流程优化是一门与文明本身一样古老的学科，直到最近，它还是人类独有的领域。但智能自动化是下一个前沿，它将为那些追求高投资回报率的组织带来无数好处。

随着人工智能及其子类别机器学习和深度学习能力的不断增强，计算机不仅可以自动执行重复过程，还可以通过搜索人类无法理解的大量数据来提出改进建议。

这种自动化有可能通过使组织从根本上重新设计其工作方式来提供突破性的投资回报率。

以 RPA 为基础的技术

端到端智能自动化建立在机器人流程自动化 (RPA) 的基础上，RPA 是一种快速增长的软件类别，可以自动化知识工作者的活动。 Gartner公司 估计今年全球机器人流程自动化软件市场价值将接近 2 亿美元，并将至少在 2024 年之前继续以两位数的年增长率增长。

如果没有智能自动化，许多知识型员工就会把大量时间花在无法实现自动化的例行任务上，因为自动化技术尚不存在。这些低价值工作大多涉及数据输入，例如将旧会计应用程序中的数字重新输入到新的企业资源规划系统中，或将打印表格上的数据传输到数据库中。

以处理抵押贷款申请为例。申请人通常提交大量银行和投资账户对账单以及手工填写的文件。这些信息必须输入到对贷款申请进行评分的软件中，这可能是一个手动密集且容易出错的过程。

组织尝试解决此类问题的一种技术是 RPA。借助 RPA，企业可以节省任务时间并获得更高的投资回报率，因为可以训练 RPA 软件代理（称为机器人）通过使用光学字符识别来自动完成大量细节工作，例如将打印的输入值转换为必要的输入表格。这些机器人还可以标记需要人工注意的异常情况，这一过程有时称为“转椅集成”。

通过智能自动化超越单个任务

RPA 具有很大的价值，但它往往局限于自动化单个任务，而不是端到端流程。RPA 还可能产生意想不到的副作用，即铺平道路，因为旧的、低效的流程可能会变得硬编码，因此更难改变。这就是智能自动化的用武之地。

通过结合使用人工智能、机器学习和端到端流程自动化，企业可以创建具有学习能力的智能工作流程，找到改进机会并加以实施。

让我们以贷款处理场景为例。假设该流程要求分析师在审查典型申请时检查 15 个不同的财务信息来源。机器学习算法可以分析数百万份先前的申请，例如，确定只有八个信息来源与贷款批准高度相关。然后它可以建议贷方减少他们需要检查的文件数量和决策所需的时间。

机器学习还可以精确定位流程中可能根本不必要的步骤。也许可以减少收集文件所需的人数，或者通过获得申请人访问电子账户的许可，可以自动检索某些记录。这些提高效率的机会往往被人类操作员忽视，因为他们太习惯于现有程序或缺乏设想替代方案的信息。当完整的端到端系统部署智能自动化时，工作流程将变得更有效率，企业将从其流程中获得更高的价值。

低代码方程

一旦领域专家掌握了流程改进的见解，他们就可以使用低代码编程工具来重新设计他们的工作。根据 福布斯技术委员会“低代码/无代码自动化的引入解决了这些问题，打破了障碍，使任何技能水平的团队都能无缝地管理 IT 运营。”

低代码工具很重要，因为流程优化很少是“一次性”的事情。从本质上讲，机器学习算法随着时间的推移会变得更加有效，这使得优化成为一个持续的过程。

低代码工具使参与业务流程的任何人都能够轻松建模和修改工作流。低代码平台还可以通过应用程序接口集成图像识别和语音响应等服务，使任何技能水平的开发人员都可以使用这些服务。

协作是实现智能自动化潜力的关键。流程设计人员可以跨部门协作，使用简单的拖放和可视化工具共同创建流程。专业开发人员和数据科学家可以查看底层逻辑和数据模型，以在需要时创建企业级应用程序。

享受智能自动化的好处

随着自助服务在客户参与中发挥越来越重要的作用，流程优化将变得更加重要。事实上，Gartner 预测 85% 的客户服务互动将从自助服务组件开始 到 2022 年，这一比例将从 48 年的 2019% 上升。

在原产地以数字方式捕获客户数据的能力为实现更大改进提供了机会。这就是迪拜市政府 几乎完全消除了纸张 在其运营过程中，为 300 多万居民创建了一个面向外部的门户网站。居民现在可以通过一个门户网站与政府机构互动，而不必访问多个部门来获取开办企业所需的签名。由于生成的数据是以数字方式捕获的，因此可以将其输入到机器学习模型中，以确定持续的流程改进。

随着智能自动化领域的进步不断获得关注，请记住，这些改进并不会消除对人类的需求；它们只是使人类能够花更多时间做只有他们才能做的工作。