 |
北京2022年9月7日 /美通社/ -- 隨著未來工作方式的日益數(shù)字化和AI驅(qū)動(dòng)的自動(dòng)化，全球?qū)⒓铀俨捎弥悄軘?shù)字員工，從而為人類員工提供支持。
根據(jù)麥肯錫高管調(diào)查I. 顯示，企業(yè)紛紛將其各環(huán)節(jié)業(yè)務(wù)實(shí)現(xiàn)數(shù)字化的時(shí)間，提前了三到四年，從內(nèi)部運(yùn)營、供應(yīng)鏈到與客戶互動(dòng)。 同時(shí)，這些企業(yè)將數(shù)字產(chǎn)品加入產(chǎn)品組合的時(shí)間，也比疫情前的預(yù)期提早了大約七年。
面對諸多的范式轉(zhuǎn)變，比如大辭職潮、技能短缺、供應(yīng)鏈中斷、居家辦公、無接觸客戶體驗(yàn)以及敏捷流程的重新設(shè)計(jì)，企業(yè)如何保持活力、彈性和高效從而快速適應(yīng)這個(gè)嶄新的時(shí)代？ IBM 認(rèn)為，采用由自動(dòng)化和 AI 驅(qū)動(dòng)的數(shù)字員工是主要的應(yīng)對解方。
什么是數(shù)字員工？
數(shù)字員工搭載了最前沿的AI和自動(dòng)化技術(shù)，通過與人類員工協(xié)作，自動(dòng)執(zhí)行日常任務(wù)，并增強(qiáng)人類員工的決策能力。
IBM 研究院一直致力于打造前沿自動(dòng)化工具，不僅用于支持?jǐn)?shù)據(jù)科學(xué)家和工程師，通過數(shù)字員工，這些自動(dòng)化工具還可以廣泛的支持整個(gè)業(yè)務(wù)運(yùn)營中的任何主題或領(lǐng)域?qū)＜摇?/p>
在某些領(lǐng)域，數(shù)字員工可以承擔(dān)一系列傳統(tǒng)工作角色的任務(wù)。 例如，負(fù)責(zé)"應(yīng)付賬款"的數(shù)字員工可以自主執(zhí)行三個(gè)傳統(tǒng)工作角色的部分任務(wù) —— 客服代表、計(jì)費(fèi)代理以及現(xiàn)金申請或糾紛調(diào)解，幫助完成從訂單到現(xiàn)金的整個(gè)流程。 由于數(shù)字員工拓展了員工隊(duì)伍的工作能力，因此企業(yè)可以更好的將人力資源合理分配到更具戰(zhàn)略性的崗位。
如何打造數(shù)字員工隊(duì)伍?
IBM 研究院一直致力于組建一支卓有成效的數(shù)字員工隊(duì)伍。為實(shí)現(xiàn)這個(gè)目標(biāo)，我們創(chuàng)建了增強(qiáng)型業(yè)務(wù)流程管理系統(tǒng) Augmented Business Process Management Systems (ABPMS)， 它是由AI驅(qū)動(dòng)、可信賴且具備流程感知能力的信息系統(tǒng)，可以在設(shè)置和假設(shè)的范圍內(nèi)對數(shù)據(jù)進(jìn)行推理和操作，根據(jù)一個(gè)或多個(gè)性能指標(biāo)，不斷的調(diào)整和改進(jìn)業(yè)務(wù)流程。
IBM 研究院聯(lián)合多家業(yè)務(wù)流程領(lǐng)域的領(lǐng)先學(xué)術(shù)機(jī)構(gòu)發(fā)布了一份增強(qiáng)型業(yè)務(wù)流程宣言，其中概述了系統(tǒng)需要實(shí)現(xiàn)哪些轉(zhuǎn)變才能真正被視為數(shù)字員工。 這些轉(zhuǎn)變必須包括：
未來的工作方式，離不開科技創(chuàng)新
自2019年以來，IBM 研究院的自動(dòng)化團(tuán)隊(duì)一直致力于構(gòu)建基于自動(dòng)化和AI的新技術(shù)，這些技術(shù)可以模仿人類工作者的能力，并為未來的數(shù)字勞動(dòng)力提供信息，使機(jī)器和人類同事能夠更智能地開展協(xié)作。 IBM 的最新產(chǎn)品Watson Orchestrate體現(xiàn)了我們的愿景和技術(shù)進(jìn)步。
為了打造智能卓越的數(shù)字員工，我們制定了雙重戰(zhàn)略：
智能編排與AI規(guī)劃
