[[401604]]

隨著各個組織爭相調整其業(yè)務流程，并加大對數(shù)字化轉型項目的投入，以應對因新冠病毒造成的破壞，此次疫情已加劇了人們對流程自動化的興趣。

對于正在從事或已經致力于此類現(xiàn)代化工作的IT主管們來說，人工智能(主要體現(xiàn)為機器學習技術)有望對自動化產生革命性影響，使他們更接近端到端過程自動化的夢想。

但就目前而言，由AI驅動的過程自動化仍是一種零星存在的方式，其中AI只是涉及單個任務，而非涉及整個過程鏈。不論供應商如何大肆宣傳，完全智能自動化都還沒有到來，但致力于填補這一空白的各個組織正在尋找創(chuàng)新方法，以使這一有前途的概念更接近現(xiàn)實。

智能自動化的現(xiàn)狀

在自動化中使用AI的典型用例包括：無需工作人員將PDF文件中的信息手工重新輸入到表單中，而對AI進行訓練后，即可以替代人工完成這些工作?；蛘?，當一名員工在需要常常搜尋公司文件來回答客戶的某一問題時，AI會提供一些可能的答案。

至于整個過程的其余部分，則人仍是處于核心位置。人工業(yè)務分析師找出了進入某一特定流程的東西。開發(fā)人員使用機器人流程自動化(RPA)系統(tǒng)來創(chuàng)建過程流。越來越多的業(yè)務分析師在監(jiān)控流程的績效，尋找瓶頸，并為其他步驟提出想法，這些步驟可以通過傳統(tǒng)腳本或通過AI增強技術來實現(xiàn)自動化。

換句話說，到目前為止，AI已成為一種工具，可以在更大的自動化方案中填補小眾市場。

HFS Research公司研究高級副總裁埃琳娜·克里斯托弗(Elena Christopher)表示：“關于AI的一個大秘密就是每個用例的范圍有多狹窄。”

盡管與端到端智能自動化結合在一起的技術可能已經存在，至少是零星存在。但面臨的挑戰(zhàn)依然存在，這包括了解業(yè)務流程常常并非那么簡單這一事實，因為員工經常會切換系統(tǒng)來執(zhí)行一部分任務，或者他們會自己完成某個難以以數(shù)字方式完成的工作，從而削弱了AI從頭到尾全面了解某一流程的能力。

利用計算機視覺獲得過程洞察力

Genpact是一家全球專業(yè)服務公司，擁有近100,000名員工，為數(shù)百個客戶(包括許多財富500強企業(yè))管理數(shù)千個流程。該公司利用智能將核心系統(tǒng)中的單個交易與其所屬的更大流程進行匹配。但Genpact公司首席數(shù)字官桑杰•斯里瓦斯塔瓦(Sanjay Srivastava)表示，例如，當一名員工離開核心系統(tǒng)并在Web瀏覽器中打開頁面時，智能就會不足。

例如，某一過程中的一個步驟可能涉及查找某一定價頁面，以確定一個特定商品是高于還是低于100美元。為了完成這一工作，員工可能會打開相關頁面，并在決定如何操作下一步之前，快速瀏覽這一價格。這一動作(在屏幕上查看某些東西)很難以數(shù)字方式完成。

這就是計算機視覺發(fā)揮作用的地方，它會使用工作崗位上的攝像頭來跟蹤員工所看的內容。“這絕對必須得到員工的同意才能執(zhí)行，”斯里瓦斯塔瓦說。“通常情況下，我們所服務的企業(yè)已經制定了有關這方面的政策，因此這一工作對某些公司是可行的，而對其他公司則不可行。”

通過使用包括計算機視覺在內的多種技術，Genpact公司的自動化系統(tǒng)可以收集到與業(yè)務流程相關的所有行為，而不僅僅是特定部門或崗位員工的行為。斯里瓦斯塔瓦表示，識別所有工作任務并將其關聯(lián)到某一工作流中，這一過程被稱為流程挖掘，Genpact公司一直在使用自主研發(fā)的AI自動化解決方案從事這一工作，而且已有三年時間了。在過去的一年中，該公司增加使用了計算機視覺，以使該技術更加全面。

一旦確定和挖掘了業(yè)務流程，Genpact公司便可以監(jiān)控該流程的各個實例并對其進行故障排除，或者基于持續(xù)的反饋對該流程進行微調。

他說：“假設上周我們公司購買了100,000臺筆記本電腦。”“我們可以抽取100,000個端到端流程。我們將監(jiān)控所有流程的情況，并可以一直跟蹤任一特定流程的情況。為什么這一流程發(fā)生偏離?您可以解決業(yè)務問題或適應新的常態(tài)。”

