IBM報告解讀——人機交融：智能自動化如何改變業務運營模式

本文轉載自微信公眾號 IBM企業諮詢服務

邁入智能自動化時代

從 20 世紀 60 年代初開始，機器人幫助企業實現了流程自動化；如今，機器人具備了適應能力，可以隨著環境的變化改變自己的應對方式，自動化開始進入智能時代。

為了進一步了解企業在部署智能自動化技術方面的進展以及所採用的計劃和戰略，IBM 商業價值研究院與牛津經濟研究院合作開展調研，訪問了 550 位技術和運營高管。調研結果表明，智能自動化技術正逐漸成為主流，而企業高管們也開始認識到這些技術持續實現價值的潛力。76% 的受訪者一致認為，提高自動化水平將對運營效率產生積極影響。

構成智能自動化的各種技術和能力

? 自適應機器人 - 能夠處理物聯網數據和其他數據以進行學習並自主做出決策的機器人；

? 機器學習系統 - 藉助軟體，無需明確指令即可不斷學習、持續改進的系統；

? 自然語言處理 - 能夠理解人類說的話；

? 預測性分析 - 藉助統計演算法和機器學習預測結果的做法；

? 增強智能 - 模擬人類智能過程的技術。

哪些行業走在前列？

企業對智能自動化的採用率和投資重點往往與各行業的業務模式密切相關。一些行業走在了智能自動化的前列。

汽車製造企業往往關注於如何生產具有互聯繫統、駕駛員輔助功能甚至完全自主駕駛功能的汽車，因此他們是採用人工智慧和機器學習的先行者：36% 的汽車行業受訪者表示，這項技術已被應用到業務的部分或所有方面。汽車製造行業在機器人技術採用方面也遙遙領先，佔比達到 56%。

銀行和零售行業必須通過篩選客戶信息，幫助做出更準確的預測，提出更恰當的建議，因此這兩個行業中持同樣觀點的受訪者占 32%，緊隨汽車行業之後。

保險行業在使用預測性分析方面處於領跑地位，比例達到 47%，緊隨其後的是電信和汽車製造行業，比例分別為 43% 和 42%。

智能自動化技術投資預計將在未來數年帶來豐厚回報，在客戶服務、產品和服務優化以及質量控制等職能領域創造巨大業務價值。實際上，有些企業已經在這些領域實現了價值，提高效率和生產力是受訪者提到最多的回報。（見圖2）

（圖2）

「藉助認知計算，我們可以提供更優質的客戶服務，提高凈推薦成功率，同時降低運營成本，」ZUMATA 的首席執行官 Josh Ziegler 如是說。這家公司總部位於新加坡，主要為旅遊和運輸行業提供計算機服務。ZUMATA 的機器人可以幫助企業自動處理客戶來電，使用自然語言處理，請求用戶闡明問題，並作出適當的響應。

流程優化先於技術實施

自動化並非「即插即用」的解決方案：簡單地購買技術，打開機器開關，讓機器人運行業務，而無需人員干預，這是做不到的。在現實中，運用智能自動化要複雜得多，不可能畢其功於一役。

諸如雲計算、移動和物聯網技術等構建塊是部署智能自動化的重要先決條件，約有半數的受訪企業正在努力搭建技術基礎。然而，堅實的 IT 基礎只是智能自動化的起點。企業還必須重新思考員工需要具備的技能，並優化業務流程，以便為實現自動化做好準備。

舉例來說，想想如何使大多數公司每天都會收到的大量安全警報實現自動化。要消除警報傳遞和響應方面的人工干預，就需要對工作流程、職責和報告機製做出改變，而不僅僅是簡單地開啟機器。這就需要重新構思有待實現自動化的流程，重新調整員工的技能，在大規模部署之前進行技術原型設計 — 這實際上就是數字化重塑的過程。（見圖3）

（圖3）

我們的研究表明，許多受訪者還沒有做好準備，無法進行更廣泛的組織變革以及採用更先進的技術。雖然 60% 的受訪者已經重新設計了有待實現自動化的流程，但只有 47% 的受訪者對員工進行了有關人機合作的培訓，只有不到四分之一的受訪者在加大對自然語言處理的使用力度。

人機交融，為了智能自動化的明天

智能自動化的主要目的是豐富員工的技能、經驗和專業知識，拓寬員工的思路，從而提高他們的工作效率，幫助他們創造性地解決問題，打造更富有吸引力的工作方式。

印度初創公司 Signzy Technologies 開發了一種認知系統，可以閱讀和理解政府文件、法庭案件和財務記錄中的非結構化文本和圖像，並進行歸類。這項技術能夠發現欺詐和其他非法活動的模式，幫助金融機構更有效地緩解風險。由機器做出的決策可將銀行的身份驗證時間縮短 80%，將貸款審批和賬戶開立流程的耗時從兩周減至兩天。

在德國的奧斯納布呂克大學的認知科學研究所，研究人員正在開展一個項目，旨在預測和管理流感爆發。他們發現，社交媒體討論中包含諸多潛在線索，他們需要找到一種方法，高效地分析討論內容，幫助做出預測。研究人員開發了一種自然語言處理系統，用於對照核心知識體系進行即時的社交媒體分析，結合最新的研究成果，對流感疫情做出預測，並提出預防措施。

這種先進的決策能力是智能機器要實現的關鍵目標，決策質量和速度的提高是機器學習所帶來的最大好處之一。雖然，目前只有極少數企業運用機器學習做出決策，大多數自動化決策流程只用於處理常規或簡單的工作。然而，人們預計，未來三年，機器學習將帶來巨大收益，並且在某些決策領域使用這項技術的企業數量將大幅增加。

實現這些目標仍然任重道遠。超過 80% 的受訪者表示，員工需要培訓和鼓勵，以便能夠舒適自如地與智能機器協同工作，但大多數企業還沒有採取相關措施。此外，43% 的高管認為，技能和資源缺乏是妨礙他們採用自適應機器人的首要挑戰。（見圖4）

（圖4）

當人們可以和機器和諧相處時，自適應機器人才能真正變得成熟，並且由機器做出複雜的決策，可以讓員工投身於更具戰略意義的工作。

實現智能自動化的建議

智能自動化通過使用機器理解周圍環境、與人類及其他機器互動、學習獲得的經驗，並利用所學知識支持未來決策，來改變企業的運營組織模式以及從技術投資中獲益的方式。為實現這種轉變的價值，企業需要的不僅僅是技術投資，還必須培訓員工以全新方式與機器協同工作，同時重新設計業務流程，不斷進行優化，最終實現智能自動化，保持競爭力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！