擴展自動化流程，應對新常態

許多公司正在探索高級自動化，計劃將其作為應對新常態的重要技術手段。突發公共衛生事件改變了商業動態以及我們的工作方式。以 YouTube 為例，該網站每天為 20 億登錄用戶提供超過 10 億小時的視頻服務。在最近的一篇博客文章中，Youtube 指出，由于世界各地的辦公人員數量減少，更多的視頻內容審核工作將由自動化軟件進行。“我們已經開始更多地借助技術手段來完成通常由[內容]審核人員執行的一些工作”，Youtube 表示。 

利用人工智能加速自動化進程

我們的新常態是從客戶要求的被動流程向自動化的流程推進，消除重復、單調的任務，并增強員工能力，更迅速地達到超凡的效果。為了滿足這一需求，我們正在利用人工智能 (AI) 技術加速自動化進程，使企業能夠將自動化應用到更廣泛的任務，如以下例子所示：

• 任務消除的對象是業務和 IT 領域的簡單重復性任務。為這些任務應用自動化，員工就有時間從事需要更多思考的工作。例如，由于辦公場所關閉導致許多員工離職，PayPal 開始使用聊天機器人。近幾周來，更多的客戶使用聊天機器人進行基于消息的查詢，這一比例高達創紀錄的 65%。“我們能夠通過人工智能部署資源，這使我們的人員安排更加靈活，并優先考慮員工的安全和健康”，PayPal 在一份聲明中這樣表示。   
• 任務增強能夠支持、加快和提高員工效率。例如，由于疫情期間在線服務的使用增加，人工智能助力的客戶服務代理使得每位代理能夠幫助多位客戶，減少服務排隊時間，并提高客戶擁護度。人工智能可以用于評估用戶潛在意圖，捕獲信息，并分析客戶需要企業解決的問題本質。之后，自動化工作流程可以檢驗可行的解決方案，且無需人工操作。換而言之，最強有力的任務增強形式就是人與人工智能系統攜手合作，共同實現預期結果。

為了實現這些結果，我們正在積極推動自動化技術向由人工智能助力的自動化發展，我們稱之為自動化 2.0。人工智能助力的自動化被定義為一個連續的閉環自動化流程，在此流程中將會發現和分析數據模式，這樣，根據數據洞察做出的決策就可以轉化為自動化行動，同時利用人工智能在這一流程的每個階段提供主動優化。人工智能助力的自動化利用切實可行的情報，以更快的速度、更低的成本和更好的用戶體驗交付 IT 和業務操作。下一部分將探究這四個階段，并說明人工智能在每一階段如何帶來轉變。

發現

更好地理解非結構化數據和流程并進行分類，從而減輕手動分析和編排操作的負擔。

如果沒有人工智能，與自動化有關的數據發現通常僅限于結構化流程和結構化數據。非結構化數據本身就很雜亂，通常會降低自動化流程的速度。利用機器學習 (ML) 技術生成模型，以此分割、梳理并檢測雜亂數據中的模式。 例如，使用經過適當訓練的分類器模型，可以將文檔分類為發票或保險索賠。同樣，可以將來自 IT 系統的警報進行分類，并與特定的故障單號匹配。有了人工智能，發現過程不再因缺乏結構而受阻，而是利用人工智能技術，智能地向決策發展。

決策

將 IT 自動化的精確度與業務自動化中完備的方法論相結合，從而更快、更準確地實現 IT 和業務自動化。

人工智能助力的自動化旨在全面提供業務和 IT 自動化相融合的系統，并使其可以適應多種勞動力類型，包括業務人員、解決方案架構師、軟件工程師、IT 運營、SRE、安全人員和合規性工程師。通過發現業務和 IT 領域中的數據模式，決策將能夠比與企業中特定部分的孤立系統更具影響力。例如，將軟件開發和 IT 運營中的活動相關聯。在這種情況下，可以根據正在運行的 IT 系統中所發生的事件，在開發期間對源代碼和配置進行更改，從而預測與該代碼或配置未來更改相關的風險。通過將人工智能應用于自動化，我們極大地提高了企業在發現新模式做出反應的速度。

行動

更自然、更協作性地利用軟件機器人，提高互動的自助服務水平和效率。

自動化流程在如何執行自動化操作方面具有顯著的差異化優勢。自動化操作的黃金標準是機器人流程自動化 (RPA) 技術。 借助人工智能的力量，我們正在不斷發展 RPA 技術，使其從簡單的機器人腳本轉變為工作場所中的數字孿生技術。數字孿生是一個流程、產品或服務的虛擬模型。這種虛擬世界和現實世界的匹配能夠模擬操作，在問題發生之前將其解決，防止宕機，并能開發新的機會。除此之外，自動化 2.0 使用先進的自然語言處理技術，能夠加深人工智能和員工之間的協作能力，打造一支混合型員工隊伍。

優化

提前預測潛在事件，以便系統可以前瞻性地解決問題，防止影響正常運營。

在發現、決策和行動階段，將不斷應用優化，同時利用新的洞察，通過閉環反饋自動增強業務和 IT 運營。在自動化 2.0 中，優化不再被動進行，而是具有預測性和主動性。借助跨業務和 IT 的端到端數據視圖，人工智能助力的自動化可以預測業務波動，幫助企業避免過度響應。例如，通過將企業 IT 歷史變更和事件記錄中的結構化和非結構化屬性結合起來，分析變更與事件之間的關聯，創建經驗證據，以此作為變更風險模型的新輸入。隨著 IT 系統推出新的變更，可以基于預測發出實時的主動警報，根據過去的證據說明這些變更為何具有高風險。Gartner AIOps 平臺市場指南將這種主動式的風險管理稱為最復雜的自動化階段。

自動化的速度

發現、決策、行動和優化的自動化流程可能會讓人認為自動化是一個連續且耗時的過程。盡管完善自動化流程難以避免需要數周甚至數月的時間，但也有捷徑可走。例如，RPA 和低代碼開發的運用都是為了加快“小規模”活動或流程的自動化速度，這樣客戶就能立即獲得投資回報，而不必等到整個端到端流程實現自動化。快速的周轉時間還使業務和 IT 部門能夠通過快速迭代和實時響應外部力量而快速失敗。

人人可用的自動化

人工智能助力的自動化不需要每個人都是數據科學家。相反，人工智能的運用使普通業務用戶群體也能用到自動化技術，而不再僅限于 IT 開發人員、高技能知識工作者，還有數據科學家。整個企業的用戶都能從預訓練的模型中受益，這些模型是由專家提前準備，可以直接使用，無需掌握深厚的人工智能技能。使用自然語言和聊天機器人交付人工智能助力的自動化，可以創造一種環境，使得自動化系統能夠滿足用戶在工作地點和工作方式上的需求。這也提供了一種更加自然的互動方式，使企業中更多的員工能夠在促進自動化的同時從中受益。    

IBM 與人工智能助力的自動化的未來

IBM 人工智能助力的自動化方法采用業務和 IT 自動化系統相融合的形式，能夠通過發現、決策和行動來不斷優化，使整個企業的流程實現自動化。憑借這種端到端的自動化視角，我們正朝著組建一支混合型員工隊伍邁出大膽一步，員工通過與數字化孿生技術相協作，可以提高整個業務的效率，幫助企業節約時間和資金專注于新的業務機會。 

了解更多IBM相關請訪問：http://cloud.51cto.com/act/ibm2021q3/cloud#p2