 |
北(bei)京2022年9月7日 /美通(tong)社/ -- 隨著(zhu)未來工(gong)作方式的日(ri)益(yi)數字(zi)化和AI驅動(dong)的自動(dong)化，全球(qiu)將(jiang)加速采用(yong)智能數字(zi)員工(gong)，從而為人類(lei)員工(gong)提(ti)供支持。
根據麥肯錫高管調查I. 顯示，企業紛紛將其(qi)各環(huan)節業務(wu)實現(xian)數字化(hua)的時(shi)(shi)間，提(ti)(ti)前了三到四(si)年(nian)，從內部運營、供(gong)應鏈到與(yu)客戶互(hu)動。 同時(shi)(shi)，這些企業將數字產品加入產品組合的時(shi)(shi)間，也比疫情(qing)前的預期提(ti)(ti)早(zao)了大約七(qi)年(nian)。
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，自動執行日常任務，并增強人類員工的決策能力。
IBM 研究(jiu)院一直致(zhi)力于(yu)打造前(qian)沿(yan)自動化(hua)工具(ju)，不僅用于(yu)支持數(shu)(shu)據科(ke)學家和工程師，通過數(shu)(shu)字員工，這(zhe)些自動化(hua)工具(ju)還可以廣泛的支持整個業務運營中(zhong)的任何主題(ti)或領域專家。
在(zai)某些領(ling)域，數字員工(gong)(gong)(gong)可以(yi)(yi)承擔一(yi)系(xi)列傳(chuan)統(tong)工(gong)(gong)(gong)作角色(se)的(de)任務。 例(li)如，負責"應(ying)付賬款"的(de)數字員工(gong)(gong)(gong)可以(yi)(yi)自(zi)主執行三個傳(chuan)統(tong)工(gong)(gong)(gong)作角色(se)的(de)部(bu)分(fen)(fen)任務 —— 客服代表、計費代理(li)以(yi)(yi)及現金申(shen)請或糾紛調解，幫助完成從訂單到現金的(de)整個流(liu)程。 由于(yu)數字員工(gong)(gong)(gong)拓(tuo)展了員工(gong)(gong)(gong)隊(dui)伍的(de)工(gong)(gong)(gong)作能力，因此企(qi)業可以(yi)(yi)更(geng)好(hao)的(de)將(jiang)人力資源合理(li)分(fen)(fen)配到更(geng)具戰略(lve)性(xing)的(de)崗位。
如何(he)打造數(shu)字員工隊伍(wu)?
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，我們創建了增強型業務流程管理系統 Augmented Business Process Management Systems (ABPMS)， 它是由AI驅動、可信(xin)(xin)賴且具備流(liu)(liu)程感(gan)知能力的信(xin)(xin)息系統，可以在設置(zhi)和(he)假設的范圍(wei)內對數據進行推理和(he)操作，根(gen)據一個(ge)(ge)或多個(ge)(ge)性(xing)能指標，不斷的調整和(he)改進業務流(liu)(liu)程。
IBM 研(yan)究院(yuan)聯合(he)多家(jia)業(ye)務流程領域的領先學術機構發(fa)布了一份(fen)增強型業(ye)務流程宣言(yan)，其中概述了系統需要實現哪(na)些轉變(bian)才能真正被視為數(shu)字員工。 這些轉變(bian)必須包括：
未來的工(gong)作方式，離不開科技創新(xin)
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(ti)現了我們(men)的(de)愿景和技(ji)術(shu)進步。
為(wei)了打造智(zhi)能卓越的數字員工，我們制定了雙重戰(zhan)略：
智能編排與AI規劃
在自動化(hua)方(fang)(fang)面，企業(ye)用(yong)戶可(ke)(ke)(ke)以確定一個(ge)目(mu)標(biao) (例(li)如，批準貸款申請(qing)或處理(li)保險索賠) ，使(shi)用(yong)自然語言進行(xing)描述，然后交由我們的(de)算法來理(li)清實(shi)現該目(mu)標(biao)所(suo)需的(de)邏輯步驟。IBM 使(shi)用(yong)的(de)其中一個(ge)方(fang)(fang)法叫做(zuo)AI規劃，它(ta)屬(shu)于AI的(de)一個(ge)子領域，可(ke)(ke)(ke)以創建(jian)和(he)應用(yong)復雜的(de)操(cao)作序列(lie)，最終通過可(ke)(ke)(ke)解釋的(de)方(fang)(fang)式實(shi)現目(mu)標(biao)。智能編排(pai)通過模塊化(hua)組件實(shi)現可(ke)(ke)(ke)組合性(xing)、可(ke)(ke)(ke)重用(yong)性(xing)和(he)動態性(xing)。
