www-888569.com
当前位置: 主页 > www-888569.com >
神算网实在智能丨机器人过程自动化:通往人工
更新时间:2021-08-01

  机器人流程自动化 (RPA)——通常用于自动化结构化的后台数字流程任务——被证明是许多组织数字化转型战略的开场白。它似乎也是人工智能 (AI) 的先驱。在最近的一个研究项目,对在制造工艺和性能管理重点, APQC,商业研究机构发现,爱国军的数字战略,69%的核心。在另一项关于过程自动化投资的调查中,预期的 RPA 项目紧随分析和数据管理之后,其可能性几乎是近期对人工智能或智能自动化投资的两倍。(见图 1)只有 12% 的 APQC 受访者没有计划在 2018 年投资任何这些技术。

  APQC 还发现,从 2017 年到 2018 年,每个组织的 RPA 项目数量翻了一番。每个组织的平均项目数量从 2017 年的 8.6 个上升到 2018 年的 14.9 个。(见图 2)。

  在一个单独的项目中,其中一位作者 (Davenport) 与德勤的一个团队进行了一项研究(如本文所述),发现 152 个早期认知技术项目中有 71 个是 RPA。

  领导该项目的 APQC 的 Holly Lyke-Ho-Gland 表示,“组织在过去两年中通过概念验证或试点计划来提高智能并测试 RPA。现在他们正在扩大规模。”

  是什么推动了 RPA 的早期和快速采用?有三个主要因素:易于实施、成功试点的证明以及成功试点所需的合作伙伴关系。

  RPA 是一种相对简单的入门级策略,可实现后台流程的数字自动化。一位顾问将用于结构化数字流程的 RPA 工具描述为其他认知技术的“门户药物”。RPA 易于配置和实施,小型实施甚至可能不需要专家顾问或供应商的太多帮助。RPA 特别适合跨多个后端系统工作,并且不需要重新构建这些系统。它通常会带来快速和高额的投资回报。

  快速采用 RPA 的第二个催化剂是早期试点和概念验证的成功。APQC 的最新报告《使成功自动化:机器人流程自动化的最佳实践》 发现,超过 75% 的受访者表示他们早期的 RPA 项目已经达到或超出了预期(见图 2--注:只有 41% 的受访者足以评估他们对 RPA 项目的满意度;图 2 仅包含他们的数据。)

  例如,CUNA Mutual 的试点计划侧重于为其理赔员实现交易活动的自动化。试点不仅实现了在不增加员工人数的情况下提高能力的战略目标,还让理赔员有时间在评估理赔付款和拒绝时更具战略性,并让财务团队有机会在执行流程时更具战略性。这种满意度对于许多 IT 应用程序来说是罕见的。自动化和机器人技术可能更容易满足预期,因为它们通常有明确的自动化流程和可衡量的业务案例。

  图 2 - 来源:使成功自动化:机器人流程自动化的最佳实践,APQC 2018

  在 NASA,成本压力促使该机构在应付账款和应收账款、IT 支出和人力资源方面启动了四个 RPA 试点——所有这些都由一个共享服务中心管理。共享服务中心通常负责在许多公司中实施 RPA。在航天局,所有四个项目都运行良好,并正在整个组织中推广。例如,在人力资源应用中,86% 的交易是在没有人工干预的情况下完成的。NASA 现在正在实施更多 RPA 机器人,其中一些机器人具有更高的智能水平。

  APQC 在多项研究中发现,RPA 或机器学习项目获得资助和成功的主要预测因素之一是跨职能的内部联盟的形成,以创建和学习试点。

  图 3 - 来源:使成功自动化:机器人流程自动化的最佳实践,APQC 2018

  有两个因素与满意度有统计学上的显着关系。第一个是具有良好的选择标准,第二个是在 RPA 项目规划和执行中包含关键功能。包括信息管理代表在内,目标职能尤其是 HR(见图 3)与项目满意度呈正相关。Lyke-Ho-Gland 表示,“人力资源通常包含在组织的 RPA 指导委员会中,不仅是为了消除恐惧和创造支持,而且是为流离失所的全职员工制定行动计划和培训。最终,这有助于组织将 RPA 用作建立可持续增长能力的机会,而不是简单地降低成本。”

  IT 和流程管理的参与也很重要。“虽然在统计上不显着,但组织需要确保 IT 和流程管理平等地参与 RPA 工作,”Lyke-Ho-Gland 说。“IT 确保机器人与现有系统顺利集成,流程管理通过重新设计数字执行流程并确保捕获和理解所有流程变体和异常,有助于减少成本高昂的后期制作返工。”

  也有人可能会争辩说,RPA 为机器学习和更智能的应用程序奠定了基础。它既收集有用的数据,又与人工智能功能相结合。我们中的一个人 (ODell) 最近采访了 Eric Siegel,他是预测分析专家,也是《预测分析:预测谁将点击、购买、说谎或死亡的力量》一书的作者. Siegel 指出,从使用简单的 RPA 数字化流程开始的一个经常被忽视的好处:它现在留下的数字面包屑。“收集这些数据不是为了进行机器学习。这只是照常营业的副作用。交易残留物不断累积,你瞧,事实证明这些东西真的很有价值,因为你可以从中学习。您可以推导出这些模式来帮助改进最初积累数据的交易流程。”

  供应商和用户公司也将 RPA 与机器学习、自然语言处理 (NLP) 和图像识别等人工智能工具相结合。随着 RPA 不断变得更加智能,对 RPA 工作采取分阶段方法的组织为成功做好了准备。一家金融服务组织通过将其 RPA 项目分为三类来实现这一目标:

  在试验认知机器人之前,RPA 团队开始研究简单和混合机器人。这为他们提供了早期的成功和 RPA 机制的基础,以及 NLP 语义内容的经验。

  这些成功因素使 RPA 成为一种合理、低成本和低风险的人工智能入门级方法,即使该技术在今天不是很智能。RPA 很好地为以后更智能的应用程序奠定了基础。 即使没有更智能的 RPA 的潜力,许多 RPA 项目的实施简便性和快速投资回报使它们值得当今几乎所有公司都认真考虑。返回搜狐,查看更多神算网


香港最快开奖结果直播| 香港马会开奖资料| 香港现场开码网站| www.888870.com| 香港今晚开奖结果| www.20464.com| 香港马会现场开奖直播| 六合现场开奖结果| 金凤凰开奖现场直播| 横财富高手论坛| 三肖中特期期准免费准免费| 788678开奖现场|