75 人工智能机器人和AI崛起服务型经济的春天来了.docx

75 人工智能机器人和AI崛起服务型经济的春天来了.docx

《75 人工智能机器人和AI崛起服务型经济的春天来了.docx》由会员分享，可在线阅读，更多相关《75 人工智能机器人和AI崛起服务型经济的春天来了.docx（17页珍藏版）》请在冰豆网上搜索。

75人工智能机器人和AI崛起服务型经济的春天来了

【人工智能】机器人和AI崛起，服务型经济的春天来了

BCG波士顿询问

微信号ai-cps

功能引见OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：

外形感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。

2017-12-25原文

收录于话题

来源：

BCG波士顿询问 授权转载

导读

机器人流程自动化（RPA）和人工智能（AI）过去一直被视作相互独立的两个领域——RPA支持者认为AI不有用，而AI爱好者认为RPA太原始——但实际上二者高度互补，相当于大脑和肌肉的关系。

企业能够利用RPA实现速赢，同时引进AI战略以实现长期效益和持续优化。

同

时利用RPA和AI的做法对服务行业尤为适用，这里的服务行业包括银行、保险和电信等服务行业，也包括财务、人力资源和IT等企业支持性职能部门。

但是，同其他技术一样，RPA和AI并非万能，但若能将二者系统化地使用于流程及服务组织，则有助于提高产能并产生洞察。

要做到这一点，企业需要制定清楚的业务目标，并确定RPA和AI在全体优化工作中扮演的角色。

另外，企业在引进这两项技术时需要制定清楚的变革管理方案，以应对这些技术对组织和运营部门以及员工带来的冲击，避开员工感遭到机器人和其他变革性技术的威逼。

自动化：

机器人的崛起

最近几年，RPA大获服务型企业的欢迎。

通过利用该工具，企业能够用软件机器人替代过去需要人工操作的计算机活动，这些机器人能够打开电子表和数据库、在程序之间拷贝数据、比较信息材料以及执行其他日常任务。

RPA最适用于基于规章的反复性流程，而这类流程遍及于多个IT系统。

RPA几乎就是添加型的宏技术功能。

与人类相比，这些机器人具备多项优势：

全天候运转、极少犯错、接受新任务、易于监控且运转速度是人类的五倍。

通常，这些机器人能够在一年内收回成本，并挂念企业节省20%-80%的开支，具体节省幅度取决于被替代的人工操作的工作量和简约度。

RPA能够掩盖于现有IT系统之上，且安装时间短、成本低。

但是，RPA的推广假如无合理规划，会导致临时处理方案众多，进而威逼到整个IT架构和完整性。

那么，RPA何以成为很多服务型企业的关注焦点呢？

首先，供应商能够供应强大且易于操作的“即时拖放型”RPA软件；其次，企业的使用架构仍过于简约，需要太多的人工操作。

为简化并加速流程，很多企业部署了成百上千个软件机器人。

例如，某电信公司使用机器人将所谓的“旋转椅流程”自动化。

过去，该流程需要员工在多个后台遗留系统之间反复转换，而现在机器人能够挂念核实合同条款并管理外勤服务人员。

