大會(huì)現(xiàn)場，Craig帶來了RPA最新趨勢報(bào)告《后疫情生產(chǎn)力時(shí)代，智能自動(dòng)化打造以人為本的企業(yè)》，并為眾多云端觀眾解讀了自動(dòng)化的關(guān)鍵趨勢。他的分享為后疫情時(shí)代企業(yè)智能自動(dòng)化相關(guān)建設(shè)指明了思路。

01 后疫情時(shí)代智能自動(dòng)化的三個(gè)主要趨勢

人機(jī)協(xié)同隨著機(jī)器智能水平的不斷提高，它們?nèi)〈嗽絹碓蕉嗟娜斯ち鞒?，這通常被稱為人機(jī)協(xié)作-“Human-Machine Cooperation”。得益于人工智能技術(shù)，人們逐漸向規(guī)則更復(fù)雜、確定性更低的流程自動(dòng)化領(lǐng)域邁進(jìn)。在這個(gè)過程中，我們使用機(jī)器學(xué)習(xí)等人工智能技術(shù)來進(jìn)行數(shù)據(jù)處理、輔助決策。這極大改變了人類很多傳統(tǒng)的工作場景。云擴(kuò)觀點(diǎn)

如果員工注定與人工智能一起工作，云擴(kuò)希望每個(gè)員工都能掌握與人工智能協(xié)作的能力。

因此，云擴(kuò)正式推出千人千面的自定義人機(jī)協(xié)作平臺(tái)--云擴(kuò)工作臺(tái)。

業(yè)務(wù)人員可以通過云擴(kuò)工作臺(tái)以零代碼的方式自定義與機(jī)器人的交互，無論用戶是否具有技術(shù)背景，都能輕松調(diào)取RPA機(jī)器人執(zhí)行任務(wù)，從而讓RPA可以真正落地企業(yè)，助力企業(yè)邁進(jìn)大規(guī)模人機(jī)協(xié)作時(shí)代。

智能文本提取文本挖掘?qū)儆跈C(jī)器學(xué)習(xí)的范疇，也是人工智能的一個(gè)子集。所處理的文本通常是文檔、表格、票據(jù)、電子郵件等非結(jié)構(gòu)化的信息?；谥悄芪谋境槿〖夹g(shù)，可以獲取更高質(zhì)量的數(shù)據(jù)，用于后續(xù)的數(shù)據(jù)分析工作。例如，查看用戶填寫表單時(shí)可能出現(xiàn)的錯(cuò)誤，檢查可能不正確的交易，挖掘文本中的客戶情感。 雖然這一領(lǐng)域的核心仍然是自然語言處理，但用機(jī)器學(xué)習(xí)的訓(xùn)練模型，來理解文本背后的含義，也是近期熱門的領(lǐng)域。隨著計(jì)算機(jī)視覺、文本分類等方面技術(shù)的逐漸成熟。機(jī)器可以理解文檔上的表單和圖像，以及上下文的邏輯。在AI技術(shù)的賦能下，智能自動(dòng)化蘊(yùn)含了具有洞察力的價(jià)值。而不僅是過去的降低運(yùn)營成本。云擴(kuò)觀點(diǎn)

隨著流程自動(dòng)化在企業(yè)的深入推進(jìn)，云擴(kuò)發(fā)現(xiàn)企業(yè)內(nèi)部存在80%的非結(jié)構(gòu)化文檔，無法被高效解析，納入智能自動(dòng)化業(yè)務(wù)流中。

為了響應(yīng)需求，云擴(kuò)推出的新產(chǎn)品云擴(kuò)DocReader，集成了 OCR 、NLP 機(jī)器學(xué)習(xí)等人工智能技術(shù)，能夠在少量樣本的情況下，對各類文檔進(jìn)行智能的識(shí)別和信息的抽取。

用戶僅使用少量的樣本，通過簡單的框選標(biāo)記，即可快速定制文檔理解模型，讓機(jī)器人具備文檔理解能力，實(shí)現(xiàn)文檔處理的自動(dòng)化，能幫助員工節(jié)省大量的整理文檔、處理表單、發(fā)現(xiàn)錯(cuò)誤與風(fēng)險(xiǎn)的時(shí)間。

