扩展自动化流程以应对新常态许多企业正在探索先进的自动化，并计划将其作为应对新常态的重要技术手段。突发公共卫生事件改变了商业动态和我们的工作方式。以YouTube为例，它每天为20亿登录用户提供超过10亿小时的视频。在最近的一篇博文中，Youtube指出，随着全球办公室工作人员的减少，更多的视频内容审核将由自动化软件完成。“我们已经开始更多地使用技术来完成一些通常由[内容]版主完成的工作，”YouTube说。通过人工智能加速自动化我们的新常态是从反应性的客户要求的流程转变为自动化流程，消除重复、单调的任务，并使员工能够更快地取得非凡的成果。为了满足这一需求，我们正在利用人工智能(AI)技术来加速自动化，使企业能够将自动化应用于更广泛的任务，如以下示例所示：任务消除了跨业务和IT任务的简单、重复性任务。将自动化应用于这些任务可以让员工腾出时间来从事需要更多思考的工作。例如，PayPal开始使用聊天机器人，因为许多员工因办公室关闭而离职。最近几周，使用聊天机器人进行基于消息的查询的客户数量增加了65%，创下历史新高。PayPal在一份声明中表示：“我们通过人工智能部署资源的能力使我们能够更加灵活地配置人员，并将员工的安全和健康放在首位。”任务增强支持、加速和提高员工效率。例如，由于大流行期间在线服务的使用增加，人工智能支持的客户服务代理使每个代理能够帮助多个客户，减少服务排队时间并提高客户支持度。人工智能可以用来评估用户的潜在意图，捕捉信息，分析客户需要企业解决的问题的本质。然后，自动化工作流程可以在无需人工干预的情况下检查可行的解决方案。换句话说，最强大的任务增强形式是当人类和人工智能系统携手合作以实现预期结果时。为取得这些成果，我们正在积极推进自动化技术向人工智能驱动的自动化方向发展，我们称之为自动化2.0。AI驱动的自动化被定义为一个连续的闭环自动化过程，在该过程中发现和分析数据中的模式，以便将基于数据洞察力的决策转化为自动化行动，同时利用AI在此过程的每个阶段提供主动优化.AI驱动的自动化利用可操作的情报以更快的速度、更低的成本和更好的用户体验交付IT和业务运营。下一节将探讨这四个阶段，并解释人工智能如何转变每个阶段。发现对非结构化数据和流程的更好理解和分类，减少手动分析和编排操作的负担。如果没有人工智能，与自动化相关的数据发现通常仅限于结构化流程和结构化数据。非结构化数据本质上是杂乱无章的，通常会减慢自动化流程的速度。使用机器学习(ML)技术生成模型来分割、梳理和检测杂乱数据中的模式。例如，使用经过适当训练的分类器模型，可以将文档分类为发票或保险索赔。同样，来自IT系统的警报可以分类并匹配到特定的故障单编号。有了AI，发现过程不再因缺乏结构而受阻，而是利用AI技术智能地朝着决策制定方向发展。Decision将IT自动化的精确性与业务自动化的合理方法相结合，以更快、更准确地实现IT和业务自动化。AI驱动的自动化旨在全面交付融合业务和IT自动化的系统，并使其适应多种劳动力类型，包括业务人员、解决方案架构师、软件工程师、IT运营、SRE、安全和合规性工程师。通过发现跨业务和IT领域的数据模式，决策可能比绑定到企业特定部分的孤立系统更有影响力。例如，关联软件开发和IT运营中的活动。在这种情况下，根据正在运行的IT系统中发生的事件，可以在开发期间对源代码和配置进行更改，以预测与该代码或配置的未来更改相关的风险。通过将人工智能应用于自动化，我们可以显着提高企业对新模式做出反应的速度。行动更自然、更协作地利用软件机器人，提高自助服务水平和交互效率。自动化流程在执行自动化操作的方式上具有显着差异。自动化操作的黄金标准是机器人流程自动化(RPA)技术。利用人工智能的力量，我们正在将RPA技术从简单的机器人脚本发展为工作场所的数字双胞胎。数字孪生是流程、产品或服务的虚拟模型。这种虚拟和现实世界的匹配模拟操作，在问题发生之前解决问题，防止停机，并开发新的机会。此外，自动化2.0利用先进的自然语言处理技术，深化人工智能与员工的协作，打造混合型员工队伍。优化提前预测潜在事件，以便系统可以在影响正常操作之前主动解决问题。在发现、决定和行动阶段，不断应用优化，同时利用新见解通过闭环反馈自动增强业务和IT运营。在自动化2.0中，优化不再是被动的，而是预测性和主动性的。通过跨业务和IT的端到端数据视图，人工智能驱动的自动化可以预测业务波动并帮助企业避免反应过度。例如，通过结合企业IT历史变更和事件记录中的结构化和非结构化属性，分析变更与事件之间的相关性，创建经验证据作为变更风险模型的新输入。随着IT系统推出新的更改，实时主动警报可以基于基于过去证据的关于这些更改为何具有高风险的预测。Gartner的AIOps平台市场指南将这种主动风险管理称为自动化最复杂的阶段。自动化的速度发现、决策制定、行动和优化的自动化过程可能导致人们认为自动化是一个持续且耗时的过程。虽然完善自动化流程不可避免地需要数周甚至数月的时间，但还是有捷径可走。例如，RPA和低代码开发都用于加速“小规模”活动或流程的自动化，以便客户可以立即看到投资回报，而不必等到整个端到端流程自动化。快速周转时间还使业务和IT能够通过快速迭代和实时响应外部力量来快速失败。每个人的自动化AI驱动的自动化并不要求每个人都是数据科学家。相反，人工智能的使用使一般业务用户群体都可以使用自动化，而不仅仅是IT开发人员、高技能知识工作者和数据科学家。整个企业的用户都受益于专家预先准备好的预训练模型，无需深厚的AI技能即可使用。使用自然语言和聊天机器人来提供人工智能驱动的自动化可以创造一个环境，在这个环境中，自动化系统可以满足用户的工作地点和工作方式的需求。这也提供了一种更自然的交互方式，使企业中的更多员工能够随着自动化的进步而受益。IBM和AI驱动的自动化的未来IBM的AI驱动自动化方法采用融合业务和IT自动化系统的形式，能够通过发现、决策和行动持续优化，使整个企业的流程自动化。凭借这种端到端的自动化视角，我们正在朝着构建混合型员工队伍迈出大胆的一步，在这种员工队伍中，员工可以与数字双胞胎合作，提高整个企业的效率，节省时间和金钱，专注于新的商机。有关IBM的更多信息，请访问：http://cloud.51cto.com/act/ibm2021q3/cloud#p2