這一“新常態(tài)”可能涉及自動檢測某一過程中的變化。例如，如果與原始發(fā)票金額存在超過10%的變化則需要獲得批準，而當時獲得批準的比例為100%，那么也許是時候將業(yè)務規(guī)則從10%調整為20%，斯里瓦斯塔瓦表示。然后，機器人流程自動化可以跳過發(fā)票金額變化低于20%的審批步驟，或者發(fā)送一個彈出式提示，提醒員工不再需要將發(fā)票轉給財務部門審批，而是可以自己做出最終決定。

AI生成的自動化腳本

數(shù)字化轉型咨詢公司UST的AI和機器學習首席架構師阿德南·馬蘇德(Adnan Masood)表示，過去三年來，我們一直在使用AI來使一些棘手的工作自動化，并使一些業(yè)務流程任務數(shù)字化。

馬蘇德與斯坦福大學和麻省理工學院的AI實驗室都有合作，而且在利用無監(jiān)督學習來了解業(yè)務流程以及在將單個任務連接到端到端流程方面擁有專利。

舉個例子，當一名員工通過瀏覽同一網站來查詢價格。一方面，自動化系統(tǒng)需要清楚這是某一流程的一部分;因為網站一直在變化，因此更具挑戰(zhàn)性的是能夠復制這一動作。

馬蘇德說：“我們對輸入的信息進行矢量化處理，并使用深度學習來識別輸入的內容。”然后，當員工下一次訪問該網站時，AI可以自動提取數(shù)據(jù)，而無需人工編寫任務腳本。然后，通過加強學習，AI可以隨著時間的推移不斷改進。

馬蘇德說：“在這個循環(huán)中有人員會對AI進行強化，或者會告訴計算機某個數(shù)據(jù)字段未正確驗證。”常見的RPA平臺可以自動完成繁瑣的工作。但是認知型AI可以自我優(yōu)化、自我學習。”

他表示，在某些參數(shù)范圍內，該系統(tǒng)還可以自動駕駛。“這種情況下，該系統(tǒng)可以基于所學的知識直接采取行動。”

馬蘇德表示，但他的系統(tǒng)仍需要一套基本的日志才能工作，查找和匯總所有流程日志仍是一個耗時的人工流程。“數(shù)據(jù)永遠不會存在于單個系統(tǒng)中。它會來自多種來源和具有不同的形式。必須有人進行初始配置。”

如果數(shù)據(jù)保存在舊系統(tǒng)中，則此過程可能需要自定義編碼，打開防火墻或獲得監(jiān)管或網絡安全部門的批準，更不用說數(shù)據(jù)工程師需要來建立數(shù)據(jù)流，此過程可能需要耗時數(shù)月的時間。

在收集到數(shù)據(jù)后，AI開始分析工作流程。他表示，根據(jù)該工作流程中涉及的人員數(shù)量和交易的頻率，對該工作流程圖進行驗證可能還需要花費幾個月的時間。

如果現(xiàn)在已經繪制了流程圖，則還必須對其進行人工驗證。他說：“學科專家會檢查該流程圖，然后說，‘不，這一步是錯誤的，這里才是正確的數(shù)據(jù)源。”

深度集成所面臨的挑戰(zhàn)

對于已使用RPA的企業(yè)而言，核心系統(tǒng)之外的任務仍會帶來挑戰(zhàn)。網絡數(shù)據(jù)抓取和OCR文檔掃描等變通辦法都是短期解決辦法，而且可能會引入錯誤并導致流程中斷。更好的解決方案是通過API進行更深層次的機器對機器的集成。

技術咨詢公司Insight的合作伙伴聯(lián)盟和運營高級副總裁梅根·安達爾(Megan Amdahl)說：“當您對一個網站使用RPA時，自動化過程就不那么穩(wěn)定了。”

她表示，RPA可以監(jiān)測用戶在網站上的操作，但RPA系統(tǒng)無法知道該網站可能提供了一個可用于直接獲取數(shù)據(jù)的API。因此，Insight公司返回到了對此類自動化過程進行手動腳本編寫。

“現(xiàn)在IT部門對API數(shù)據(jù)傳輸請求進行手工編碼，”安達爾說。“由于此項工作在IT部門內部，因而可以更快地操作，并且可以更快地擴大規(guī)模。如果我們通過API進行硬編碼，則不會影響自動化過程。API標準會發(fā)生變化，但變化的速度會更慢。”

