在當前充滿挑戰的氣候中，很多企業的董事會迫切希望對工作進行數字化轉型，以使其執行速度更快、更智能、更高效，并且采用比以前更少的資源。實現這些目標的一種越來越合乎邏輯的途徑是采用運行數字勞動力的智能自動化。一種人工智能驅動的、不斷發展的超級資源，可用于企業并已獲得IT部門的認可。這是一支數字化員工隊伍，隨時準備接受商務人士的培訓，以交付更加復雜的工作，不僅可以在任何行業部門的辦公室，而且可以在整個企業中完成。

[[346662]]

它具有完全的完整性，運行速度比人類快150倍、零錯誤、全天候運行。通過向人類學習并像他們一樣運作，這個數字化的勞動力正越來越接近人類。這是一個很容易被人訓練并投入工作的勞動力，然后重新接受新工作的培訓，同時讓人們自由地與他們一起工作，或者做更多更適合他們天生技能的工作。

數字工作者是承擔大量工作量的最終團隊參與者、共享者和管理者，與其他機器人不同，他們通過交織人工智能功能來主動工作，從而在不斷變化的數字環境中毫不費力地進行互操作。他們可以閱讀不同的屏幕、布局或字體、應用程序版本、系統設置、權限和語言。他們在所有IT系統中從任何來源提取和分類半結構化和非結構化數據，同時提供質量檢查，檢測錯誤并將異常傳遞給人們以供輸入。

數字工作者還可以唯一地訪問和讀取任何當前甚至未來技術的用戶界面，而無需編程。正是這種通用的互操作性功能使任何新技術都可以輕松地用于業務消耗，安全測試并迅速拖放到企業流程中。

人們正在談論使用數字工作者輕松利用人工智能(AI)、深度分析和越來越多的認知平臺;自然語言處理(NLP)、語音識別、情感和風險分析、機器學習(ML)和推理等等。數字工作者可以增強這些功能，以執行越來越復雜的端到端活動，以企業所需的速度推動整個企業的數字化轉型。

數字化工作

使用工智能和認知技術的數字工作者的影響越來越引人注目。以下是他們正在完成的工作的兩個示例。

(1)銀行業務–一家大型的多行銀行在處理大量付款、轉賬和貸款時遭受了昂貴且易于出錯的人工工作，因此自動化這項工作也是如此。數字工作者充當多種技術和事務引擎的集成粘合劑，以捕捉或創建來自客戶端的傳入指令的圖像，并將其路由到計算機視覺工具。機器學習能力的進一步整合使銀行能夠根據機器檢查發現的模式解釋數據并生成結構化的工作處理表格。

開發表格所需的時間從估計的400個工作日縮短到不到120個工作日。而且，由于生成的數據現在已經數字化，數字工作者可以根據業務規則處理這些數據，并通過API或系統用戶界面將其自動輸入到適當的系統中。該銀行每年節省了數百萬美元的人員管理費用，同時消除了按鍵錯誤，并提高了處理速度。現在，它已經贏得了贏得新客戶的競爭優勢，從而實現了顯著的業務增長。實際上，自從部署該解決方案以來，該銀行的貸款業務已經翻了一番，并且通過擴大數字員工的數量滿足了日益增長的需求。

(2)醫療保健–一家主要的區域公共醫療保健提供商正在使用數字化工作者，并按照指定的臨床治療路徑自動化患者護理，只有不到1%的例外情況需要人工干預。最初的人工過程涉及為每個患者收集和打印多達15條數據，包括掃描、臨床測試、訪問歷史記錄等，然后將它們掃描到一個PDF文件中。

數字工作人員現在可以閱讀內容，提取推薦原因，然后使用安全的智能卡技術檢索、合并和上傳所有必需的數據，并警告顧問該文件已準備好進行審閱。數字工作者每周24小時不間斷地主動監控案件量，包括平均每周2000次轉診，將處理時間從25分鐘縮短到5分鐘。

基于這一成功，提供商還使用數字工作者和認知電子表格技術自動對患者進行了自我推薦，以接收和驗證數據，對患者進行注冊，分配約會并向患者確認詳細信息。診所給患者的信將自動翻譯成他們的主要語言，并發布在提供者的患者門戶網站上。

該提供商現在正在為眼科和內窺鏡患者的臨床編程建立新的自動化系統，該自動化系統使用數字化工作者和認知工具來分析非結構化數據，識別共同主題，對數據進行分類，并為治療記錄推薦可能的編碼輸出。

結語

最終，數字工作者提供的工作可能性幾乎是無限的。例如一家大型保險公司將機器學習和視覺處理與數字工作者一起使用，將評估事故索賠的時間從56分鐘減少到5秒。僅早期的試點每年就節省了500萬美元，騰出3.9萬小時的工作時間。只要停下來想想工作速度的轉變和由此帶來的時間節省。再也沒有比那些智能型組織更能適應未來發展的需要了。