人工智能使端到端的智能自动化成为企业对过程自动化的兴趣。对于正在或已经致力于此类现代化工作的IT高管而言，人工智能（主要体现在机器学习技术中）有望彻底改变自动化，使他们更接近端到端流程自动化的梦想。但就目前而言，人工智能驱动的流程自动化仍然是一种零敲碎打的方法，人工智能只参与个别任务，而不是整个流程链。不管供应商如何大肆宣传，完全智能的自动化尚未出现，但致力于填补空白的组织正在寻找创新方法，使这一有前途的概念更接近现实。智能自动化的现状在自动化中使用AI的典型用例包括消除人类工作者手动将PDF文件中的信息重新输入表格的需要，可以训练AI来代替人类完成这些任务。或者，当员工经常搜索公司文件以回答客户问题时，AI可以提供一些可能的答案。至于剩下的过程，人还是在心上。人类业务分析师弄清楚特定流程中的内容。开发人员使用机器人流程自动化(RPA)系统来创建流程。业务分析师越来越多地监控流程的性能，寻找瓶颈并为可以通过传统脚本或AI增强技术实现自动化的额外步骤提出想法。换句话说，到目前为止，人工智能已经成为一种工具，可以填补更大的自动化方案中的一个利基市场。“关于AI的一大秘密是每个用例的范围有多窄，”HFSResearch研究高级副总裁ElenaChristopher说。存在，至少偶尔存在。但挑战依然存在，包括理解业务流程往往不是那么简单，因为员工经常切换系统来执行部分任务，或者他们自己做一些数字化难以完成的事情，削弱了AI充分理解流程的能力从开始到结束。利用计算机视觉获得流程洞察Genpact是一家全球专业服务公司，拥有近100,000名员工，为数百家客户管理着数千个流程，其中包括许多财富500强公司。该公司使用智能将其核心系统中的单个交易与它们所属的更大流程相匹配。但是Genpact的首席数字官SanjaySrivastava表示，例如，当一名员工离开核心系统并在Web浏览器中打开一个页面时，情报就不够用了。例如，流程中的一个步骤可能涉及查找定价页面以确定特定商品是超过还是低于100美元。为此，员工可能会打开相关页面并快速查看价格，然后再决定下一步如何进行。这个动作（在屏幕上看到一些东西）很难用数字方式完成。这就是计算机视觉发挥作用的地方，它在工作场所使用摄像头来跟踪员工正在看什么。“这绝对必须在员工同意的情况下进行，”斯里瓦斯塔瓦说。“通常情况下，我们所服务的企业都有相关政策，因此这项工作对某些公司来说是可行的，但对其他公司而言则不然。”技术方面，简柏特的自动化系统可以收集所有与业务流程相关的行为，而不仅仅是特定部门或岗位员工的行为。Srivastava表示，识别所有工作任务并将它们关联到某个工作流程的过程称为流程挖掘，Genpact一直在使用自己的AI自动化解决方案来做这项工作，并且已经这样做了。已经三年了。在过去的一年里，该公司增加了对计算机视觉的使用，使该技术更加全面。一旦确定并挖掘了业务流程，Genpact就可以监控流程的各个实例并对其进行故障排除，或者根据持续的反馈对流程进行微调。“假设我们公司上周购买了100,000台笔记本电脑，”他说。“我们可以对100,000个端到端流程进行采样。我们将监控所有流程的进展情况，并且我们可以跟踪任何特定流程的进展情况。为什么这个A流程会出现偏差？你可以解决业务问题或适应新常态。”这种“新常态”可能涉及自动检测流程中的变化。例如，如果对原始发票金额的更改超过10%需要批准，然后100%获得批准，那么也许是时候将业务规则从10%调整为20%，Srivastava说。然后，机器人流程自动化可以跳过发票金额变化小于20%的审批步骤，或者发送弹出警报提醒员工他们不再需要将发票转发给财务部门进行审批，可以自己做出最终决定。“过去三年我们一直在使用人工智能来自动化一些棘手的工作，并使一些业务流程任务数字化。Masood与斯坦福大学和麻省理工学院的人工智能实验室合作，并拥有使用无监督学习来理解业务流程并将单个任务连接到端到端流程的专利。一个例子是当员工通过浏览同一个网站来查找价格时。一方面，自动化系统需要意识到这是某个流程的一部分；由于站点一直在变化，因此复制此操作更具挑战性。“我们将输入的信息矢量化并使用深度学习来识别输入的内容，”马苏德说。然后，下次员工访问该站点时，AI可以自动提取数据，无需人工编写任务脚本。然后，通过强化学习，人工智能可以随着时间的推移而改进。“循环中的某个人会增强人工智能，或者告诉计算机数据字段没有得到正确验证，”马苏德说。常见的RPA平台可以自动完成繁琐的工作。但认知人工智能可以自我优化和自我学习。他说，在某些参数范围内，该系统还可以自动驾驶。“在这种情况下，系统可以直接根据所学知识采取行动。”但他的系统仍然需要一组基本的日志才能工作，而查找和汇总所有流程日志仍然是一个耗时的手动过程，Masood说。