AI 驱动的自动化是企业自动化 2.0

我们的新常态正在推动客户需求转向流程自动化，以消除重复、单调的任务，并通过人机协同以更快的速度创造出超越人类的卓越成果。为了满足这一需求，我们正在利用人工智能 (AI) 加速自动化，使企业能够自动开展一系列更广泛的任务，如下例所示：

• 任务消除的目标是业务和 IT 领域中简单、重复性的任务。自动执行这些任务就能让员工腾出时间完成更需要深思熟虑的工作。例如，受办公室封闭影响，许多员工无法到岗，PayPal 已转向聊天机器人，在最近几周内，这类机器人处理了高达 65% 基于消息的客户咨询，创下历史纪录。PayPal 在一份声明中表示：“通过AI部署的资源，我们能够更灵活地安排员工工作，并优先考虑他们的安全和福祉。”
• 任务增强功能可以支持、加快并提高员工效率。例如，随着新冠疫情期间在线服务使用的增加，AI 助力下的客服可以让单个客服人员帮助更多用户，减少服务排队，并增强客户满意度。AI 用于衡量用户意图和捕获信息，同时梳理及客户要求公司解决的问题性质。然后，自动化工作流程无需人工参与即可检查可能的解决方案。话虽如此，但最强大的任务增强形式是人类与 AI 系统协同工作，共同实现预期成果。

为了实现这些成果，我们正在积极推动自动化技术向 AI 驱动的自动化迈进，我们称之为自动化 2.0。AI 驱动的自动化被定义为一个连续的闭环自动化流程，其中可以发现和分析数据模式，以便从数据中获得洞察，基于洞察制定决策，并将决策转化为自动化行动，而 AI 会在流程的每个阶段提供主动优化。AI 驱动的自动化使用切实可行的智能，以更快的速度、更低的成本和更好的用户体验来交付 IT 和业务运营。下一节将研究这四个阶段，并说明 AI 在每个阶段会如何促进转型。

发现

更好地理解和分类非结构化数据和流程，从而减轻手动分析和编排操作的负担。

没有 AI，与自动化相关的数据发现主要局限于结构化流程和结构化数据。非结构化数据本质上存在噪声，并且通常会拖慢自动化过程。使用机器学习 (ML)，便可以生成模型来切分、梳理和检测噪声数据中的模式。例如，利用经过适当训练的分类器模型，可将文档分类为发票或保险索赔。同样，来自 IT 系统的警报可以进行分组并与特定的故障单匹配。借助 AI，发现过程不再因缺乏结构而受阻；它将以智能方式，利用 AI 从发现转向决策。

要更深入探究不同类型 AI 技术之间的细微差别，请参阅“AI vs. 机器学习 vs. 深度学习 vs. 神经网络：存在哪些差异？”

决定

将 IT 自动化的精确性与完善的业务自动化方法相结合，即可在 IT 和业务方面实现更快、更准确的自动化。

AI 驱动的自动化旨在全面提供融合的业务和 IT 自动化系统，该系统可在一系列广泛的员工类型中运行，包括业务人员、解决方案架构师、软件工程师、IT 运营、SRE、安全与合规工程师。通过发现业务和 IT 领域的数据模式，与局限于企业特定部门的系统相比，现在的决策可能更具影响力。其中一个例子是将软件开发和 IT 运营之间的活动相关联。在这种情况下，开发过程中对源代码和配置的更改可以与运行中 IT 系统内发生的事件进行匹配，以预测未来代码或配置变更相关的风险。通过将 AI 应用于自动化，我们大大提高了企业对新发现模式做出响应的速度。

行动

以更自然、更协同的方式与软件机器人互动，使互动过程更趋向自助化，从而提升生产力。

自动化过程的进一步区别在于自动化操作的执行方式。自动化操作的黄金标准是机器人流程自动化 (RPA) 技术。借助 AI 的力量，我们正在将 RPA 从简单的机器人脚本发展成为更像工作场所数字员工的技术。利用虚拟世界和物理世界的这种组合，可以对操作进行模拟，以便在问题发生之前提前将其阻止，防止停机时间并产生新的机遇。此外，自动化 2.0 采用先进的自然语言处理，在 AI 和员工之间建立更具协作性的关系，从而打造一支混合型员工队伍。

优化

尽早预测潜在事件，以便系统能够在问题影响正常运营之前主动解决问题。

在发现、决策和行动阶段持续进行优化，从而利用新的洞察分析，通过闭环反馈自主增强业务和 IT 运营。在自动化 2.0 中，优化从被动反应式转变为预测式和主动式。通过业务和 IT 数据的端到端视图，AI 驱动的自动化能够预见波动，帮助避免过度反应。例如，通过结合企业 IT 中历史变更和事件记录的结构化和非结构化特性，可以提取变更-事件之间的关联，从而生成经验性证据，作为变更风险模型的新输入数据。当 IT 部门推出新的变更时，可以根据预测发出实时主动警报，该警报将根据过去的证据说明为什么这些变更存在高风险。Gartner AIOps 平台市场指南将这种主动式风险管理称为最复杂的自动化阶段。

发现、决策、行动和优化的自动化过程可能会让人认为自动化是一个循序渐进且耗时的过程。虽然完善自动化流程确实需要数周或数月的时间，但还有一条更快的路径。例如，使用 RPA 和低代码开发都是为了加快“小块”活动或流程的自动化，以便客户可以立即获得投资回报，而不必等到自动化完成整个端到端流程。这种快速的周转周期使得业务与 IT 部门能够通过快速迭代、实时响应外部变化，实现“快速试错、快速调整”。

AI 驱动的自动化并不要求每个人都成为数据科学家。相反，AI 的使用使自动化技术能够覆盖一般业务用户群体，不仅包括 IT 开发人员、高技能知识工作者，当然还有数据科学家。整个企业的用户都能从专家预先准备好的预训练模型中受益，且无需深厚的 AI 技能即可立即使用。使用自然语言和聊天机器人实现 AI 驱动的自动化，打造出自动化系统无缝融入用户各种工作场景、适配各类工作方式的智能环境。这可以提供更自然的交互，让企业内更多的工作人员能够参与自动化过程并从中获益。

IBM 推出的 AI 驱动的自动化方法采用融合的业务和 IT 自动化系统，该系统能够通过发现、决策和采取行动来不断优化整个企业的自动化流程。借助这种端到端的自动化视图，我们正在朝着打造混合型员工队伍的方向迈出坚定的一步，您的员工将与其数字孪生体协作，从而提高整体业务效率，并腾出时间和资金专注于新的业务机会。

通过这篇博文，我们已经让 AI 驱动的自动化进入了人们的视野，但这仅仅是个开始。我的下一篇博文将进一步定义和探讨 AI 驱动自动化背后的流程，将视野拓展至架构和功能。

另外，请收看我的新播客“自动化艺术 (The Art of Automation)”，我将邀请主题专家分享他们的例子，说明自动化如何使日常生活变得更好。