正文内容 评论(0)
随着未来工作方式的日益数字化和AI驱动的自动化,全球将加速采用智能数字员工,从而为人类员工提供支持。
根据麦肯锡高管调查显示,企业纷纷将其各环节业务实现数字化的时间,提前了三到四年,从内部运营、供应链到与客户互动。 同时,这些企业将数字产品加入产品组合的时间,也比疫情前的预期提早了大约七年。
面对诸多的范式转变,比如大辞职潮、技能短缺、供应链中断、居家办公、无接触客户体验以及敏捷流程的重新设计,企业如何保持活力、弹性和高效从而快速适应这个崭新的时代? IBM 认为,采用由自动化和 AI 驱动的数字员工是主要的应对解方。
什么是数字员工?
数字员工搭载了最前沿的AI和自动化技术,通过与人类员工协作,自动执行日常任务,并增强人类员工的决策能力。
· 过去需要数小时的工作,现在数字员工几分钟内就能完成。
· 数字员工可以发送电子邮件、安排会议、筛选简历或批准贷款。
· 作为人机交付的界面,与人类员工日常使用的应用程序和工具之间实现无缝工作。 他们的工作经验越多,就会越聪明。
IBM 研究院一直致力于打造前沿自动化工具,不仅用于支持数据科学家和工程师,通过数字员工,这些自动化工具还可以广泛的支持整个业务运营中的任何主题或领域专家。
在某些领域,数字员工可以承担一系列传统工作角色的任务。 例如,负责"应付账款"的数字员工可以自主执行三个传统工作角色的部分任务 —— 客服代表、计费代理以及现金申请或纠纷调解,帮助完成从订单到现金的整个流程。 由于数字员工拓展了员工队伍的工作能力,因此企业可以更好的将人力资源合理分配到更具战略性的岗位。
如何打造数字员工队伍?
IBM 研究院一直致力于组建一支卓有成效的数字员工队伍。为实现这个目标,我们创建了增强型业务流程管理系统 Augmented Business Process Management Systems (ABPMS),它是由AI驱动、可信赖且具备流程感知能力的信息系统,可以在设置和假设的范围内对数据进行推理和操作,根据一个或多个性能指标,不断的调整和改进业务流程。
IBM 研究院联合多家业务流程领域的领先学术机构发布了一份增强型业务流程宣言,其中概述了系统需要实现哪些转变才能真正被视为数字员工。 这些转变必须包括:
· 模拟人类员工,独立主动的执行任务
· 必要时以对话方式与人类无缝交互
· 适应环境中的变化并动态作出反应
· 自我改进以确保实现目标的最优结果
· 可解释以确保值得信赖,从而保障与人类员工的合作
未来的工作方式,离不开科技创新
自2019年以来,IBM 研究院的自动化团队一直致力于构建基于自动化和AI的新技术,这些技术可以模仿人类工作者的能力,并为未来的数字劳动力提供信息,使机器和人类同事能够更智能地开展协作。 IBM 的最新产品Watson Orchestrate体现了我们的愿景和技术进步。
为了打造智能卓越的数字员工,我们制定了双重战略:
智能编排与AI规划
在自动化方面,企业用户可以确定一个目标 (例如,批准贷款申请或处理保险索赔) ,使用自然语言进行描述,然后交由我们的算法来理清实现该目标所需的逻辑步骤。IBM 使用的其中一个方法叫做AI规划,它属于AI的一个子领域,可以创建和应用复杂的操作序列,最终通过可解释的方式实现目标。智能编排通过模块化组件实现可组合性、可重用性和动态性。
AI规划在本质上具有明显的不确定性,这意味着AI可以帮助员工确定分步前进的路径。如果有意外情况出现, 通过创建能够考虑意外情况的系统,我们可以采用传统的确定性工作流程或排序系统所无法做到的方式,帮助业务运营保持灵活性。
这种智能编排可以改善Watson Orchestrate的运行时体验,使数字员工能够与人类员工协作执行各种任务。
通过轻松转变现有 API 来引导新功能
Watson Orchestrate需要模块化的编排技能。然而,对业务线人员的培训技能过程繁琐且耗时,并且需要的编程能力可能会超出业务线人员通常所具备的能力范围。
为此,IBM 研究院创建了多个技术解决方案来解决这些问题,通过利用可访问的API来自动执行工作流程,其中的方法包括利用深度学习模型和业务知识来生成技能培训资料。
构建数字员工队伍,有哪些挑战?
挑战一: 企业开发人才缺乏怎么办?
除了应用自动化与AI技术之外,构建一个数字员工队伍,还有更多的工作要做。尤其要解决开发人才数量有限的问题。由于缺乏具备专门技术技能的资源,许多IT项目沦为"待定"文件。因此,运营效率低下的问题仍然存在,而企业保持竞争力的关键因素即上市速度也会受到影响。
解决这一挑战的可行解决方案就是众所周知的低代码/无代码(LCNC)开发。 LCNC 平台的用户界面可以自动执行开发过程的各个方面,消除对传统计算机编程技能的依赖。 LCNC降低了技能障碍,特别是对于没有正式编码经验的业务人员和领域专家,如分析师或项目经理。
不过,专业开发人员和非技术人员都可以从核心功能中获益,例如可视化集成开发环境(IDE) 、图形用户界面、内置数据连接器、APIs和预置的模板。通过NLP、语音和视觉识别实现的多模态交互,以及通过本体和基础模型提供的语义知识,是下一代低代码/无代码开发和用户体验的关键支持因素。
挑战二: 如何确保数字员工透明、可信赖?
另一个持续的挑战是,需要借助AI可解释性来确保数字员工值得信赖。 具体到自动化,我们必须确保在以下方面的透明度和公平性,包括系统如何学习、记住偏好、充分推理以及为实现用户目标而采取行动。 应对这个挑战的一种方法是提供情境感知解释,这些解释会考虑整体情境做出选择,例如从用户目标和假设角度考虑。
针对这一需求,IBM 最近在进行的研究包括 IBM's AI Model Explorer and Editor ( AIMEE),此工具允许创建可解释的、基于规则的模型,将规则变为模型,或者用于使终端用户更好地了解机器学习模型所学习的决策制定条件。
数字员工具有改变我们工作方式和提高混合员工队伍整体生产力的巨大潜力。但要想成功受益于数字员工,企业必须采用AI和自动化技术,以帮助节省时间和成本,支持更多关键型任务。
了解有关 IBM 研究院如何推进自动化和AI的更多信息,请访问 IBM 研究院页面。