對于將RPA視為多管齊下自動化戰略中的一個分支的IT和業務領導者來說，這應該是一個好消息。在2022年，企業董事會、投資者、客戶和其他利益相關者可能會問：其結果如何?
更具體地說：在數字化轉型、人工智能/機器學習、云計算和其他領域進行的巨額投資的結果如何?
RPA是一種以結果為導向的技術，它以各種方式與那些大型IT支柱相交叉。RPA在出現之初被大肆宣傳，現在它正在進入一個更加成熟的階段。在這個階段，IT領導者及其團隊將重新關注實際工作并產生成果的用例。
Red Hat公司技術布道者Gordon Haff說，“自動化的吸引力之一是可以漸進式發展。在許多情況下，這是通過系統管理員、現場可靠性工程師的視角實現的自動化。人工重復多次執行的某些操作可以實現自動化，這樣可以減少工作人員的負擔。”
獲得Bash和其他自動化友好的編程語言、RPA工具和其他技術支持的這種增量方法非常棒。IT領導者可以構建一個戰略框架，支持和鼓勵自動化，同時確保團隊將時間和資源用于與更廣泛目標一致的領域。
Haff說，“自動化也可以更具戰略性。在此引用IBM公司自動化總經理??Dinesh Nirmal的話說，‘你在哪里可以讓員工專注于戰略優先事項’?”
2022年值得關注的四個RPA趨勢
以下了解一下將在2022年影響RPA戰略的4個趨勢。
(1)“機器人替代員工工作”的說法失去了動力
很多人對于自動化技術還存在一些恐懼，管理者對此不應該忽視——事實上，如果企業正在大力推進自動化，那么領導層的沉默可能會被視為替代員工工作崗位的壞消息。
隨著時間的推移，自動化將提供工作效率，但機器人替代員工工作的場景仍是遙不可及的，特別是在企業環境和其他工作場所。
Kofax公司技術戰略和經驗高級副總裁Adam Field說，“機器人流程自動化(RPA)將取代員工的看法將在2022年被證明是錯誤的。自動化的采用率如今處于歷史最高水平，但美國仍在繼續增加就業機會。”
事實上，在許多企業都在加速采用自動化戰略之際，其面臨的招聘和保留人才的挑戰似乎與自動化將大量消除工作崗位的說法背道而馳。
RPA可能會影響員工的工作職責，但不太可能完全取代人類。它基于規則的性質使其適用于重復性數據處理任務等工作，但它無法即時做出決策或處理細微差別或不斷變化的情況。甚至更多的認知形式的自動化需要大量的人工監督和干預。
世界經濟論壇發布的一份未來就業報告指出，“算法和機器將主要專注于信息、數據處理和檢索任務、管理任務以及傳統體力勞動的某些方面。人類有望保持其優勢的任務，其中包括管理、建議、決策、推理、溝通和互動。”
Field將RPA視為一種可能的保留工具：通過將一些重復性的工作轉移給機器人，企業可以減少某些工作的單調性，并提高人們的創造力。
Field說，“通過利用自動化來處理乏味而平凡的工作，而這些工作并不能激發員工的積極性，企業將開始看到員工的保留率在最近的辭職浪潮中有所提高。”
(2)智能自動化依賴于合作，而不是競爭
在RPA世界中，“智能自動化”一直是一個時斷時續的流行術語，如今再次流行。
該術語通常指采用多種技術，包括RPA、低代碼和無代碼開發工具以及人工智能/機器學習。它還暗示RPA本身并不“智能”這一現實——它無法自行學習(例如某些機器學習模型)或在沒有人工干預的情況下適應用戶界面(UI)更改等事情。智能自動化通常是一個理想的愿景，即更基本的流程自動化形式如何補充更先進的認知技術，反之亦然。
RPA市場競爭激烈，而不是以社區為導向，更廣泛的自動化和人工智能行業也是如此。Fortress IQ公司流程和自動化卓越首席顧問Jon Knisley表示，真正的智能自動化從定義上講需要一種協作方法。Knisley認為，人們在2022年越來越關注合作智能生態系統的需求。
