 |
北京2022年9月7日 /美通社/ -- 隨著未來工作方式的日益數字化和AI驅動的自動化，全球將加速采用智能數字員工，從而為人類員工提供支持。
根據麥肯錫高管調查I. 顯示，企業(yè)紛紛將其各環(huán)節(jié)業(yè)務實現數字化的時間，提前了三到四年，從內部運營、供應鏈到與客戶互動。 同時，這些企業(yè)將數字產品加入產品組合的時間，也比疫情前的預期提早了大約七年。
面對諸多的范式轉變，比如大辭職潮、技能短缺、供應鏈中斷、居家辦公、無接觸客戶體驗以及敏捷流程的重新設計，企業(yè)如何保持活力、彈性和高效從而快速適應這個嶄新的時代？ IBM 認為，采用由自動化和 AI 驅動的數字員工是主要的應對解方。
什么是數字員工？
數字員工搭載了最前沿的AI和自動化技術，通過與人類員工協作，自動執(zhí)行日常任務，并增強人類員工的決策能力。
IBM 研究院一直致力于打造前沿自動化工具，不僅用于支持數據科學家和工程師，通過數字員工，這些自動化工具還可以廣泛的支持整個業(yè)務運營中的任何主題或領域專家。
在某些領域，數字員工可以承擔一系列傳統(tǒng)工作角色的任務。 例如，負責"應付賬款"的數字員工可以自主執(zhí)行三個傳統(tǒng)工作角色的部分任務 —— 客服代表、計費代理以及現金申請或糾紛調解，幫助完成從訂單到現金的整個流程。 由于數字員工拓展了員工隊伍的工作能力，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。
如何打造數字員工隊伍?
IBM 研究院一直致力于組建一支卓有成效的數字員工隊伍。為實現這個目標，我們創(chuàng)建了增強型業(yè)務流程管理系統(tǒng) Augmented Business Process Management Systems (ABPMS)， 它是由AI驅動、可信賴且具備流程感知能力的信息系統(tǒng)，可以在設置和假設的范圍內對數據進行推理和操作，根據一個或多個性能指標，不斷的調整和改進業(yè)務流程。
IBM 研究院聯合多家業(yè)務流程領域的領先學術機構發(fā)布了一份增強型業(yè)務流程宣言，其中概述了系統(tǒng)需要實現哪些轉變才能真正被視為數字員工。 這些轉變必須包括：
未來的工作方式，離不開科技創(chuàng)新
自2019年以來，IBM 研究院的自動化團隊一直致力于構建基于自動化和AI的新技術，這些技術可以模仿人類工作者的能力，并為未來的數字勞動力提供信息，使機器和人類同事能夠更智能地開展協作。 IBM 的最新產品Watson Orchestrate體現了我們的愿景和技術進步。
為了打造智能卓越的數字員工，我們制定了雙重戰(zhàn)略：
智能編排與AI規(guī)劃
在自動化方面，企業(yè)用戶可以確定一個目標 (例如，批準貸款申請或處理保險索賠) ，使用自然語言進行描述，然后交由我們的算法來理清實現該目標所需的邏輯步驟。IBM 使用的其中一個方法叫做AI規(guī)劃，它屬于AI的一個子領域，可以創(chuàng)建和應用復雜的操作序列，最終通過可解釋的方式實現目標。智能編排通過模塊化組件實現可組合性、可重用性和動態(tài)性。
AI規(guī)劃在本質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的路徑。如果有意外情況出現， 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)務運營保持靈活性。
這種智能編排可以改善Watson Orchestrate的運行時體驗，使數字員工能夠與人類員工協作執(zhí)行各種任務。
通過輕松轉變現有 API 來引導新功能
Watson Orchestrate需要模塊化的編排技能。 然而，對業(yè)務線人員的培訓技能過程繁瑣且耗時，并且需要的編程能力可能會超出業(yè)務線人員通常所具備的能力范圍。
為此，IBM 研究院創(chuàng)建了多個技術解決方案來解決這些問題，通過利用可訪問的API來自動執(zhí)行工作流程，其中的方法包括利用深度學習模型和業(yè)務知識來生成技能培訓資料。
構建數字員工隊伍，有哪些挑戰(zhàn)？
挑戰(zhàn)一：企業(yè)開發(fā)人才缺乏怎么辦？
除了應用自動化與AI技術之外，構建一個數字員工隊伍，還有更多的工作要做。 尤其要解決開發(fā)人才數量有限的問題。 由于缺乏具備專門技術技能的資源，許多IT項目淪為"待定"文件。 因此，運營效率低下的問題仍然存在，而企業(yè)保持競爭力的關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執(zhí)行開發(fā)過程的各個方面，消除對傳統(tǒng)計算機編程技能的依賴。 LCNC降低了技能障礙，特別是對于沒有正式編碼經驗的業(yè)務人員和領域專家，如分析師或項目經理。
不過，專業(yè)開發(fā)人員和非技術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、內置數據連接器、APIs和預置的模板。 通過NLP、語音和視覺識別實現的多模態(tài)交互，以及通過本體和基礎模型提供的語義知識，是下一代低代碼/無代碼開發(fā)和用戶體驗的關鍵支持因素。
挑戰(zhàn)二：如何確保數字員工透明、可信賴？
另一個持續(xù)的挑戰(zhàn)是，需要借助AI可解釋性來確保數字員工值得信賴。 具體到自動化，我們必須確保在以下方面的透明度和公平性，包括系統(tǒng)如何學習、記住偏好、充分推理以及為實現用戶目標而采取行動。 應對這個挑戰(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，例如從用戶目標和假設角度考慮。
針對這一需求，IBM 最近在進行的研究包括 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器學習模型所學習的決策制定條件。
數字員工具有改變我們工作方式和提高混合員工隊伍整體生產力的巨大潛力。但要想成功受益于數字員工，企業(yè)必須采用AI和自動化技術，以幫助節(jié)省時間和成本，支持更多關鍵型任務。
