AI驅動的企業超自動化看起來就像自動駕駛汽車的現狀，我們有特斯拉可以按需送人們去地方，Waymo在舊金山和鳳凰城的街道上漫游，根本沒有司機！這是一個很好的開始，但在考慮我們自己進入一個完全自動駕駛的世界之前，還需要做更多的工作。
挑戰包括不完整的數據地圖版本、不同和不斷變化的路況、駕駛文化、障礙物和許多其他變量，該系統也不能在所有道路、城市和地點運行，也不能在較大、擁堵的城市運行，而且，在所有情況下，它仍然需要人類的監督。
企業自動化也是如此，有些自動化是存在的，但要在企業中擁有有效的超自動化，有很多事情必須首先發生。具體地說：“學習階段”，以確保自動化能夠適應企業的挑戰，這包括每種類型的系統中的數千個流程，每個流程都有細微差別的策略，不同的團隊嵌入了任務如何完成的知識。
通過使用AI仔細地學習業務流程并應用正確的學習嚴謹性，使用超自動化來加速復雜的企業流程是可能的。
客戶支持
客戶支持是人員密集型企業流程的一個很好的例子，可以從AI驅動的超自動化中受益。德勤報告稱，80%的聯絡中心正在積極參與AI部署的某個階段。
18個月前，隨著GenAI的出現，客戶支持/服務世界發生了變化。聊天機器人現在在解決問題方面從根本上更有效，運行和實施成本也比以往任何時候都要低。因此，所有現有的客戶服務平臺提供商 - Salesforce、Zendesk、ServiceNow等 - 都在其核心平臺功能中添加GenAI，他們的機器人將以指數級的方式變得更加有用和強大，因為它們基于那些系統中的數據，并可以從中學習。
然而，所有不能偏離的事情又如何呢？那些仍然需要經紀人的人！對于不折不扣的客戶支持，超自動化的機會更大。根據定義，每一筆客戶交易都是一次性的，風險很高——因為它還不夠簡單，無法實現自動化！
例如，處理產品發貨問題的客戶支持工程師需要瀏覽各種系統 - 內部和外部“堆棧”和工具(例如，ServiceNow、Salesforce、SAP、Oracle ERP、發貨工具和自主開發的應用程序) - 并根據大量環境做出決策。自動履行流程在美國和德國可能是相同的，但有一個(關鍵)例外：選擇不同的本地履行合作伙伴。
類似的需要認知能力的大容量、高風險職能包括索賠處理、醫療收入運營、供應商入職和更多后臺職能。
讓流程實現自動化：打造一臺學習機器
通過使用AI大規模地觀察和學習代理的實際工作流，可以高效地創建和訓練特定于代理環境的模型，使他們能夠預測和做出相應的響應。
通過將AI模型錨定在人類解決的問題中，該模型將不斷從現實生活工作流程中學習，而不是源于統計建議而不是邏輯的生成性、變形模型，這將幫助你達到最佳狀態。
簡而言之，這種新的“學習機”有三個必備條件：
1.深入工作
你可以越深入地執行工作流分析，就越能更好地定義單個工作流，并非所有工作流都是平等創建的，即使它們運行的是相同的進程。高價值的節省步驟和時間的機會可能隱藏在單個工作流程中，也可能隱藏在模糊的步驟組合中。
2.傾聽你的數據
通過深入查看各個工作流級別的流程，你可以識別執行中的細微差異，從而幫助你確定建模的最佳運行狀態，基于實際數據和邏輯進行優化——不要做任何假設。
3.認真訓練，傾聽你的榜樣
如果你在不同的場景中用許多不同的用戶來訓練模型，那么模型將是最強大的。與RPA不同的是，沒有萬能的方法。就像你會有許多不同的汽車在道路上行駛并在上面創建我們的自動駕駛汽車時繪制出它一樣，你需要許多不同的代理培訓模型以確保事情是正確和準確的。
例如，假設兩個代理在執行操作中工作。在獲得解決方案方面，一個代理執行該過程的速度明顯快于大多數其他代理，另一個代理的工作速度要慢得多，在更長的工作流程中使用更多的步驟和系統。
人們很容易認為FAST代理自動“正確”，并宣布他的工作流對你的AI模型是最優的，然而，在更深層次的分析中，FAST代理揭示了許多在后端重新打開的案例(因為他在解決這些問題的方式上存在錯誤)，相反，“較慢”的第二種代理有穩定的100%的分辨率。
或者，你可能有兩個“完全相同”的代理并肩工作來完成任務，然而，其中一個人可能比她的第二層伙伴有權訪問額外的系統(因為她是第一層)，他們的工作流程可能有重疊，但了解其中的細微差別對于適當地實現流程自動化至關重要。自動化層是否需要額外訪問此系統？為什么只有第2層才有訪問權限，應該重新考慮流方面嗎？
偏轉和超越
毫無疑問，AI將使更多的商業功能從人類轉向機器人和其他更智能的自主技術，因此，預計GenAI及其繼任者會出現更多偏離。
AI的下一個重大勝利將是為冗長的交易制造自動化流程，這些交易涉及多個系統和許多實時代理的物理步驟，這些流程必須跟上日益高度自動化的業務，以滿足客戶、財務、監管和董事會的期望。基于工作流分析和其他視角的AI驅動的學習“機器”可以幫助盡快縮小企業應用程序的差距。
企業網D1net(hfnxjk.com)：
國內主流的to B IT門戶，同時在運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。同時運營19個IT行業公眾號(微信搜索D1net即可關注)。
版權聲明：本文為企業網D1Net編譯，轉載需在文章開頭注明出處為：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