在自動(dòng)化方面，企業(yè)用戶可以確定一個(gè)目標(biāo) (例如，批準(zhǔn)貸款申請或處理保險(xiǎn)索賠) ，使用自然語言進(jìn)行描述，然后交由我們的算法來理清實(shí)現(xiàn)該目標(biāo)所需的邏輯步驟。IBM 使用的其中一個(gè)方法叫做AI規(guī)劃，它屬于AI的一個(gè)子領(lǐng)域，可以創(chuàng)建和應(yīng)用復(fù)雜的操作序列，最終通過可解釋的方式實(shí)現(xiàn)目標(biāo)。智能編排通過模塊化組件實(shí)現(xiàn)可組合性、可重用性和動(dòng)態(tài)性。
AI規(guī)劃在本質(zhì)上具有明顯的不確定性，這意味著AI可以幫助員工確定分步前進(jìn)的路徑。如果有意外情況出現(xiàn)， 通過創(chuàng)建能夠考慮意外情況的系統(tǒng)，我們可以采用傳統(tǒng)的確定性工作流程或排序系統(tǒng)所無法做到的方式，幫助業(yè)務(wù)運(yùn)營保持靈活性。
這種智能編排可以改善Watson Orchestrate的運(yùn)行時(shí)體驗(yàn)，使數(shù)字員工能夠與人類員工協(xié)作執(zhí)行各種任務(wù)。
通過輕松轉(zhuǎn)變現(xiàn)有 API 來引導(dǎo)新功能
Watson Orchestrate需要模塊化的編排技能。 然而，對業(yè)務(wù)線人員的培訓(xùn)技能過程繁瑣且耗時(shí)，并且需要的編程能力可能會超出業(yè)務(wù)線人員通常所具備的能力范圍。
為此，IBM 研究院創(chuàng)建了多個(gè)技術(shù)解決方案來解決這些問題，通過利用可訪問的API來自動(dòng)執(zhí)行工作流程，其中的方法包括利用深度學(xué)習(xí)模型和業(yè)務(wù)知識來生成技能培訓(xùn)資料。
構(gòu)建數(shù)字員工隊(duì)伍，有哪些挑戰(zhàn)？
挑戰(zhàn)一：企業(yè)開發(fā)人才缺乏怎么辦？
除了應(yīng)用自動(dòng)化與AI技術(shù)之外，構(gòu)建一個(gè)數(shù)字員工隊(duì)伍，還有更多的工作要做。 尤其要解決開發(fā)人才數(shù)量有限的問題。 由于缺乏具備專門技術(shù)技能的資源，許多IT項(xiàng)目淪為"待定"文件。 因此，運(yùn)營效率低下的問題仍然存在，而企業(yè)保持競爭力的關(guān)鍵因素即上市速度也會受到影響。
解決這一挑戰(zhàn)的可行解決方案就是眾所周知的低代碼/無代碼 (LCNC) 開發(fā)。 LCNC 平臺的用戶界面可以自動(dòng)執(zhí)行開發(fā)過程的各個(gè)方面，消除對傳統(tǒng)計(jì)算機(jī)編程技能的依賴。 LCNC降低了技能障礙，特別是對于沒有正式編碼經(jīng)驗(yàn)的業(yè)務(wù)人員和領(lǐng)域?qū)＜遥绶治鰩熁蝽?xiàng)目經(jīng)理。
不過，專業(yè)開發(fā)人員和非技術(shù)人員都可以從核心功能中獲益，例如可視化集成開發(fā)環(huán)境 (IDE) 、圖形用戶界面、內(nèi)置數(shù)據(jù)連接器、APIs和預(yù)置的模板。 通過NLP、語音和視覺識別實(shí)現(xiàn)的多模態(tài)交互，以及通過本體和基礎(chǔ)模型提供的語義知識，是下一代低代碼/無代碼開發(fā)和用戶體驗(yàn)的關(guān)鍵支持因素。
挑戰(zhàn)二：如何確保數(shù)字員工透明、可信賴？
另一個(gè)持續(xù)的挑戰(zhàn)是，需要借助AI可解釋性來確保數(shù)字員工值得信賴。 具體到自動(dòng)化，我們必須確保在以下方面的透明度和公平性，包括系統(tǒng)如何學(xué)習(xí)、記住偏好、充分推理以及為實(shí)現(xiàn)用戶目標(biāo)而采取行動(dòng)。 應(yīng)對這個(gè)挑戰(zhàn)的一種方法是提供情境感知解釋，這些解釋會考慮整體情境做出選擇，例如從用戶目標(biāo)和假設(shè)角度考慮。
針對這一需求，IBM 最近在進(jìn)行的研究包括 IBM's AI Model Explorer and Editor （ AIMEE），此工具允許創(chuàng)建可解釋的、基于規(guī)則的模型，將規(guī)則變?yōu)槟Ｐ停蛘哂糜谑菇K端用戶更好地了解機(jī)器學(xué)習(xí)模型所學(xué)習(xí)的決策制定條件。
數(shù)字員工具有改變我們工作方式和提高混合員工隊(duì)伍整體生產(chǎn)力的巨大潛力。但要想成功受益于數(shù)字員工，企業(yè)必須采用AI和自動(dòng)化技術(shù)，以幫助節(jié)省時(shí)間和成本，支持更多關(guān)鍵型任務(wù)。
