使用RPA、AI和ML自动化和教育业务流程

后台-系统设置-扩展变量-手机广告位-内容正文顶部
 
   

导语

这些技术如何联系在一起,实施方面有哪些挑战,公司如何使用它们?

 

正文
 

注入了机器人流程自动化,人工智能和机器学习,以自动化业务流程并加快决策时间。这些技术中的每一个的“最佳位置”是什么,公司如何使用它们?这些技术的通用触点是自动化。

 

使用RPA时,您将自动执行重复性任务,因此员工不必执行这些任务。一个示例是定义并实现一个机器人流程自动化过程,该过程可以自动筛选来自一个系统的发票信息并将其输入到另一个系统,而办公室工作人员不必手动将信息从一个系统输入另一个系统。 

 

使用AI时,您将在决策中添加自动化。无需手动执行供应链风险评估,而是将各种相关数据点输入AI数据存储库,然后呈现希望系统分析并返回答案的多种假设风险场景。对于每种风险情况,AI系统会返回几种不同的潜在结果,然后您做出最终决定。

 

当您通过机器学习进一步增强AI时,您将激活AI系统自行检测和分析数据模式并从这些模式中“学习”的能力。这样做的好处是系统可以处理数据并自动识别人类无法识别的模式的速度。机器学习发现的内容可能会降低您对正在研究的情况下的重要模式或趋势发展的洞察力,因此您可以更快地对情况做出响应。

 

总而言之,RPA使日常的重复性办公任务自动化。人工智能为决策增加了自动化;ML是AI的持续教育过程,因此AI可以从AI负责评估的数据点中的模式和趋势中“学习”。RPA,AI和ML共同发挥重要作用,并且必须智能地编排为业务流程自动化和培训发生的工具。

 

1.克服实施挑战

 

在使用认知自动化工具时,许多组织面临的主要障碍是了解何时使用哪种工具。

 

在采用RPA,AI和ML时,企业面临以下四个常见挑战:

 

(1)不切实际的期望

 

2017年末,德勤对RPA的一项调查显示,有53%的企业受访者已经开始实施或至少使用RPA进行水域测试。德勤(Deloitte)预测到2020年,这一数字将增长到组织的72%。

 

据德勤称,这些组织中的大多数都在寻求对工作流程进行持续流程改进,而自动化是其次要目标。然而,当德勤向这些组织询问他们如何充分利用RPA并将其扩展到公司的其他领域时,只有3%的受访者表示他们成功做到了这一点。

 

德勤报告指出:“许多组织开始将RPA视为一项实验,但现在已陷入困境,并遭受IT问题,流程复杂性,不切实际的期望和“试行”方法的困扰,”德勤表示。“要最大程度地发挥RPA的影响,就需要从实验到转型不断地转变思维方式和方法。…鉴于自动化市场的相对不成熟,特别是大型组织需要时间来大规模学习和采用RPA。。”

 

对于AI和ML来说,故事并没有太大改变。许多公司仍在研究采用早期阶段的概念验证。他们还没有处于可以广泛利用这些技术以在整个公司中获得最大业务收益的阶段。

 

缓慢扩展的一个因素是员工对这些技术的知识和经验有限,以及如何将这些技术最佳地应用于业务流程和决策。

 

(2)行政管理教育

 

C级对RPA,AI和ML的支持一直很强大,但是要确保长期的C级支持和预算投资,IT和数据科学部门必须做两件事: 

 

他们必须成功地实现这些技术的实现,并带来切实的业务收益。

他们必须对RPA,AI和ML工具之间的差异以及所有这些工具如何在业务流程或运营中融合在一起的方法进行非技术C级管理教育。

如果首席执行官和其他人要在董事会前解释并提出有关这些技术的问题以及为什么要投资于这些技术,则高层管理人员的培训至关重要。

 

(3)供应商合作

 

我曾经指导过一个IT系统集成项目,在这个项目中,我的团队不得不与几个不同的供应商合作以实现集成。每个供应商都带有自己的API,并坚持要求其他供应商使用该API。我们花了几周时间与这些不同的供应商进行谈判,直到我们都同意集成方法。这花费了宝贵的时间来进行技术项目工作。这样的集成复杂性同样适用于RPA,AI和ML。

 

易于集成很重要,因为IT或用户从RPA,AI和ML供应商那里购买的每种工具都不太可能来自同一供应商。当您要为业务集成和扩展解决方案时,将需要供应商合作。

 

对于您审核的任何RPA,AI或ML供应商,与您自己的公司以及与其他供应商合作的能力和意愿应该是您首先要提出的问题之一。

 

(4)用户参与度

 

RPA是手动业务流程的自动化,因此用户不再需要这样做。是最能确定他们希望消除的重复流程的用户,以及知道如何定义RPA为成功执行流程必须执行的业务规则的用户。

 

相同的原则适用于确定AI支持业务所需的决策支持类型。企业要解决什么问题?如果没有持续的用户参与,则IT /数据科学可能会偏离用户的需求。这可能会使项目失望,甚至失败。

 

2.确保RPA,AI和ML的成功实施

 

RPA,AI和ML的成功实施首先要了解这些自动化工具之间的差异以及它们的使用方式-并掌握将其应用于组织需要解决的业务案例的方式。

 

有一些组织正在这样做并取得有意义的结果。 

 

中国电子零售商ALIBABA GROUP使用AI来帮助绘制最有效的商品交付路线,而美国电子零售商Amazon使用AI来预测产品需求并为客户量身定制产品推荐。

Medecision 开发了一种AI算法,该算法能够识别八个变量以预测糖尿病患者可避免的住院治疗。

 

英国使用RPA来自动签发公民提醒函。

 

“我们相信每个大公司都应该探索认知技术,”《哈佛商业评论》中的托马斯·H·达文波特和拉杰夫·罗南基说。“道路上将有一些坎bump,在劳动力流离失所和智能机器的道德问题上,我们没有自满的余地。但是,通过正确的计划和发展,认知技术可以迎来生产力,工作满意度和繁荣的黄金时代。”

 

达文波特和罗南基是对的。潜力无处不在,对于那些善于瞄准将从认知自动化中受益的业务和决策流程的公司而言,该技术也将“取胜”。

 

特别声明:

文章来源:开源村OSV

原文链接:https://mp.weixin.qq.com/s/gJEB4N1EIAyS5d-r-NZCyw

RPA中国推荐阅读,转载此文是出于传递更多信息之目的。如有来源标注错误或侵权,请联系更正或删除,谢谢。

未经允许不得转载:RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > 使用RPA、AI和ML自动化和教育业务流程

后台-系统设置-扩展变量-手机广告位-内容正文底部