RPA在部署后的一年内能够带来高于成本一倍的报答，在其次年内能带来高于成本两至三倍的报答。

除了带来上述效益，机器人的引进也给电信公司带来了挑战：

IT系统要求机器人输入员工验证码；在工会对失业问题表示担忧后，电信公司对受影响的员工重新支配工作。

RPA更大的缺陷在于软件机器人只会恪守规章，不会学习或改进。

当规章与现实冲突或发生特殊大事时，需要人工干涉。

某领先家具零售商使用RPA支配送货时间，并将多人同时预订等特殊大事交由呼叫中心坐席人员处理。

在处理特殊大事时，机器人为坐席人员供应完整的历史订单并自动拨号，让坐席人员做好充分预备，随时与客户沟通。

虽然机器人的运转速度比人快，但远远比不上完全自动化的流程。

例如，机器人需要打开并登录使用，而自动化程度更高的流程则能够通过系统层面的打通，愈加快速的处理任务。

鉴于RPA的种种局限，很多企业打算探寻更具雄心的处理方案，也就是AI。

AI：

当计算机学会观看、讲话和思考时

作为计算机灵能化的代名词，AI的表现已达到全新的高度，并在业务流程、互动和产品中的使用日益增多。

计算机能够处理言语并保留学问，进而与人类进行深化、顺畅的沟通。

计算机还学会了“观看”，能够从虚拟世界走向真实世界。

全部这些力气对企业将来竞争优势影响深远，而从短期来看，AI至少能够改善三类服务：

∙数量少时简约，但数量多时繁杂的任务。

其中一个例子就是非结构化数据分类，包括从发票中提取信息。

来件转发以及姓名地址核对也属于该类任务。

∙人类无法轻易完成的任务。

该类任务包括信誉评分、欺诈检测和高频算法证券买卖。

人类在处理该类任务以及对待特殊情况时依靠于规章，并需要完成一系列繁琐的流程，而这个过程极其缓慢。

例如，银行在阻遏潜在欺诈性买卖时需要快速做决策，而等到人做完决策，买卖或许早已受理完成。

而机器则不同，其举动速度以微秒计算，且能够通过处理不断膨胀的信息量进行持续学习和改善。

∙需要人类互动和/或专业学问的任务。

该类任务包括客服中心与客户的沟通，以及为客户供应法律建议等。

例如，通过遵照一系列规章，或通过观看进而替代人类律师的争辩、合规和简约的询问工作，机器能够监测客户的合规情况。

上述分类并非完善，由于机器的“思考”方式不同于人类，导致前两类任务——代表大多数工作——之间的界限很模糊，但该分类能够为企业服务中的AI使用奠定基础。

很多企业面临AI挑战。

通过处理越来越多的数据，机器能够进行归纳性学习，但这种学习过程不会自发进行，而是需要人类对算法进行训练。

企业在缺乏AI力气的情况下，通常会求助于供应商，而供应商有时候会过度推销本人的AI产品，最终导致企业的AI试点项目失败（参阅MIT斯隆管理评论2017年发布的报告《人工智能重塑企业：

弥合目标与举动之间的差距》）。

为克服该挑战，某大型保险公司从供应商之外寻求建议，从而了解哪些自动化和AI项目最具有潜力。

该公司评估了劳动力和理赔成本、欺诈或超额索赔案件识别力气以及处理该索赔案件对客户关系的影响，同时也明确了运营和IT需求，尤其是新旧系统契合度，并分析了从传统基于规章的方法到先进AI算法的一系列处理方案。

