在這樣技術先進的世界中，諸如檢查之類的關鍵工業流程仍然效率低下，成本高昂，并且造成資金浪費。

一些國家已經意識到效率低下的情況。根據國際貨幣基金組織的一項研究，由于效率低下，一些國家浪費了約三分之一的基礎設施支出。調研機構麥肯錫公司估計，隨著數字技術被整合到業務流程和工作流程中，在未來十年中，可能導致每年生產率平均提高2%。

[[387571]]

效率與效益

產業轉型有多種形式。傳統方法包括業務流程再造(BPR)、6 Sigma以及工作流程的數字化。如今這些已經發生改變，三大趨勢推動著工作場所中工作的轉變。大型基礎設施將通過以下方式為他們的業務帶來更大的收益：

• 人工智能的興起
• 增強機器和傳感器的互連性
• 數據的數字化

這些主題的早期采用者將在客戶差異化和運營效率方面都具有關鍵的競爭優勢。

必須理解的是，自動化與自主性在本質上是不同的。工作流程的自動化提供了更高的質量和更快的工作流程，而自主性則提供了反饋循環來響應工作流程中的模糊性。

雖然過去的驅動力是為了消除流程的可變性，但如果操作得當，新工作流程在執行作業時可能不會受到模糊信息的影響。

以控制汽車的速度為例。它可以自動執行駕駛員的工作并保持速度不變。而將更多相互連接的傳感器添加到控制系統后，就會創建一個更復雜的自動駕駛系統。隨著增加傳感器數量和相關的計算能力來做出快速決策，正在轉向自主性——控制系統將自動響應無法預見的障礙或危險。

如果工作人員不需要編寫所有規則，而是讓機器學習自主學習，這些對各種情況的響應將更加有效。人工智能特別擅長模式識別，可以觸發響應。因此，人工智能系統將對當前常規、可預測和重復的工作流程產生更大的影響。

規模龐大的工業過程成為人工智能的首批受益者之一。可以充分限制操作的可變性，以測試和優化自主性。在此之后，可以對操作環境實現通用化，以獲得更大的好處。

最后，人機界面將繼續發揮重要作用。從操作流程到監督流程，工作人員的工作性質會發生變化。

為了實現工業流程的自主性，必須剖析并研究哪些要素可以完全實現自動化，哪些要素需要人工監督，哪些領域仍然需要人員參與。一旦建立了這種清晰性，就可以為自主性提供一條途徑。從當今已存在的硬件、連接性、計算和數據開始，并逐步隨著時間的推移插入其他元素以提高效率和更高質量的流程。

真實的例子

以評估大規模火災之后的保險索賠為例，例如在加利福尼亞州馬里布發生的火災。社區和保險公司需要6到9個月的時間以及需要數千名專家和志愿者來準確了解火災的影響。許多受害者留下的信息很少或根本沒有信息。借助當今可用的先進技術，現在可以在幾周(有時甚至幾天)內完成這項工作。

改變這一檢查過程首先是獲得適當的設備用于現場檢查，即網絡連接機器人和無人機配備計算機視覺和其他傳感器。工作人員將設置飛行區域并清理空域。利用一套經過定制訓練的人工智能來收集、理解和分析從殘骸中獲得的數據集，機器人和無人機將自主地找到自己的方式來收集數據，并將數據傳輸回工作人員，以獲得索賠和回收物流的見解。

這是一個真實的案例，為開展業務做好了準備。保險公司可以確定賠付的金額，公用事業公司開始實施設備恢復工作;而受災家庭開始重建他們的家園。