随着各个组织争相调整其业务流程，并加大对数字化转型项目的投入，以应对因新冠病毒造成的破坏，此次疫情已加剧了人们对流程自动化的兴趣。

对于正在从事或已经致力于此类现代化工作的IT主管们来说，人工智能(主要体现为机器学习技术)有望对自动化产生革命性影响，使他们更接近端到端过程自动化的梦想。

但就目前而言，由AI驱动的过程自动化仍是一种零星存在的方式，其中AI只是涉及单个任务，而非涉及整个过程链。不论供应商如何大肆宣传，完全智能自动化都还没有到来，但致力于填补这一空白的各个组织正在寻找创新方法，以使这一有前途的概念更接近现实。

智能自动化的现状

在自动化中使用AI的典型用例包括：无需工作人员将PDF文件中的信息手工重新输入到表单中，而对AI进行训练后，即可以替代人工完成这些工作。或者，当一名员工在需要常常搜寻公司文件来回答客户的某一问题时，AI会提供一些可能的答案。

至于整个过程的其余部分，则人仍是处于核心位置。人工业务分析师找出了进入某一特定流程的东西。开发人员使用机器人流程自动化(RPA)系统来创建过程流。越来越多的业务分析师在监控流程的绩效，寻找瓶颈，并为其他步骤提出想法，这些步骤可以通过传统脚本或通过AI增强技术来实现自动化。

换句话说，到目前为止，AI已成为一种工具，可以在更大的自动化方案中填补小众市常

HFS Research公司研究高级副总裁埃琳娜克里斯托弗(Elena Christopher)表示：“关于AI的一个大秘密就是每个用例的范围有多狭窄。”

尽管与端到端智能自动化结合在一起的技术可能已经存在，至少是零星存在。但面临的挑战依然存在，这包括了解业务流程常常并非那么简单这一事实，因为员工经常会切换系统来执行一部分任务，或者他们会自己完成某个难以以数字方式完成的工作，从而削弱了AI从头到尾全面了解某一流程的能力。

利用计算机视觉获得过程洞察力

Genpact是一家全球专业服务公司，拥有近100,000名员工，为数百个客户(包括许多财富500强企业)管理数千个流程。该公司利用智能将核心系统中的单个交易与其所属的更大流程进行匹配。但Genpact公司首席数字官桑杰 斯里瓦斯塔瓦(Sanjay Srivastava)表示，例如，当一名员工离开核心系统并在Web浏览器中打开页面时，智能就会不足。

例如，某一过程中的一个步骤可能涉及查找某一定价页面，以确定一个特定商品是高于还是低于100美元。为了完成这一工作，员工可能会打开相关页面，并在决定如何操作下一步之前，快速浏览这一价格。这一动作(在屏幕上查看某些东西)很难以数字方式完成。

这就是计算机视觉发挥作用的地方，它会使用工作岗位上的摄像头来跟踪员工所看的内容。“这绝对必须得到员工的同意才能执行，”斯里瓦斯塔瓦说。“通常情况下，我们所服务的企业已经制定了有关这方面的政策，因此这一工作对某些公司是可行的，而对其他公司则不可行。”

通过使用包括计算机视觉在内的多种技术，Genpact公司的自动化系统可以收集到与业务流程相关的所有行为，而不仅仅是特定部门或岗位员工的行为。斯里瓦斯塔瓦表示，识别所有工作任务并将其关联到某一工作流中，这一过程被称为流程挖掘，Genpact公司一直在使用自主研发的AI自动化解决方案从事这一工作，而且已有三年时间了。在过去的一年中，该公司增加使用了计算机视觉，以使该技术更加全面。

一旦确定和挖掘了业务流程，Genpact公司便可以监控该流程的各个实例并对其进行故障排除，或者基于持续的反馈对该流程进行微调。

他说：“假设上周我们公司购买了100,000台笔记本电脑。”“我们可以抽取100,000个端到端流程。我们将监控所有流程的情况，并可以一直跟踪任一特定流程的情况。为什么这一流程发生偏离?您可以解决业务问题或适应新的常态。”

这一“新常态”可能涉及自动检测某一过程中的变化。例如，如果与原始发票金额存在超过10%的变化则需要获得批准，而当时获得批准的比例为100%，那么也许是时候将业务规则从10%调整为20%，斯里瓦斯塔瓦表示。然后，机器人流程自动化可以跳过发票金额变化低于20%的审批步骤，或者发送一个弹出式提示，提醒员工不再需要将发票转给财务部门审批，而是可以自己做出最终决定。

AI生成的自动化脚本

数字化转型咨询公司UST的AI和机器学习首席架构师阿德南马苏德(Adnan Masood)表示，过去三年来，我们一直在使用AI来使一些棘手的工作自动化，并使一些业务流程任务数字化。

马苏德与斯坦福大学和麻省理工学院的AI实验室都有合作，而且在利用无监督学习来了解业务流程以及在将单个任务连接到端到端流程方面拥有专利。

举个例子，当一名员工通过浏览同一网站来查询价格。一方面，自动化系统需要清楚这是某一流程的一部分;因为网站一直在变化，因此更具挑战性的是能够复制这一动作。

马苏德说：“我们对输入的信息进行矢量化处理，并使用深度学习来识别输入的内容。”然后，当员工下一次访问该网站时，AI可以自动提取数据，而无需人工编写任务脚本。然后，通过加强学习，AI可以随着时间的推移不断改进。

马苏德说：“在这个循环中有人员会对AI进行强化，或者会告诉计算机某个数据字段未正确验证。”常见的RPA平台可以自动完成繁琐的工作。但是认知型AI可以自我优化、自我学习。”

他表示，在某些参数范围内，该系统还可以自动驾驶。“这种情况下，该系统可以基于所学的知识直接采取行动。”