實現(xiàn)完全自動化的其他障礙則是那些尚未將流程數(shù)字化的業(yè)務合作伙伴，或擁有一些不兼容系統(tǒng)的業(yè)務合作伙伴。

她說：“客戶們希望以自己的方式做事，然后他們會去找一家能夠按自己想要的方式接收信息的公司。”“所以，例如，他們可以從我們的網站上訂購大部分他們想要的東西，但是他們的內部流程要求他們創(chuàng)建一個采購訂單。”

她表示，如果客戶能夠直接連接這些系統(tǒng)，則確實需要手動編碼才能建立連接。她說：“然后您必須對其進行維護，這樣它才不會發(fā)生中斷。”

隨著越來越多的公司轉向使用核心業(yè)務系統(tǒng)的SaaS平臺，以及這些SaaS提供商相互合作建立數(shù)據(jù)集成，所有這一切都可能會很快改變。“擁有預制連接器絕對是一種理想的狀態(tài)，”安達爾說。

具體案例多于綜合性案例

普華永道事務所(PricewaterhouseCoopers)全球AI負責人阿南德•拉奧(Anand Rao)表示，我們在以AI驅動的流程挖掘方面取得了一些成績，但僅限于一些特定的、有限的案例。

他說：“我們已經整合了很多供應商工具來做這件事。”“由于人們從事的工作類型各不相同，如果我們只讓一個后臺機器人來監(jiān)測所有人，那么我們將一無所知。”

因此，拉奧提醒道，不要過分信任那些聲稱可解決所有自動化問題的營銷說辭。他說：“如果營銷人員說，他可以安裝一個流程挖掘軟件，即可以替代十個人的工作，那我是不會相信的。”

此外，德勤咨詢公司數(shù)據(jù)云和機器學習首席專家奇達•薩達亞潘(Chida Sadayappan)表示，RPA中使用的大多數(shù)AI都是針對特定的、單個的任務。

他說：“一切都是AI驅動的。”“有些文檔可以讀取，數(shù)據(jù)也可以被提取，個人身份信息也可以進行編輯。有一些圖像方面的工作，例如識別包裝上是否有損壞。”他補充道，但這不是AI驅動的RPA。“AI只是替代人們去完成一些繁瑣的任務。”

他表示，AI和機器學習正在融入到過程工作流自動化中。“但目前還沒有很多用例。”

薩達亞潘表示，大型保險公司可能會將AI融入到過程工作流自動化中，而金融機構可能會使用AI來處理抵押貸款申請，“但在其他方面，幾乎沒有大規(guī)模地使用工作流程自動化。”

但是，安永會計師事務所全球人工智能咨詢主管丹·迪亞西奧(Dan Diasio)看到了增長的潛力。“AI有很多單點解決方案。但現(xiàn)在有可能從單點解決方案過渡到AI平臺。自動化正在尋求采用以AI驅動來完成各項任務。他表示，這兩件事正在融合，然后他補充說，安永會計師事務所因此而“實際上將傳統(tǒng)上專注于流程自動化的團隊轉變?yōu)锳I團隊”。

流程的目的

高德納公司分析師馬克•克爾曼斯(Marc Kerremans)在4月份撰寫了一份關于流程挖掘的報告，他表示，用于流程挖掘和工作流自動化的AI仍處于早期階段。“但AI會不斷改進。”

但至少在不久的將來，不會實現(xiàn)自動化的是情景感知。這仍需要人工分析，以確定某一過程是否應該首先存在，或者是否需要用其他東西代替。

同時，供應商們正在大力投入。所有主流RPA供應商都在構建或購買流程挖掘功能，并對AI進行投資，其中包括Celonis、UiPath、Automation Anywhere、Blue Prism和Livejourney等公司。

在公司收購行為的推動下，主流供應商們也處于競爭狀態(tài)。IBM公司最近收購了流程挖掘公司myInvenio，而SAP公司已收購了流程挖掘供應商Signavio，微軟公司則收購了工作流程自動化供應商Softomotie。

最終，克爾曼斯表示，流程挖掘將成為企業(yè)平臺中的普通功能。

不過，克爾曼斯建議不要沉迷于流程挖掘。他說：“即使您沒有全部可用的信息，也要從一些擁有現(xiàn)成信息的任務開始著手。”“您仍可以獲取見解、認知和價值。如果您不這樣做，而是要等待三年，您就會落伍。”