AI規劃在本質上(shang)具有(you)(you)明顯(xian)的(de)(de)不確定性(xing)(xing)，這意(yi)(yi)味著AI可(ke)以幫助員工(gong)確定分步(bu)前進的(de)(de)路徑。如(ru)果有(you)(you)意(yi)(yi)外(wai)情(qing)況出(chu)現， 通過創建(jian)能(neng)夠考(kao)慮意(yi)(yi)外(wai)情(qing)況的(de)(de)系(xi)統，我們可(ke)以采(cai)用傳(chuan)統的(de)(de)確定性(xing)(xing)工(gong)作(zuo)流(liu)程或排序系(xi)統所無法(fa)做到的(de)(de)方式，幫助業務運(yun)營保持靈活性(xing)(xing)。
這種(zhong)智(zhi)能編排可(ke)以(yi)改善Watson Orchestrate的(de)運行(xing)時體驗，使數(shu)字(zi)員工能夠與人類員工協作執行(xing)各種(zhong)任務。
通過輕松轉(zhuan)變現有 API 來引導(dao)新功能
Watson Orchestrate需要模(mo)塊化的(de)編(bian)排技能(neng)(neng)(neng)。 然而，對(dui)業(ye)務線人員的(de)培(pei)訓技能(neng)(neng)(neng)過程(cheng)繁瑣(suo)且耗時(shi)，并且需要的(de)編(bian)程(cheng)能(neng)(neng)(neng)力可能(neng)(neng)(neng)會(hui)超(chao)出業(ye)務線人員通(tong)常所具(ju)備的(de)能(neng)(neng)(neng)力范圍(wei)。
為此(ci)，IBM 研究院創建了(le)多個技術解決(jue)方(fang)案來(lai)解決(jue)這些問題，通過利用(yong)可訪問的(de)API來(lai)自動執行工(gong)作流程，其中的(de)方(fang)法包括(kuo)利用(yong)深度學習模型和業務知識來(lai)生成技能培訓資料(liao)。
構建數字(zi)員工隊伍，有哪(na)些挑戰？
挑戰一：企業開發人才缺乏怎么辦？
除了應(ying)用(yong)自動化與AI技(ji)術(shu)之外，構建一個(ge)數(shu)字員工隊(dui)伍，還有(you)更多的(de)(de)工作要做。 尤其要解決開發(fa)人才數(shu)量有(you)限的(de)(de)問題(ti)。 由于缺乏具備專門技(ji)術(shu)技(ji)能(neng)的(de)(de)資(zi)源，許(xu)多IT項(xiang)目淪為"待定"文件。 因此，運營(ying)效率低下的(de)(de)問題(ti)仍然存在，而企業保持(chi)競爭(zheng)力(li)的(de)(de)關鍵因素即上市速度也會受到影響。
解決這一挑戰的可行解決方案就是眾所周知的低代碼/無代碼 (LCNC) 開發。 LCNC 平臺的(de)用戶界面(mian)可以自(zi)動執行開發過(guo)程的(de)各個方面(mian)，消除對傳統計算機編程技能的(de)依賴。 LCNC降低了技能障礙，特別是對于(yu)沒有正式(shi)編碼經驗(yan)的(de)業(ye)務人員和領域專家(jia)，如(ru)分(fen)析師或項目經理。
不過(guo)(guo)，專業開(kai)發人員和非技術人員都可以從核心功(gong)能中獲益(yi)，例如(ru)可視化集成開(kai)發環境 (IDE) 、圖形用(yong)(yong)戶(hu)界面、內(nei)置數(shu)據連接(jie)器、APIs和預置的(de)模(mo)(mo)板。 通過(guo)(guo)NLP、語音和視覺識別實(shi)現(xian)的(de)多模(mo)(mo)態交互，以及通過(guo)(guo)本體(ti)和基礎模(mo)(mo)型提(ti)供的(de)語義知識，是下一代(dai)(dai)(dai)低代(dai)(dai)(dai)碼(ma)/無(wu)代(dai)(dai)(dai)碼(ma)開(kai)發和用(yong)(yong)戶(hu)體(ti)驗的(de)關鍵支持(chi)因素。
挑戰二：如何確保數字員工透明、可信賴？
另一個持續的挑戰是，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。 應對這個挑戰的一種方法是提供情境感知解釋，這些解釋會(hui)考慮整(zheng)體情境做出選擇，例如從用戶(hu)目標(biao)和假(jia)設角(jiao)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(xu)創建可解(jie)釋(shi)的、基于規則的模型(xing)，將規則變(bian)為模型(xing)，或者用于使(shi)終(zhong)端用戶更好地了解(jie)機器學習模型(xing)所學習的決策制定條件。
數字員工具(ju)有改變(bian)我們工作方式和(he)(he)提(ti)高混合員工隊伍整體生產力的巨大潛(qian)力。但要(yao)想成功受益(yi)于(yu)數字員工，企業(ye)必須采用AI和(he)(he)自動化(hua)技術(shu)，以幫助(zhu)節省時間和(he)(he)成本，支持更多關鍵型任務。
