广告

五种转移策略将影响AI和RPA项目成功

对于人工智能和机器人流程自动化用户,2020年,可以推动流程自动化的巨大潜力,向他们的组织产生很大影响。但它并不是一切都是顺利的帆船。

对于人工智能和机器人流程自动化用户,2020年,可以推动流程自动化的巨大潜力,向他们的组织产生很大影响。但它并不是一切都是顺利的帆船。

我相信市场上发生了一些基本的转变,这将对用户的成功产生大量影响(积极和消极) - 从AI项目和RPA的通过越来越多的要求,以令人满意的要求,在AI模型中的解释性方面的越来越多的要求卓越自动化中心的兴起。

这是我在2020年观看的五大转变。

广告

1.唯一的项目将继续摊位

在没有明确的业务目标/结果的情况下,正在实施太多的AI举措,因此他们将继续在企业中停下来。根据Gartner的说法,只有15-20%的企业AI项目被指定为生产使用,只有大约一半的项目实际上将其制成。

由于项目漂移并由于优先事项的变化而被推动,最常见的问题是企业用户低估了AI必须运行的业务生态系统的最常见问题。有很多考虑因素:进程,基础设施,组织结构,商业赞助 - 影响AI如何运行(或不),但现实是太多的AI-Projects开始作为数据科学项目完全与业务的连接,没有考虑到kpis。

实验很重要,但没有明确的业务结果,项目注定要注定。在2020年,用户必须询问自己,为什么我们使用AI?我们试图完成什么?这些AI项目将实现哪些业务结果?

2. RPA在拐点

RPA. 毫无疑问是过去几年中最热门的技术领域之一。它的过程自动化和成本效率效益不可能忽视任何寻求生产力收益的公司。它将继续快速增长,因为它在中小企业中获得了新用户。事实上,大多数询问呼叫Gartner从用户带走了他们所谓的“RPA 101”呼叫 - 新用户刚刚入门。这与RPA的持续增长潜力说说。

另一方面,试图扩展其使用RPA的现有用户正在发现真正的限制 - 无论是在自己和技术中。根据Gartner的说法,只有一个小数百分比的RPA用户在整个企业中有效地扩展了他们的实现。默认情况下,它需要业务流程重新设计,通常需要比用户思考更多的时间。

RPA. 还具有一些内置的技术限制。它很好,重复,确定性企业流程涉及结构化数据 - 没有判断的地方。告诉它确切地告诉它需要它做的事情,它可以比人类更好,更快,更便宜。但是,它不能通过经验做出关于信息或学习和改善的判断。

结果,RPA与需要一些认知能力的工作流程无效。这些类型的工作流程今天为许多企业占多数;例如,合同分析,审计计划和报告,RFP分析和组成,销售机会工作流程自动化,客户支持分析和自动化,评估和索赔分析等。

RPA. 提供商添加这些类型的认知能力的能力 - 了解对所有这些类型的业务流程都是基础的文本,图像,文档和其他非结构化数据 - 通过开发,伙伴关系或收购,可以确定其改变企业的真正潜力。

3.解释性成为AI动力举措的新标准

理论上,RPA,AI,自然语言处理(NLP)和智能过程自动化(IPA)技术可以通过自动化平凡的任务来增加巨大的价值,并让人们专注于更重要的事情。

不幸的是,在实践中实现了一些益处的问题:

  • 许多景观(并且经历了经验丰富的)AI,这是如此复杂的,而NLP能力是如此尖端,非技术人员永远无法理解它们。
  • 大多数解决方案都已集成在幕后,以便您不必担心它是如何工作的。但如果你想改变任何东西,太糟糕了。

如果AI算法决定做某事或采取一些动作,商务用户(在某些情况下,监管机构)想知道它是如何结论的结论。

它少了解算法如何运作,更重要的是,为什么它做出决策。这项业务希望审计跟踪。

在我们与大企业的工作中,我们发现大约80%的AI错误可以直接绑在训练数据不良。挑战是找到糟糕的培训数据。因此,一个真正关键的一个元素是绑定您的算法回到训练数据的每一个预测。这样你就可以弄清楚为什么它正在做它所在做什么。

用于解释性的其他驱动程序是防止意外偏见。大多数AI型号都培训了一些历史行为或参考。理解算法如何做出决策的能力可以表面潜在问题。

我希望解释在2020年建立在大多数AI RFP中的最低要求。

4.可扩展决策 - 一个新的命令

过程自动化的重要机会之一是能够加速准确的决策,以加速循环时间 - 大多数数字转型工作的共同线程。但到目前为止,这是业务流程管理(BPM)和RPA已经停滞的领域 - 由于硬编码规则引擎和分类。

如果决定不是预先接线,黑白的,由预先存在的条件定义,这些技术无法制作。

AI和深度学习的新应用正在改变这个。通过增加深度学习的认知能力来处理自动化,用户正在获得自动化更大百分比的业务流程决策的能力,并最大限度地减少这些过程中所需的手动干预(循环)。

我们已经看到这些能力应用于许多企业用例,如合同分析,法规遵从性,客户支持分析,保险声明分析等等。例如,在法律部门,无遵守的合同可以轻松地将自动标记用于手动审查,并通过批量录制训练有素的法律资源梳,以确定哪些合同进入和遵守。

将决策的能力释放出来的重要资源,以在加速循环时间并降低运营成本的同时将它们的时间集中在更高的价值活动中。期待在2020年看到很多关注它。

5.卓越自动化中心成为最佳实践

随着企业越来越多的企业超越数字转型的炒作,并专注于通过业务流程自动化将其投入到实践中,我们正在看到卓越自动化中心的出现,该团队的任务是识别组织中的自动化的最佳机会和发现正确解决这个目标的解决方案。有时可能是RPA,但在其他情况下,它可能是AI或IPA。

这些组负责为每个用例定义清除KPI和业务结果,并通过业务线连接数据科学和技术,因此可以在组织中更快地应用最佳实践。今天,我们最常见于金融服务,但我们希望在2020年在制造和医疗保健中看到更多的自动化Coes。

分享

更多来自信息管理
发布时间: 2021-05-15 00:58:27

最近发表