“数据从不存在于单一系统中。它将来自许多来源并采取不同的形式。必须有人进行初始配置。“如果数据保存在遗留系统中，这个过程可能需要自定义编码、打开防火墙或获得监管或网络安全批准，更不用说数据工程师需要设置数据流了，这个过程可能需要几个月的时间。数据之后收集完成后，人工智能开始分析工作流程。根据参与工作流程的人数和交易频率，验证工作流程可能需要数月时间，他说。如果现在绘制了流程图，它还必须手动验证。“主题专家会查看流程图并说，'不，这是错误的步骤，这是正确的数据源，'”他说。“深度集成的挑战对于那些拥有使用RPA，核心系统之外的任务仍然会带来挑战。Web抓取和OCR文档扫描等变通办法是短期解决方案，可能会引入错误并中断流程。更好的解决方案是通过API进行更深入的机器对机器集成。技术咨询公司Insight合作伙伴联盟和运营高级副总裁MeganAmdahl说：“当你在网站上使用RPA时，自动化过程不太稳定。”她说，RPA可以监控用户。在网站上操作，但是RPA系统无法知道网站可能提供了可以直接获取数据的API。因此，Insight已返回到此类自动化流程的手动脚本编写。“如今，IT部门手动编写API数据传输请求代码，”Andal说。“因为这项工作是在IT部门内部进行的，所以可以更快地运作，也可以更快地扩大规模。如果我们通过API硬编码，它不会影响自动化过程。API标准在变，但变化的速度会慢一些。”完全自动化的其他障碍是尚未将流程数字化或拥有一些不兼容系统的业务合作伙伴。“客户希望以自己的方式做事，他们会去一家以他们想要的方式接收信息的公司，”她说。“因此，例如，他们可以从我们的网站上订购他们想要的大部分信息。”东西，但他们的内部流程要求他们创建采购订单。”她说，如果客户能够直接连接到这些系统，则确实需要手动编码才能建立连接。“然后你必须维护它，以免它坏掉，”她说。随着越来越多的公司转向使用核心业务系统的SaaS平台，并且这些SaaS提供商相互合作构建数据集成，这一切都可能很快发生变化。“拥有预制连接器绝对是一种理想的状态，”安达尔说。具体案例多于综合案例，普华永道全球人工智能负责人AnandRao表示，我们在人工智能驱动的流程挖掘方面取得了一些成果，但仅限于一些具体案例。,有限的情况。“我们已经整合了很多供应商工具来做到这一点，”他说。“因为人们从事不同类型的工作，如果我们只有一个后端机器人来监控每个人，我们什么都不知道。因此，Rao告诫不要过分相信声称可以解决所有自动化问题的营销说法。“如果一个营销人员说他可以安装一个流程挖掘软件来代替十个人的工作，那我是不会相信的。此外，德勤咨询数据云和机器学习首席专家ChidaSadayappan表示，RPA中使用的大多数AI都是针对特定的、单一的任务。“一切都是AI驱动的。“一些文件可以被阅读，数据可以被提取，个人身份信息可以被编辑。”有一些图像工作，例如识别包装上的损坏。但这不是人工智能驱动的RPA，他补充说。“人工智能只是代替人完成一些繁琐的任务。人工智能和机器学习正在被纳入流程工作流程自动化，”他说，“但目前还没有很多用例。”大型保险公司可能会将人工智能纳入流程工作流程自动化，而Sardayapan说，金融机构可能会使用AI来处理抵押贷款申请，“但除此之外，几乎没有大规模使用工作流自动化。但Ernst&Young全球AI咨询负责人DanDiasio看到了增长潜力。”AI有很多点解决方案。但现在可以从单点解决方案过渡到人工智能平台。自动化正在寻求采用人工智能驱动的任务。他说，这两件事正在融合，然后补充说安永因此“有效地将传统上专注于流程自动化的团队转变为人工智能团队”。流程的目的Gartner分析师MarcKerremans在4月份撰写了一份关于流程挖掘的报告，他表示用于流程挖掘和工作流自动化的AI仍处于早期阶段。“但人工智能会不断改进。”但至少在不久的将来，不会自动化的是态势感知。这仍然需要人工分析来确定一个进程是否应该存在，或者是否需要被其他东西取代。与此同时，供应商正在大力投资。所有主要的RPA供应商都在构建或购买流程挖掘功能并投资于AI，包括Celonis、UiPath、AutomationAnywhere、BluePrism和Livejourney等公司。在企业收购的推动下，主流供应商也处于竞争状态。IBM最近收购了流程挖掘公司myInvenio，SAP收购了流程挖掘供应商Signavio，微软收购了工作流自动化供应商Softomotie。Kermans说，最终，流程挖掘将成为企业平台中的一项普遍功能。尽管如此，克尔曼斯还是建议不要沉迷于过程挖掘。“即使你没有所有可用的信息，也要从一些你有信息的任务开始，”他说。“你仍然可以获得洞察力、意识和价值。如果你不这样做，等三年，你就会被抛在后面。”
