容來處理。

簡而言之，RPA的作用是使以前由人處理的重復任務自動化。 該軟件經過編程，可以在應用程序和系統之間執行重復性任務。 該軟件被教授了具有多個步驟和應用程序的工作流程。" – Eggplant首席運營官Antony Edwards。

混合型勞動力的常態—人與人工智能的合作

許多人將企業內的人工智能和自動化視為殺手ers。 新興的混合動力系統(人力和機器人)充滿生機并在成長。 組織正在迅速實施可大規模處理大量重復性任務的認知AI和RPA。 隨著越來越多的用例出現，混合型勞動力也在增長。

接受收購可能很困難，但是業務領導者應該對員工保持開放和誠實，使他們透明地了解如何使用AI以及對現有人工及其日常工作的持久影響

總體而言，無論您的組織是否努力獲得認可，該信息都非常明確：習慣。 在不久的將來，您可能會在日常工作中與AI驅動的工具，數字工作者和機器人一起工作。 希望這些數字工作者與業務保持一致，并幫助解決問題，從而加速您實現價值的時間。

與AI的更多人機交互

工作場所中AI的正常運行也將是我們看到更多人與AI互動的原因。 就像我們已經與Alexa，Siri和其他數字助理一起生活一樣，我們將有望與AI一起生活和工作。 您的智能數字工作者的名字是什么?

隨著技術能力的提高，法規的允許和社會認可度的提高，將在不受控制的公共場所部署更多的AI。 我想我們當中更多的人可能會與AI互動，甚至可能不知道。 雖然我們已經了解到，客戶體驗通常會根據我們的個人資料和興趣而得到改善和定制，但我希望能與AI進行許多其他形式的交互，即使我們沒有看到這種情況。

數據助長了AI噴發

正如比利·喬爾(Billy Joel)所說：我們沒有開火; 它總是在燃燒; 既然世界在變化， 我們沒有開火; 不，我們沒有點燃它; 但是我們試圖與之抗爭：不久前，企業將數據視為許多業務流程和交易結束時的多余消耗。 這里發生了很大的變化，現在大小的組織都在投資于收集和記錄所有數據的系統和方法，當然這是為了改善!

在過去的25年中，數據的快速增長，存儲成本的降低以及對數據的便捷訪問已取得了令人難以置信的增長。 數據正在推動客戶體驗的改善，提高分析能力(尤其是在過程數據和過程智能的新領域)，支持機器學習和AI，并允許企業利用由數據驅動的智能自動化中的實際價值。

人工智能促進網絡安全

人工智能將為首席信息安全官帶來持續不斷的改善網絡安全性的令人印象深刻的新優勢。

盡管AI可以增強安全性，但這并不是萬能的。 " AI無法解決您所有的安全問題，"安全公司McAfee的前副總裁兼公司產品總經理，現任Akamai Technologies的安全產品副總裁Raja Patel說。 "將其視為提高安全狀況的一種方式，而不是靈丹妙藥。"

正如我在2020年20大技術趨勢文章中指出的那樣，未來的AI安全將具有3個關鍵觀點。

更多的AI在做AI事情-自動化的AI開發

"在2020年，我們期望在IBM所謂的" AI for AI"領域看到重大的創新：使用AI來幫助自動化創建，部署，管理和操作AI模型生命周期中涉及的步驟和流程，以幫助 IBM Research AI副總裁Sriram Raghavan表示。 資料來源：The Next Web。

在2019年，IBM推出了AutoAI，這是一個用于自動化數據準備，模型開發，功能工程和超參數優化的平臺。

尋找包含分布式深度學習的開發人員技術，使開發人員可以更快，更有效地構建AI引擎。 自動化機器學習將使AI開發可供更多種類的開發人員使用。

總體而言，人工智能具有重塑和重新定義我們的生活和工作方式的能力。 我們都應該期待的增長趨勢是在工作場所看到越來越多的AI解決方案。 這些工具將幫助創造新的用戶體驗，更好的結果，并確保我們以及時有效的方式實現我們的目標。 在考慮混合型勞動力的需求時，領導者需要確定簡單的基于任務的自動化工具是否可以解決他們的問題，或者他們是否需要結合AI和其他變革性技術才能實現真正的智能和認知自動化。

選擇仍然存在-您的組織將成為成功實現由AI驅動的成功且可持續的數字化的領導者，還是因為害怕改變而保持靜止和停滯。