最终，该保险公司打算成立一支内部AI专家团队，担当为某些领域开发透亮     的算法学习处理方案，而放弃更先进的深度学习方案。

该公司表示，对很多其他领域而言，传统的规章驱动型自动化就已足够。

AI使用不限于金融服务，而是适用于全部行业。

通过利用AI，零售商和消费品公司能够为客户供应共性化产品，B2B公司能够更无效地进行交叉销售，而工业品公司能够供应预见性维护服务。

各类企业均能在风险与合规管理以及IT平安事务中运用AI。

自动化与智能的结合

很多服务型企业开头生疏到将RPA与AI结合的优势。

通过这种结合，企业既能快速回收RPA成本，又能发挥AI的巨大潜力。

这种做法最适合拥有大规模遗留系统的企业，例如金融服务和电信行业，或者企业的人力资源和财务部门。

员工可以同时利用RPA和AI来优化服务流程。

对规章驱动型流程的人工干涉标志着从自动化到人工智能的自然转移。

例如，机器人能够利用光学符号识别技术，将数字化文本发送给人类员工，让人类员工对文本中的日期、地址和主题等信息进行分类。

久而久之，AI系统将能够接手此分类工作，随着系统不断改善，人工操作将被渐渐替代（参阅图1）。

例如，亚洲某银即将自动化与人工智能相结合，期望以此改善客户体验、加强风险与合规管理并削减成本。

该银行已经将很多独立流程数字化，因此而削减了员工数量，但并未就此止步不前。

为取代人工操作，银行安装了能够即时学习的RPA和AI系统，该系统能够将不确定如何处理的任务转交给人类员工。

仅四周内，AI系统就达到了50%的精确     度，并最终超越了人类员工。

通过上述自动化和智能转型，银即将成本削减了20%，并将某些流程的时长从几天缩减到了几分钟。

此外，银行还积累了自动化和AI模块数据，能够在其他场景中反复利用。

从经济角度而言，将全部的服务自动化并非合理之举。

但是，即便是在更为简约的情况下，企业也能通过对某些活动进行预处理，将人类工作量降低80%，甚至更多。

预备举动

企业在引进自动化和人工智能时要做到条理清楚并考虑周全，避开掉入供应商设下的圈套或犯下常见的错误（参阅图2）。

价值制造离不开战略。

企业需要对自动化和人工智能的风险和报答有着客观的见解，并对本身目标有着清楚的生疏。

全体RPA和AI战略及目标制定该当服务于重点业务的进展，并反映出企业对新兴科技的成熟度和颠覆潜力的清楚生疏。

进步离不开设定优先目标。

企业需要客观评估RPA和AI项目的当前进展，并全面查找机遇。

企业还需要分析如何利用内部和外部数据，并发挥智能机器的速度和规模。

为避开短视，分析工作不能凭空开展，而是要根基于企业正在进行的一系列效率改善和其他优化工作。

在设定工作优先级时，一种合理的做法就是用热点图捕获分布于各类相关产品和流程的RPA和AI机遇，用绘图的方式交叉对比业务价值和技术可行性。

企业应首先找到改进潜力最大的领域，然后客观评估当前各项技术的力气。

除此以外，企业在执行过程中还要实行端到端视角。

例如，某企业急于将一些零散的工作自动化，却不晓得这种做法既不会削减员工数量，也不会改善企业绩效。

成功离不开试点。

企业在设计试点项目时要记住，完善并非来自实践，而是来自完善的实践。

假如企业只是随机开展试点，就可能会从中吸取错误的教训。

例如，某企业没有实行端到端做法，导致其在价值链两头安装的机器人给前后端构成了很大负担。

实现目标离不开路线图。

企业应从优先级的设定和试点运转中猎取洞察，并将洞察组合起来制定一张全面的RPA和AI路线图。

我们总是会看到，一些试验由于缺乏透亮     度、无效的协调和教导而无法达到期望值。

企业制定的时间表和方案需要全面考虑技术、组织、人员和运营模式的根本变化。

项目发起人——最好是高层领导——应对转型工作进行监督，由于成功始于高层。

成功离不开数据与技术的整合。

在遗留系统的基础上安装简约的RPA系统是一件很简约的事情，但是随着自动化和智能程度添加，系统安装难度也会提高。

企业必需确保新系统能够与呼叫中心和其他服务中心无缝整合，企业还需要成立绩效中心来管理全体自动化和人工智能活动。

并且，随着企业向AI迈进，它需要猎取大量内部和外部数据。

鉴于外部供应商供应整合的力气层次不齐，企业有必要对外部供应商进行深化评估。

自动化和AI的使用离不开新的运营和管理模式。

自动化和人工智能转变了企业的工作性质和盈利格局，进而对服务的组织和交付方式带来了深刻的影响。

虽然有人声称自动化减弱了共享服务中心的重要性，但它照旧是企业运作中的重要一环。

过去，很多共享服务中心位于工资水平较低的地区，目的是利用劳动力套利；将来，共享服务中心的职责将变得更具战略性，更倾向于数字化力气建设、客户服务、数据分析和决策支持。

从宏观角度而言，企业AI使用的衰亡会冲击传统组织架构和流程设置。

由于持续学习成为了人机互动的主题，职能和技术团队不得不实行灵敏工作方法以加强合作。

AI和灵敏性的本质均为迭代，对它们而言，任何产品和流程均为连续的循环。

算法从过去的成果中吸取阅历，而灵敏团队从过去的快速原型设计和反馈中猎取教训。

最终，企业或许会向“自动化和智能化第一”的方向前进，一如已经多渠道话题中的“移动第一”口号。

这种对绩效和效率的不懈追求将释放劳动力，让更多人参与下一轮的服务改进工作。

自动化和AI的成功离不开变革管理和力气建设。

自动化和人工智能的引进必定会遇到妨碍。

在自动化和人工智能的使用过程中，企业可能会面临来自员工和高管的阻遏，由于员工会担忧保不住饭碗，而高管会满足于现状。

最终，员工和高管都会生疏到，要抓住不断更替的机遇，就需要把握新技能。

即便不会威逼员工就业，企业在引进自动化和人工智能时也会面临挑战，由于管理者不生疏如何同时管理人与机器。

企业或许懂得如何向员工传播变革，但不愿定能够处理员工在