后疫情生产力时代智能自动化打造以人为中心的企业

尽管受疫情影响，上海市政府仍决定于7月9日至11日，举办今年的世界人工智能大会云峰会。大会采用线上为主、线上线下融合的新形式。今年大会主题为“智联世界 共同家园”，设1场开幕式、2场全体会议、10场主题论坛和若干场行业论坛。



在Encoo主办的RPA分会场，我们有幸邀请到Forrester首席分析师Craig Le Clair先生，分享RPA在全球的发展现状。在讲座中，Craig分享了自动化的关键趋势，介绍了数字化转型的路线图，并分析了自动化技术对不同类型工作者的影响。他的分享为后疫情时代企业智能自动化相关建设指明了思路。



以下为演讲节选，部分内容略有修改: 



● 后疫情时代智能自动化的3个主要趋势



人机协同



随着机器智能水平的不断提高，它们取代了越来越多的人工流程，这通常被称为人机协作-“Human-Machine Cooperation”。得益于人工智能技术，人们逐渐向规则更复杂、确定性更低的流程自动化领域迈进。在这个过程中，我们使用机器学习等人工智能技术来进行数据处理、辅助决策。这大大的改变了人类很多传统的工作场景。



1595398295357657.png



Forrester副总裁，首席分析师:Craig Le Clair



智能文本提取



文本挖掘属于机器学习的范畴，也是人工智能的一个子集。所处理的文本通常是文档、表格、票据、电子邮件等非结构化的信息。基于智能文本抽取技术，可以获取更高质量的数据，用于后续的数据分析工作。例如，查看用户填写表单时可能出现的错误，检查可能不正确的交易，挖掘文本中的客户情感。 



虽然这一领域的核心仍然是自然语言处理，但用机器学习的训练模型，来理解文本背后的含义，也是近期热门的领域。随着计算机视觉、文本分类等方面技术的逐渐成熟。机器可以理解文档上的表单和图像，以及上下文的逻辑。在AI技术的赋能下，智能自动化蕴含了具有洞察力的价值。而不仅是过去的降低运营成本。 



自动化突击队



对于企业的自动化建设，用更广阔的视野进行整体规划十分重要。这里有多方面的原因，一个是，一些自动化场景，引入了需要从组织治理角度考虑的新问题。其次，机器人通常会使用员工的密码凭证，进行一些生产系统的日常操作。因此，需要关注密码凭证的安全管控。此外，智能自动化涉及许多新技术的应用，需要团队在企业内部解释不同自动化技术的特点，以便用正确的方式应用和落地。 



● 疫情给数字化转型带来的机遇



尽管在移动互联网、社交媒体等领域，Uber等全球公司，以及美团、滴滴等中国互联网企业，在数字化驱动业务模式创新等方面的势头表现良好。但传统企业数字化转型的进展相当缓慢。这让我们不得不面对一个现实，现代化是艰难的，数字化转型不易。 



在2020年1月到3月的全球疫情高峰期，突然之间，企业不得不快速进行数字化转型。每个人都不得不在家工作，企业必须以新的方式开展远程业务。随之而来的，是在供应链等领域衍生出的一系列问题。在巨大的压力下，企业不得不进行业务创新。不幸中的万幸，疫情也从侧面推动了一部分企业的数字化转型进程，部分企业在过去的两个月里构建了比过去五年更多的数字化能力。

1595398445828658.png



以上就是这张图表中闪电标志描述的数字化转型激增的区域。现在，公司面临的挑战是如何在压力下进行这种转变，并在疫情结束，恢复更正常工作环境时，继续保持数字化转型的势头。这将影响我们在过去几个月中取得的数字化转型成果。 



● 后疫情时代的智能自动化路线图



1595398461417335.png



Forrester提出了后疫情时代智能自动化路线图，为企业提供了一种确定智能自动化项目优先级的方法。基于Forrester对所服务企业、政府客户的调研和沟通。一些正在进行中的，大型人工智能、数字化转型项目，进度会受到影响甚至停滞，会掉进左下象限的动量损失区。因为根据大多数人的估计，我们正在经历的这场疫情引发的经济衰退，将是漫长而痛苦的。 



