人工智能時代自動化的嶄新未來和巨大商業價值。

COVID-19 帶來的挑戰倒逼全球幾乎每一個行業都在加速其數字化轉型，企業越來越需要直面混合云環境下管理關鍵 IT 系統和復雜應用的巨大挑戰。因而不足為奇的是，每當我與客戶交談，浮現在我腦海的首要話題就是“自動化”——一個自工業時代開啟我們就一直關注的話題。

自動化的拐點

為何越來越關注自動化？目前，我們正站在一個由多種技術趨勢交匯而塑造的拐點之上。首先，隨著企業爭相通過數字化和業務流程及 IT 運營自動化來保持競爭力，數字業務正在經歷爆炸式增長。另一個驅動因素則是人工智能 (AI) 領域的最新進展，即視覺識別、自然語言處理和機器學習相互交融而產生的驅動力。這些技術催生了更智能的自動化形式，這種形式擁有巨大潛力，能夠以前所未有的速度處理和整合海量數據。

我們可以通過融合這些技術來創造一種新方法，我們稱之為“AI 驅動的自動化平臺 (AI-Powered Automation)”。它具有巨大潛力，能夠幫助企業以前所未有的速度實現數字化轉型，改善 IT 和企業的運營方式。將人工智能添加到自動化工具包可以幫助組織發現并決定最應當在哪方面推動自動化數字化轉型，為員工提供所需的知識，協助他們加速創新，做出更明智的決定。簡言之，AI 驅動的自動化平臺 (AI-Powered Automation) 能夠讓員工以更智慧的方式完成工作。

企業可以運用 AI 驅動的自動化平臺 (AI-Powered Automation) 來管理復雜的技術環境，簡化工作流程和任務，進而減少成本、節省時間，讓員工可以集中精力完成最具戰略意義的工作。我們相信，AI 驅動的自動化平臺 (AI-Powered Automation) 將可以使所有以信息為中心的工作變得更有成效。例如：自動事件檢測有助于避免數字中斷，數字員工可以幫助企業實現業務運營自動化。

AI 驅動的自動化平臺 (AI-Powered Automation) 的四大關鍵要素

為了提高生產力，我們運用一種方法來實現 AI 驅動的自動化平臺 (AI-Powered Automation)，包含四大關鍵要素：發現、決策、行動和優化。如果沒有人工智能，與自動化有關的數據發現通常僅限于結構化流程和結構化數據。但是，Watson Discovery 的閱讀理解功能中包含的機器學習、自然語言功能等人工智能工具已經發展到了能夠理解非結構化數據和流程的程度，可以幫助組織發現雜亂數據中的規律和機會，減輕人工讀取和分析數據的工作量。  

然后，根據數據制定可行的決策成為一種明確的方法論，諸如 IBM Operational Decision Manager 這類注入了人工智能的工具就可以在業務和 IT 運營過程中執行決策，其速度和規模遠遠超過傳統的自動化。根據決策采取行動在很大程度上屬于一個經過驗證的可靠技術領域，如機器人流程自動化 (RPA)，但是，有了人工智能的加持，它的影響范圍將大大擴展。

RPA 不再像以前那樣只是將簡單的單項任務自動化，而是能夠將整個系統和工作流程進行數字化。為了充分實現 AI 驅動的自動化平臺 (AI-Powered Automation) 在發現、決策和行動方面的優勢，必須不斷進行優化，運用諸如 Watson AIOps 等工具，利用新洞察來自動地強化業務和 IT 運營，從被動應對轉變為主動預測、積極行動。 

客戶案例

這種“發現、決策、行動和優化”的方法讓我們能夠了解客戶在自動化過程中所處的位置，找到更快實現商業價值的途徑，例如：

新奧集團股份有限公司是中國的一家綠色能源企業。新冠肺炎疫情爆發時，新奧開始遠程辦公。為了響應突然海量涌入的員工對 IT 服務坐席的幫助請求，公司實施了一項虛擬助手 (運用 IBM Watson Assistant 等工具) 解決方案。在設置完成后的半天之內，虛擬助手就幫助數千名員工獲得了遠程辦公所需的技術，這在以前需要花費數天或數周時間。  新奧還在 IBM RPA 技術的基礎上啟動了處理后臺任務的自動化財務助手，將處理時間減少了 60%，節省了數百萬美元。

Turkcell 是土耳其的一家移動電話運營商。Turkcell 使用人工智能加持的 IBM Datacap OCR（光學字符識別）解決方案在六個月內處理了 1500萬份客戶合同，節省了人工成本，降低了合規風險。如果使用以前的方法，大概需要 20名員工花費兩年時間才能完成這項任務。

美國東南部某州的法院行政辦公室運用 AI 驅動的自動化平臺 (AI-Powered Automation) 將訴訟處理速度提高了 77%，輕松應對不斷增長的案件量——目前該法院每年要受理大約 135,000 件訴訟案。