【IPA】智能过程自动化(IPA):数字世界下一代操作模型的驱动程序

2018 年 7 月 29 日 产业智能官

随着宏观经济状况继续对各部门的利润率造成压力,成本效率和释放新价值重新成为高级管理层的首要议题。问题是,还有什么可以做的?

这就是智能流程自动化(IPA)的地方。我们相信它将成为公司下一代运营模式的核心部分。许多跨行业的公司都在试验IPA,结果令人印象深刻:

·50-70%的任务自动化

·这已经转化为20%到35%的年运行成本效率

·并将直通过程时间缩短50%至60%

·投资回报率通常以三位数百分比表示

应该怀疑承诺提供两位数甚至三位数同年回报的新技术。但是,如果高管们仔细考虑并理解机遇驱动因素,并有效地将其与推动下一代运营模式的其他方法和功能结合起来,那么IPA的承诺就是真实的。

什么是智能过程自动化(IPA)?

IPA的核心是一套新兴的技术,将基本过程重新设计与机器人过程自动化和机器学习相结合。

IPA模仿人类进行的活动,随着时间的推移,学会更好地完成它们。归功于深度学习和认知技术的进步,基于规则的自动化的传统杠杆增强了决策功能。IPA的承诺是从根本上提高效率, 提高员工绩效,降低运营风险,改善响应时间和客户旅程体验。

全智能流程自动化包含五项关键技术。以下是如何使用它们来提高生产力和效率,降低运营风险并改善客户体验。

全智能流程自动化包含五项关键技术,可提高生产力和效率,降低运营风险并改善客户体验。

  • 1)机器人过程自动化(RPA): RPA是一种软件自动化工具,可通过现有的用户界面自动执行日常任务,如数据提取和清理。机器人具有用户ID,就像人一样,可以执行基于规则的任务,例如访问电子邮件和系统,执行计算,创建文档和报告以及检查文件。

  • 2)智能工作流程: 一种过程管理软件工具,它集成了人员和机器组执行的任务(例如,通过坐在RPA之上帮助管理过程)。这允许用户实时启动和跟踪端到端流程的状态; 该软件将管理不同群体之间的交接,包括机器人与人类用户之间的交接,并提供有关瓶颈的统计数据。

  • 3)机器学习/高级分析:通过“监督式”和“无监督式”学习识别结构化数据中的模式的算法,例如日常表现数据。在开始基于新输入进行预测之前,监督算法从输入和输出的结构化数据集中学习。无监督算法观察结构化数据,并开始提供对识别模式的见解。例如,机器学习和高级分析对于保险公司来说是一场改变游戏规则的行为,例如,通过提高合规性,降低成本结构以及通过新见解获得竞争优势。高级分析已经在领先的人力资源团队中得到广泛实施,以确定和评估领导者和管理人员的关键属性,从而更好地预测行为,制定职业发展路线并计划领导力的继任。

  • 4)自然语言生成(NLG):软件引擎,通过遵循规则将观察数据转化为散文,从而创建人与技术之间的无缝互动。广播公司一直在使用自然语言一代来实时制作关于游戏的故事。结构化的绩效数据可以传送到自然语言引擎中,自动编写内部和外部管理报告。主要金融机构已经使用NLG来复制其每周的管理报告。

  • 5)认知代理:将机器学习和自然语言生成相结合的技术,以构建完全虚拟的员工队伍(或“代理人”),能够执行任务,传达信息,从数据集中学习,甚至基于“情感检测。“认知代理人可用于通过电话或通过聊天支持员工和客户,例如在员工服务中心。英国一家汽车保险公司使用认知技术,转换率提高了22%,验证错误减少了40%,总投资回报率达到330%。

借助IPA,机器人可以取代手动点击(RPA),解读文本繁重的通信(NLG),制定不需要预编程(机器学习)的基于规则的决策,为客户提供建议(认知代理)并提供真实跟踪系统和人员之间的切换(智能工作流程)。

IPA的价值

尽管IPA接管了强制性任务,但人力资源工作者可以专注于使客户感到高兴,并思考组织外部的新数据组织(新闻,事件,社交媒体,嵌入式传感器等)如何帮助实现业务目标。

尽管实施完整的IPA套件可带来全方位的收益,但公司可通过各种元素快速发挥重要价值。单靠RPA可以显着提高生产率。

推动成功的IPA转换的关键步骤:

1.快速调整IPA在运营模式中的角色

任何有效的“近期行动计划”举措都必须立足于清晰地了解企业的总体战略和下一代运营模式在帮助实现该战略中的作用。这就要求清楚地说明目标最终状态,并着眼于实现目标。这种清晰度使业务领导者能够评估和调整实施方法和能力,以推动运营模式。在很多情况下,IPA在推动变革中具有重要的 - 甚至是主导 - 的作用,但是当企业了解它如何与经营模式中的其他能力和方法协同工作时,它的最大价值在于此。自动化即将到来,现在是定义可能的艺术的时候,并在战略上将其应用于最合理的地方。