自動(dòng)化突擊隊(duì)對于企業(yè)的自動(dòng)化建設(shè)，用更廣闊的視野進(jìn)行整體規(guī)劃十分重要。這里有多方面的原因：一是一些自動(dòng)化場景，引入了需要從組織治理角度考慮的新問題。

其次，機(jī)器人通常會(huì)使用員工的密碼憑證，進(jìn)行一些生產(chǎn)系統(tǒng)的日常操作。因此，需要關(guān)注密碼憑證的安全管控。

此外，智能自動(dòng)化涉及許多技術(shù)的應(yīng)用，需要團(tuán)隊(duì)在企業(yè)內(nèi)部解釋不同自動(dòng)化技術(shù)的特點(diǎn)，以便用正確的方式應(yīng)用和落地。云擴(kuò)觀點(diǎn)

Strike team 是未來 RPA 規(guī)?；钪匾内厔葜?，也有人會(huì)把 Strike team 叫做 COE。

云擴(kuò)的企業(yè)流程銀行，能夠給企業(yè)內(nèi)部的 RPA Strike 團(tuán)隊(duì)、COE 團(tuán)隊(duì)提供一個(gè)工具，讓他們能夠積累和沉淀在企業(yè)內(nèi)部推行 RPA 時(shí)的經(jīng)驗(yàn)和流程；能夠鼓勵(lì)企業(yè)內(nèi)部跨團(tuán)隊(duì)的自動(dòng)化流程分享，打造一個(gè)企業(yè)私有化的流程自動(dòng)化智庫，實(shí)現(xiàn)公司范圍內(nèi)跨部門的自動(dòng)化經(jīng)驗(yàn)的交換和分享，從而充分地發(fā)掘流程自動(dòng)化在整個(gè)公司內(nèi)部所帶來的價(jià)值。

更多的自動(dòng)化機(jī)會(huì)存在于業(yè)務(wù)一線，RPA+AI的深入需要激發(fā)每個(gè)員工自下而上的創(chuàng)新能動(dòng)性。通過人人可用的流程挖掘工具云擴(kuò)Spark ，業(yè)務(wù)人員可以利用完整的在線工具箱，梳理、標(biāo)準(zhǔn)化和自動(dòng)化每天操作的業(yè)務(wù)流程，并轉(zhuǎn)化為RPA流程，幫助流程從發(fā)現(xiàn)到實(shí)現(xiàn)的提速。

02 疫情給數(shù)字化轉(zhuǎn)型帶來的機(jī)遇

盡管在移動(dòng)互聯(lián)網(wǎng)、社交媒體等領(lǐng)域，Uber等全球公司，以及美團(tuán)、滴滴等中國互聯(lián)網(wǎng)企業(yè)，在數(shù)字化驅(qū)動(dòng)業(yè)務(wù)模式創(chuàng)新等方面的勢頭表現(xiàn)良好。但傳統(tǒng)企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)展相當(dāng)緩慢。這讓我們不得不面對一個(gè)現(xiàn)實(shí)：現(xiàn)代化是艱難的，數(shù)字化轉(zhuǎn)型不易。

在2020年1月到3月的全球疫情高峰期，突然之間，企業(yè)快速進(jìn)行數(shù)字化轉(zhuǎn)型。每個(gè)人都不得不在家工作，企業(yè)必須以新的方式開展遠(yuǎn)程業(yè)務(wù)。隨之而來的，是在供應(yīng)鏈等領(lǐng)域衍生出的一系列問題。在巨大的壓力下，企業(yè)不得不進(jìn)行業(yè)務(wù)創(chuàng)新。不幸中的萬幸，疫情也從側(cè)面推動(dòng)了一部分企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)程，部分企業(yè)在過去的兩個(gè)月里構(gòu)建了比過去五年更多的數(shù)字化能力。