就像以前所有的经济衰退一样，企业将更专注降低成本和成本转移。因此，在象限右上方的加速区中，RPA自动化变得非常重要，因为它在降低成本方面具有非常明显的ROI。上面提到的智能文本提取也在这个区域，它能帮助员工节省大量的时间，来整理文档、处理表单、发现错误、客户投诉、欺诈风险等问题。此外，一些视频会议、远程协作类的办公产品和工具，也在疫情期间发挥了巨大的作用。 



极少数人能够准备好，应对我们所说的系统性全球风险。下一个系统性全球风险可能是气候变暖。我们看到，更多的公司开始关注治理领域的问题，增强了风险管理意识，为可能发生的此类系统性风险做好准备。因此，系统弹性、业务韧性等可持续发展能力，已成为数字化转型中的重中之重。例如，提升供应链的多样性，以确保可用的材料采购，和商品交付能力。



● 智能自动化对不同类型工作者的影响



智能自动化对不同类型工作者的影响程度是不同的。例如，呼叫中心的客服员工，企业后台从事财务工作的员工，由于他们拥有相似的工作模式，标准的工作流程，因此自动化对他们工作的影响也是相似的。



另一方面，对于法律从业人员等创造工作者，他们通常会处理复杂的信息，并在海量数据之间建立联系。由于工作的创造性水平、流程不固化等特殊性，自动化可能在很长一段时间内，都不会应用在这个领域。但我们也看到了一些创新的场景，比如数字员工助手辅助医疗行业的从业人员，进行认知搜索和知识发现。



RPA+AI对特定职能的知识工作者和行政人员影响最深



目前，RPA真正发挥作用的应用领域主要集中在运营领域。智能自动化非常适合于特定职能的知识工作者、协调员、行政工作者。这些流程标准、操作规范的场景是RPA主要的应用领域。很多自动化技术、AI技术正在改变企业的传统流程。



● 人机协作的五个层次



在与智能自动化相关人机协作中，会根据技术复杂度和自动化模式的不同分为5个层次。第五层是应用最先进的人工智能技术实现机器的自主运动，比如自动驾驶汽车。相反，第零层是描述人类日常工作中没有自动化驱动的场景。 



在这中间，随着自动化技术发展的不同阶段，又有进一步的细分。第一层是工作流领域，我们使用BPM软件来设计流程，连接不同的工作节点，处理一些确定性流程的自动化。



第二层：人类驱动机器完成任务



第二层是很多RPA正在做的事情，很多企业已经构建了一些数字员工或数字助理。人类与机器人之间有某种程度的互动。比如在客服中心，人可以使用机器人批量更新客户的地址。以此来降低员工的信息系统负担，解放生产力，投入更有价值的工作。 



第三层：人类在机器的帮助下完成任务



第三层是一系列AI技术与RPA相结合，赋予人们更强的数据处理能力。一些AI组件，例如NLP，通常使用机器学习来提供更灵活的数据提取。在过去，我们必须根据模板准确地定位字段的位置，随后才能取出数据。但现在，机器学习可以理解文档中的内容，识别文字、数据在哪个区域，并利用训练机制，使机器的识别和提取越来越精确。 



我们可以预见在第四层和第五层，人工智能将更多的参与决策工作。我们也会遇到一些智能自动化能力的黑盒问题，没有人知道决策是如何做出的。我们需要更完美的算法和智能技术，以保证无人驾驶汽车不会因错误识别引发的事故。第四层和第五层中的所面临问题，在第二层和第三级中，并不是那么引起关切。



● 企业级RPA规模化拓展的阻力



现在很多公司在智能自动化方面做了很大的投入，企业级的RPA也在逐步走向规模化。但整体上，大约一半的公司投入使用的机器人数量不到10台。这不是我们预期的大规模。其中的规模化拓展阻力涉及几个主要的原因。



因此，我们建议组织建立自动化工作小组，或机器人卓越中心。团队由技术和业务人员组成。智能自动化技术专家具有自动化和AI领域的技术知识。各个部门的业务人员了解业务场景、数字化需求和人员安排。他们将共同设计、建立和维护数字劳动力解决方案。这就是我们所说的联邦工作方法，智能自动化不仅需要高水平的技术和产品，也需要了解业务场景、痛点需求的业务专家，在协力共建的模式下，才能确保自动化解决方案的有效价值产出。