Knisley說，“沒有人可以獨自做到這一點。正確完成智能自動化需要太多的移動部件，任何一家供應商都無法提供這樣的解決方案。”
供應商可能會提供包含RPA工具和人工智能或機器學習解決方案的“智能自動化”。但這可能只是觸及協作生態系統中的問題的表面。
Knisley說，“流程技術(例如流程挖掘或任務挖掘)、工作流工具、商業智能、低代碼平臺和其他服務對于全面的智能自動化能力至關重要。除了明顯的聯系之外，還要圍繞合規性和客戶服務尋找更多基于結果的合作伙伴關系。”
如果沒有其他原因，除非市場需要，該生態系統將會增長：如果沒有全面的工具組合，自動化的許多空頭承諾是不可行的。
Knisley說，“企業越來越希望通過強大的工具集提高運營效率和節約成本。每種產品都可以創造價值，當這些解決方案一起使用時，可以實現更多的總價值。”
(3)突出的人工智能用例與RPA策略的相互補充
Thoughtworks公司全球技術負責人Mike Mason表示，無論是否屬于智能自動化，2022年RPA和人工智能/機器學習之間都將出現更多的交叉點。
Mason認為當今的企業人工智能/機器學習用例屬于以下兩類之一：大規模優化數據驅動的決策(例如定價或產品推薦)，以及幫助人類做出選擇，作為復雜計劃的一部分，例如就像協助執行團隊制定碳中和計劃一樣。Mason認為，這些模式自然會指導有關如何將RPA和人工智能/機器學習結合在一起的戰略選擇。
Mason說，“我們希望看到這兩種不同的風格反映在人工智能增強RPA的方式中。如果自動化用于批量數據處理，則可以內置優化算法。如果自動化用于客戶服務，人工智能可以提供一組可能的解決方案，客戶服務代表(CSR)可以從中選擇，然后代表他們執行這些解決方案。”
Mason表示，這也將提供一種不太理想的模式：人工智能輔助的RPA將會面臨與人工智能類型相同的炒作。
他說，“使用機器學習，假設過去的數據將為未來的決策提供信息，但情況并非總是如此。用例是否需要像機器學習這樣復雜的東西?也許不會——有時采用更簡單、更傳統的統計技術就足夠了。”
這里要注意一個陷阱：假設支持人工智能/機器學習的RPA總是更好。事實并非如此。當心那些將任何類型的自動化(尤其是人工智能自動化)描繪成為能夠解決中斷流程和問題的靈丹妙藥。
Mason說，“企業需要持懷疑態度，并意識到在RPA的背景下人工智能的謬誤。”
(4)RPA對人員流程工具進行改造
很多的自動化計劃只關注技術，當他們涉及到人員時，往往只關注負面的工作影響。
Knisley強調了這一點在復雜變革背景下的重要性：很多企業正在實施數字化轉型計劃，但其結果往往好壞參半。
這通常是因為缺乏可見性和對人員和流程的關注：很多企業繼續實施自動化和轉變他們并不真正了解的流程。
Knisley說，“任何復雜變化的最大挑戰是缺乏對當前狀態活動的了解。不幸的是，大多數企業并不了解他們在日常工作中的真正運作方式。如果不能清楚地了解當前的運營情況，就無法有效地實現目標。”
這是圍繞RPA和智能自動化建立繁榮生態系統的另一個原因：它可能有助于通過流程挖掘等技術填補“流程智能”的空白。流程智能通常被定義為自動、始終在線地收集有關企業流程和工作流的信息。
Knisley說，“流程智能能為企業提供‘我們今天在做什么’的運營洞察力，然后改進和推動企業的價值。”
歸根結底，自動化和轉型失敗通常是由于低估人員和忽略流程的結果。沒有任何一個萬能的技術可以解決這些問題。更多的企業將在2022年接受這一點，并評估為什么他們沒有實現數字化轉型目標的原因。
Knisley說：“企業對于數字化轉型的關注可能過多集中在技術上，而沒有考慮人員和流程方面的問題。通過平衡人員，流程，技術的方法，可以顯著提高數字化轉型的成功率。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號