上圖中閃電標(biāo)志描述的數(shù)字化轉(zhuǎn)型激增的區(qū)域?，F(xiàn)在，公司面臨的挑戰(zhàn)是如何在壓力下進(jìn)行這種轉(zhuǎn)變，并在疫情結(jié)束恢復(fù)更正常工作環(huán)境時(shí)，繼續(xù)保持?jǐn)?shù)字化轉(zhuǎn)型的勢頭。這將影響我們在過去幾個(gè)月中取得的數(shù)字化轉(zhuǎn)型成果。03 后疫情時(shí)代的智能自動(dòng)化路線圖

Forrester提出了后疫情時(shí)代智能自動(dòng)化路線圖，為企業(yè)提供了一種確定智能自動(dòng)化項(xiàng)目優(yōu)先級(jí)的方法。基于Forrester對所服務(wù)企業(yè)、政府客戶的調(diào)研和溝通。一些正在進(jìn)行中的，大型人工智能、數(shù)字化轉(zhuǎn)型項(xiàng)目，進(jìn)度會(huì)受到影響甚至停滯，會(huì)掉進(jìn)左下象限的動(dòng)量損失區(qū)。因?yàn)楦鶕?jù)大多數(shù)人的估計(jì)，我們正在經(jīng)歷的這場疫情引發(fā)的經(jīng)濟(jì)衰退，將是漫長而痛苦的。就像以前所有的經(jīng)濟(jì)衰退一樣，企業(yè)將更專注降低成本和成本轉(zhuǎn)移。因此，在象限右上方的加速區(qū)中，RPA自動(dòng)化變得非常重要，因?yàn)樗诮档统杀痉矫婢哂蟹浅Ｃ黠@的ROI。

上面提到的智能文本提取也在這個(gè)區(qū)域，它能幫助員工節(jié)省大量的時(shí)間，來整理文檔、處理表單、發(fā)現(xiàn)錯(cuò)誤、客戶投訴、欺詐風(fēng)險(xiǎn)等問題。此外，一些視頻會(huì)議、遠(yuǎn)程協(xié)作類的辦公產(chǎn)品和工具，也在疫情期間發(fā)揮了巨大的作用。 極少數(shù)人能夠準(zhǔn)備好，應(yīng)對我們所說的系統(tǒng)性全球風(fēng)險(xiǎn)。下一個(gè)系統(tǒng)性全球風(fēng)險(xiǎn)可能是氣候變暖。我們看到，更多的公司開始關(guān)注治理領(lǐng)域的問題，增強(qiáng)了風(fēng)險(xiǎn)管理意識(shí)，為可能發(fā)生的此類系統(tǒng)性風(fēng)險(xiǎn)做好準(zhǔn)備。因此，系統(tǒng)彈性、業(yè)務(wù)韌性等可持續(xù)發(fā)展能力，已成為數(shù)字化轉(zhuǎn)型中的重中之重。例如，提升供應(yīng)鏈的多樣性，以確?？捎玫牟牧喜少彛蜕唐方桓赌芰?。04 智能自動(dòng)化對不同類型工作者的影響

智能自動(dòng)化對不同類型工作者的影響程度是不同的。例如，呼叫中心的客服員工，企業(yè)后臺(tái)從事財(cái)務(wù)工作的員工，由于他們擁有相似的工作模式，標(biāo)準(zhǔn)的工作流程，因此自動(dòng)化對他們工作的影響也是相似的。

另一方面，對于法律從業(yè)人員等創(chuàng)造工作者，他們通常會(huì)處理復(fù)雜的信息，并在海量數(shù)據(jù)之間建立聯(lián)系。由于工作的創(chuàng)造性水平、流程不固化等特殊性，自動(dòng)化可能在很長一段時(shí)間內(nèi)，都不會(huì)應(yīng)用在這個(gè)領(lǐng)域。但我們也看到了一些創(chuàng)新的場景，比如數(shù)字員工助手輔助醫(yī)療行業(yè)的從業(yè)人員，進(jìn)行認(rèn)知搜索和知識(shí)發(fā)現(xiàn)。