马苏德表示，但他的系统仍需要一套基本的日志才能工作，查找和汇总所有流程日志仍是一个耗时的人工流程。“数据永远不会存在于单个系统中。它会来自多种来源和具有不同的形式。必须有人进行初始配置。”

如果数据保存在旧系统中，则此过程可能需要自定义编码，打开防火墙或获得监管或网络安全部门的批准，更不用说数据工程师需要来建立数据流，此过程可能需要耗时数月的时间。

在收集到数据后，AI开始分析工作流程。他表示，根据该工作流程中涉及的人员数量和交易的频率，对该工作流程图进行验证可能还需要花费几个月的时间。

如果现在已经绘制了流程图，则还必须对其进行人工验证。他说：“学科专家会检查该流程图，然后说，‘不，这一步是错误的，这里才是正确的数据源。”

深度集成所面临的挑战

对于已使用RPA的企业而言，核心系统之外的任务仍会带来挑战。网络数据抓取和OCR文档扫描等变通办法都是短期解决办法，而且可能会引入错误并导致流程中断。更好的解决方案是通过API进行更深层次的机器对机器的集成。

技术咨询公司Insight的合作伙伴联盟和运营高级副总裁梅根安达尔(Megan Amdahl)说：“当您对一个网站使用RPA时，自动化过程就不那么稳定了。”

她表示，RPA可以监测用户在网站上的操作，但RPA系统无法知道该网站可能提供了一个可用于直接获取数据的API。因此，Insight公司返回到了对此类自动化过程进行手动脚本编写。

“现在IT部门对API数据传输请求进行手工编码，”安达尔说。“由于此项工作在IT部门内部，因而可以更快地操作，并且可以更快地扩大规模。如果我们通过API进行硬编码，则不会影响自动化过程。API标准会发生变化，但变化的速度会更慢。”

实现完全自动化的其他障碍则是那些尚未将流程数字化的业务合作伙伴，或拥有一些不兼容系统的业务合作伙伴。

她说：“客户们希望以自己的方式做事，然后他们会去找一家能够按自己想要的方式接收信息的公司。”“所以，例如，他们可以从我们的网站上订购大部分他们想要的东西，但是他们的内部流程要求他们创建一个采购订单。”

她表示，如果客户能够直接连接这些系统，则确实需要手动编码才能建立连接。她说：“然后您必须对其进行维护，这样它才不会发生中断。”

随着越来越多的公司转向使用核心业务系统的SaaS平台，以及这些SaaS提供商相互合作建立数据集成，所有这一切都可能会很快改变。“拥有预制连接器绝对是一种理想的状态，”安达尔说。

具体案例多于综合性案例

普华永道事务所(PricewaterhouseCoopers)全球AI负责人阿南德 拉奥(Anand Rao)表示，我们在以AI驱动的流程挖掘方面取得了一些成绩，但仅限于一些特定的、有限的案例。

他说：“我们已经整合了很多供应商工具来做这件事。”“由于人们从事的工作类型各不相同，如果我们只让一个后台机器人来监测所有人，那么我们将一无所知。”

因此，拉奥提醒道，不要过分信任那些声称可解决所有自动化问题的营销说辞。他说：“如果营销人员说，他可以安装一个流程挖掘软件，即可以替代十个人的工作，那我是不会相信的。”

此外，德勤咨询公司数据云和机器学习首席专家奇达 萨达亚潘(Chida Sadayappan)表示，RPA中使用的大多数AI都是针对特定的、单个的任务。

他说：“一切都是AI驱动的。”“有些文档可以读取，数据也可以被提取，个人身份信息也可以进行编辑。有一些图像方面的工作，例如识别包装上是否有损坏。”他补充道，但这不是AI驱动的RPA。“AI只是替代人们去完成一些繁琐的任务。”

他表示，AI和机器学习正在融入到过程工作流自动化中。“但目前还没有很多用例。”

萨达亚潘表示，大型保险公司可能会将AI融入到过程工作流自动化中，而金融机构可能会使用AI来处理抵押贷款申请，“但在其他方面，几乎没有大规模地使用工作流程自动化。”

但是，安永会计师事务所全球人工智能咨询主管丹迪亚西奥(Dan Diasio)看到了增长的潜力。“AI有很多单点解决方案。但现在有可能从单点解决方案过渡到AI平台。自动化正在寻求采用以AI驱动来完成各项任务。他表示，这两件事正在融合，然后他补充说，安永会计师事务所因此而“实际上将传统上专注于流程自动化的团队转变为AI团队”。

流程的目的

高德纳公司分析师马克 克尔曼斯(Marc Kerremans)在4月份撰写了一份关于流程挖掘的报告，他表示，用于流程挖掘和工作流自动化的AI仍处于早期阶段。“但AI会不断改进。”

但至少在不久的将来，不会实现自动化的是情景感知。这仍需要人工分析，以确定某一过程是否应该首先存在，或者是否需要用其他东西代替。

同时，供应商们正在大力投入。所有主流RPA供应商都在构建或购买流程挖掘功能，并对AI进行投资，其中包括Celonis、UiPath、Automation Anywhere、Blue Prism和Livejourney等公司。

在公司收购行为的推动下，主流供应商们也处于竞争状态。IBM公司最近收购了流程挖掘公司myInvenio，而SAP公司已收购了流程挖掘供应商Signavio，微软公司则收购了工作流程自动化供应商Softomotie。

最终，克尔曼斯表示，流程挖掘将成为企业平台中的普通功能。

不过，克尔曼斯建议不要沉迷于流程挖掘。他说：“即使您没有全部可用的信息，也要从一些拥有现成信息的任务开始着手。”“您仍可以获取见解、认知和价值。如果您不这样做，而是要等待三年，您就会落伍。”