人工智慧促進企業實現端到端的智慧自動化

隨著各個組織爭相調整其業務流程，並加大對數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。

對於正在從事或已經致力於此類現代化工作的IT主管們來說，人工智慧(主要體現為機器學習技術)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，完全智慧自動化都還沒有到來，但致力於填補這一空白的各個組織正在尋找創新方法，以使這一有前途的概念更接近現實。

智慧自動化的現狀

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

至於整個過程的其餘部分，則人仍是處於核心位置。人工業務分析師找出了進入某一特定流程的東西。開發人員使用機器人流程自動化(RPA)系統來創建過程流。越來越多的業務分析師在監控流程的績效，尋找瓶頸，併為其他步驟提出想法，這些步驟可以通過傳統指令碼或通過AI增強技術來實現自動化。

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公司研究高階副總裁埃琳娜·克里斯托弗(Elena Christopher)表示：「關於AI的一個大祕密就是每個用例的範圍有多狹窄。」

儘管與端到端智慧自動化結合在一起的技術可能已經存在，至少是零星存在。但面臨的挑戰依然存在，這包括瞭解業務流程常常並非那麼簡單這一事實，因為員工經常會切換系統來執行一部分任務，或者他們會自己完成某個難以以數字方式完成的工作，從而削弱了AI從頭到尾全面瞭解某一流程的能力。

利用計算機視覺獲得過程洞察力

Genpact是一家全球專業服務公司，擁有近100,000名員工，為數百個客戶(包括許多財富500強企業)管理數千個流程。該公司利用智慧將核心系統中的單個交易與其所屬的更大流程進行匹配。但Genpact公司首席數字官桑傑斯裡瓦斯塔瓦(Sanjay Srivastava)表示，例如，當一名員工離開核心系統並在Web瀏覽器中開啟頁面時，智慧就會不足。

例如，某一過程中的一個步驟可能涉及查詢某一定價頁面，以確定一個特定商品是高於還是低於100美元。為了完成這一工作，員工可能會開啟相關頁面，並在決定如何操作下一步之前，快速瀏覽這一價格。這一動作(在螢幕上檢視某些東西)很難以數字方式完成。

這就是計算機視覺發揮作用的地方，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行，」斯里瓦斯塔瓦說。「通常情況下，我們所服務的企業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公司的自動化系統可以收集到與業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，識別所有工作任務並將其關聯到某一工作流中，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務流程，Genpact公司便可以監控該流程的各個例項並對其進行故障排除，或者基於持續的反饋對該流程進行微調。

他說：「假設上週我們公司購買了100,000檯筆記本電腦。」「我們可以抽取100,000個端到端流程。我們將監控所有流程的情況，並可以一直跟蹤任一特定流程的情況。為什麼這一流程發生偏離?您可以解決業務問題或適應新的常態。」

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

AI生成的自動化指令碼

數字化轉型諮詢公司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，並使一些業務流程任務數字化。

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，而且在利用無監督學習來了解業務流程以及在將單個任務連線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，因此更具挑戰性的是能夠複製這一動作。

馬蘇德說：「我們對輸入的資訊進行向量化處理，並使用深度學習來識別輸入的內容。」然後，當員工下一次訪問該網站時，AI可以自動提取資料，而無需人工編寫任務指令碼。然後，通過加強學習，AI可以隨著時間的推移不斷改進。

馬蘇德說：「在這個迴圈中有人員會對AI進行強化，或者會告訴計算機某個資料欄位未正確驗證。」常見的RPA平臺可以自動完成繁瑣的工作。但是認知型AI可以自我優化、自我學習。」

他表示，在某些參數範圍內，該系統還可以自動駕駛。「這種情況下，該系統可以基於所學的知識直接採取行動。」

馬蘇德表示，但他的系統仍需要一套基本的日誌才能工作，查詢和彙總所有流程日誌仍是一個耗時的人工流程。「資料永遠不會存在於單個系統中。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。」

如果資料儲存在舊系統中，則此過程可能需要自定義編碼，開啟防火牆或獲得監管或網路安全部門的批准，更不用說資料工程師需要來建立資料流，此過程可能需要耗時數月的時間。

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

如果現在已經繪製了流程圖，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，然後說，‘不，這一步是錯誤的，這裡才是正確的資料來源。」

深度整合所面臨的挑戰

對於已使用RPA的企業而言，核心系統之外的任務仍會帶來挑戰。網路資料抓取和OCR文件掃描等變通辦法都是短期解決辦法，而且可能會引入錯誤並導致流程中斷。更好的解決方案是通過API進行更深層次的機器對機器的整合。

技術諮詢公司Insight的合作伙伴聯盟和運營高階副總裁梅根·安達爾(Megan Amdahl)說：「當您對一個網站使用RPA時，自動化過程就不那麼穩定了。」

她表示，RPA可以監測使用者在網站上的操作，但RPA系統無法知道該網站可能提供了一個可用於直接獲取資料的API。因此，Insight公司返回到了對此類自動化過程進行手動指令碼編寫。

「現在IT部門對API資料傳輸請求進行手工編碼，」安達爾說。「由於此項工作在IT部門內部，因而可以更快地操作，並且可以更快地擴大規模。如果我們通過API進行硬編碼，則不會影響自動化過程。API標準會發生變化，但變化的速度會更慢。」

實現完全自動化的其他障礙則是那些尚未將流程數字化的業務合作伙伴，或擁有一些不相容系統的業務合作伙伴。

她說：「客戶們希望以自己的方式做事，然後他們會去找一家能夠按自己想要的方式接收資訊的公司。」「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建一個採購訂單。」

她表示，如果客戶能夠直接連線這些系統，則確實需要手動編碼才能建立連線。她說：「然後您必須對其進行維護，這樣它才不會發生中斷。」

隨著越來越多的公司轉向使用核心業務系統的SaaS平臺，以及這些SaaS提供商相互合作建立資料整合，所有這一切都可能會很快改變。「擁有預製連線器絕對是一種理想的狀態，」安達爾說。

具體案例多於綜合性案例

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，但僅限於一些特定的、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。」「由於人們從事的工作類型各不相同，如果我們只讓一個後臺機器人來監測所有人，那麼我們將一無所知。」

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體，即可以替代十個人的工作，那我是不會相信的。」

此外，德勤諮詢公司資料雲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。」「有些文件可以讀取，資料也可以被提取，個人身份資訊也可以進行編輯。有一些影象方面的工作，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慧諮詢主管丹·迪亞西奧(Dan Diasio)看到了增長的潛力。「AI有很多單點解決方案。但現在有可能從單點解決方案過渡到AI平臺。自動化正在尋求採用以AI驅動來完成各項任務。他表示，這兩件事正在融合，然後他補充說，安永會計師事務所因此而「實際上將傳統上專注於流程自動化的團隊轉變為AI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月份撰寫了一份關於流程挖掘的報告，他表示，用於流程挖掘和工作流自動化的AI仍處於早期階段。「但AI會不斷改進。」

但至少在不久的將來，不會實現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，並對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，主流供應商們也處於競爭狀態。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平臺中的普通功能。

不過，克爾曼斯建議不要沉迷於流程挖掘。他說：「即使您沒有全部可用的資訊，也要從一些擁有現成資訊的任務開始著手。」「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。」