2.围绕全面的IPA解决方案组合设计,以最大限度地发挥影响

组织不应该涉足少数IPA技术。为了有效地工作,这个世界移动得太快了。当IPA技术协同工作时,会产生全面的影响。

组织需要设想和实施整体优化计划,以实现投资回报最大化。尽管在孤岛实施自动化项目更简单快捷,但这种方法本质上是有缺陷的。个别技术本身不足以捕捉价值。相反,基本的流程重新设计需要改变团队的工作方式。

应该制定详细的实施路线图,以确定所有自动化增强机会,并允许企业通过平衡其影响与扩大初始使用案例解决方案的可行性来对“近期行动计划”举措进行排序。通过快速创建当前任务的概述以及执行所需的资源和功能,开始您的IPA旅程。然后,根据对业务线和IPA能力的深入了解,部署经验丰富的环形围栅孵化器团队,重新设计流程和分组工作流程。

3.建立一个快速最低可行产品(MVP)

尽管设计一个完整的IPA产品组合非常重要,但一次开始处理所有事情可能令人望而生畏。许多高管被有希望的复杂数据仓库项目所摧毁,其中一些项目需要长达十年的时间才能完成,并且大大超出了预算。与其他数字化工作一样,最好选择 - 加速和影响的偏见 - 使用IPA进行重新设计和增强的端到端流程或客户旅程,然后推出MVP,这是最简洁的版本的产品仍然可以完成任务。通过这种方式,您可以快速测试什么可行,什么不可行,并相应地进行更改。

IPA可以在几周内而不是几年内提供有形价值,减少错误,减少后勤员工的“繁忙工作”。早期试点的快速回报有助于获得利益相关方和执行发起人的支持,以实施更深入的计划,以充分利用IPA全面转型带来的潜力。

4.建立动力和捕捉价值

任何“近期行动计划”的实施都应将快速获胜与更长期的发展结合起 详细的路线图应该植根于重新设计的基本流程,该流程重新设计可以为自动生产模块进行排序,并重新设计团队应该如何工作以捕捉价值。

例如,保险业的每个产品线都具有不同程度的标准化和自动化潜力,需要进行检查和排序。看看销售,承保和定价,政策管理,理赔和财务以及账户等时间密集型流程,并在决定未来如何开展工作时从一张简单的表格开始。

5.嵌入持久能力以实现可持续性

维持价值创造的一个成功方法是创建卓越中心(CoE)来管理转型,并通过能力建设,认证和标准,供应商管理以及创建可重用解决方案模式库来支持IPA解决方案的快速部署。这样的CoE应该位于中心位置,并且规模可以相当小,因为它可以呼叫现有的精益或流程优化CoE,而企业所有权和执行应该位于业务线或数字工厂中。

系统控制需要到位,组织应该在业务线中嵌入关键业务分析和数字技能,以便他们拥有该流程。他们还需要重新设计组织结构以捕捉价值,建立未来状态的运营模式以扩大其“近期行动计划”举措,为未来结构创造蓝图以捕捉影响并嵌入新功能,并提供培训和研讨会来解释为什么自动化手册流程将让团队将精力集中在更多创意活动上。





人工智能赛博物理操作系统

AI-CPS OS

人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

  1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

  2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

  3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

  1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

  2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

  3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

  4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

  5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

  1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

  2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

  3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


给决策制定者和商业领袖的建议:

  1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

  2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

    评估未来的知识和技能类型;

  3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

    发过程中确定更加明晰的标准和最佳实践;

  4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

    较高失业风险的人群;

  5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。



产业智能官  AI-CPS


用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链


长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


新技术“云计算”、“大数据”、“物联网”、“区块链”、“人工智能新产业:智能制造”、智能金融”、“智能零售”、“智能驾驶”、智能城市新模式:“财富空间“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”




本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com





登录查看更多
0

相关内容

机器或装置在无人干预的情况下按规定的程序或指令自动进行操作或控制的过程, 是一门涉及学科较多、应用广泛的综合性科学技术。
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
专知会员服务
31+阅读 · 2020年4月24日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
专知会员服务
124+阅读 · 2020年3月26日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
40+阅读 · 2018年9月6日
【机器学习】如何通过机器学习预测维护设备?
产业智能官
16+阅读 · 2018年7月9日
Arxiv
14+阅读 · 2020年1月27日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
5+阅读 · 2018年5月10日
Arxiv
10+阅读 · 2018年2月9日
VIP会员
相关VIP内容
相关资讯
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
22+阅读 · 2019年8月20日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
40+阅读 · 2018年9月6日
【机器学习】如何通过机器学习预测维护设备?
产业智能官
16+阅读 · 2018年7月9日
Top
微信扫码咨询专知VIP会员