RPA+AI對特定職能的知識(shí)工作者和行政人員影響最深

目前，RPA真正發(fā)揮作用的應(yīng)用領(lǐng)域主要集中在運(yùn)營領(lǐng)域。智能自動(dòng)化非常適合于特定職能的知識(shí)工作者、協(xié)調(diào)員、行政工作者。這些流程標(biāo)準(zhǔn)、操作規(guī)范的場景是RPA主要的應(yīng)用領(lǐng)域。很多自動(dòng)化技術(shù)、AI技術(shù)正在改變企業(yè)的傳統(tǒng)流程。云擴(kuò)觀點(diǎn)

企業(yè)很難嘗試找到適合AI技術(shù)并敏捷落地的方式，即便匹配到了合適的AI技術(shù)，也很難融入到端到端的業(yè)務(wù)流程之中。

更重要的是企業(yè)原有的人才結(jié)構(gòu)缺乏對AI技術(shù)的深入了解。這一切都讓人工智能技術(shù)可觸達(dá)的市場非常有限。

讓人工智能人人可用不再是一個(gè)“口號(hào)”，云擴(kuò)特別推出拖拽可用的人工智能應(yīng)用中心——云擴(kuò)AI Hub，集合全球頂級(jí)人工智能能力，供客戶方便低成本地將AI能力集成到企業(yè)自身業(yè)務(wù)流程中，進(jìn)行測試與使用。

05 人機(jī)協(xié)作的五個(gè)層次

在與智能自動(dòng)化相關(guān)人機(jī)協(xié)作中，會(huì)根據(jù)技術(shù)復(fù)雜度和自動(dòng)化模式的不同分為5個(gè)層次。第五層是應(yīng)用最先進(jìn)的人工智能技術(shù)實(shí)現(xiàn)機(jī)器的自主運(yùn)動(dòng)，比如自動(dòng)駕駛汽車。相反，第零層是描述人類日常工作中沒有自動(dòng)化驅(qū)動(dòng)的場景。 在這中間，隨著自動(dòng)化技術(shù)發(fā)展的不同階段，又有進(jìn)一步的細(xì)分。第一層是工作流領(lǐng)域，我們使用BPM軟件來設(shè)計(jì)流程，連接不同的工作節(jié)點(diǎn)，處理一些確定性流程的自動(dòng)化。

第二層：人類驅(qū)動(dòng)機(jī)器完成任務(wù)

第二層是很多RPA正在做的事情，企業(yè)已經(jīng)構(gòu)建了一些數(shù)字員工或數(shù)字助理。人類與機(jī)器人之間有某種程度的互動(dòng)。比如在客服中心，人可以使用機(jī)器人批量更新客戶的地址。以此來降低員工的信息系統(tǒng)負(fù)擔(dān)，解放生產(chǎn)力，投入更有價(jià)值的工作。

第三層：人類在機(jī)器的幫助下完成任務(wù)

第三層是一系列AI技術(shù)與RPA相結(jié)合，賦予人們更強(qiáng)的數(shù)據(jù)處理能力。一些AI組件，例如NLP，通常使用機(jī)器學(xué)習(xí)來提供更靈活的數(shù)據(jù)提取。在過去，我們必須根據(jù)模板準(zhǔn)確地定位字段的位置，隨后才能取出數(shù)據(jù)。但現(xiàn)在，機(jī)器學(xué)習(xí)可以理解文檔中的內(nèi)容，識(shí)別文字、數(shù)據(jù)在哪個(gè)區(qū)域，并利用訓(xùn)練機(jī)制，使機(jī)器的識(shí)別和提取越來越精確。

我們可以預(yù)見在第四層和第五層，人工智能將更多的參與決策工作。我們也會(huì)遇到一些智能自動(dòng)化能力的黑盒問題，沒有人知道決策是如何做出的。我們需要更完美的算法和智能技術(shù)，以保證無人駕駛汽車不會(huì)因錯(cuò)誤識(shí)別引發(fā)的事故。第四層和第五層中的所面臨問題，在第二層和第三級(jí)中，并不是那么引起關(guān)切。06企業(yè)級(jí)RPA規(guī)?；卣沟淖枇?/strong>