人工智能和自动化：企业领导者采用小规模解决方案以产生更大影响

尽管生成式人工智能和机器人技术现在受到了广泛关注，但一些企业忽视了炒作，而是专注于更有针对性的策略。

商业领袖认识到自动化正在改变公司的运营方式。希望自动化——无论是以机器人、机器学习还是人工智能（AI）的形式——将在不远的将来让我们所有人变得更有生产力。

然而，要实现自动化改善我们的工作生活这一点远非易事。尽管过去一年里人工智能的炒作声不绝于耳，但专家建议必须以谨慎和深思熟虑的方式探索新兴技术。

这当然是保险公司 Hastings Direct 首席信息官 Sasha Jory 正在采取的方法。虽然她的团队正在研究自动化中的“各种不同的事情”，但她说他们已经从探索中学到了宝贵的教训。

“我们通过自动化发现的一件事是，如果一个流程被破坏并且今天无法正常工作，那么自动化该流程只会让混乱变得更快，”她说。

避免这种噩梦般的场景意味着采取自动化的战术方法。 “我们会仔细选择我们认为可以发挥作用的领域，”乔里说。 “我们的很多自动化都是为了消除手动流程、引入精简、通过机器人技术创造执行流程的机会，以及教导技术去做以前人类会做的事情。”

Jory 和她的团队并没有采取依赖于对企业级服务（例如机器人流程自动化 (RPA)）进行巨额投资的大爆炸方法，而是寻找小规模的机会。

与几年前相比，这是一个巨大的转变，当时 IT 行业对 RPA 的潜力充满热情，RPA 使用软件机器人或人工智能代理来执行曾经由人类执行的重复任务。

例如，Adobe 首席信息官辛西娅·斯托达德 (Cynthia Stoddard) 在 2021 年接受 ZDNET 采访时描述了她的组织如何采用 RPA。

这家技术巨头与 UiPath 合作创建了 RPA 卓越中心，负责管理整个 Adobe 自动化平台的构建、工具和实施，以及业务流程的自动化。

斯托达德表示，RPA 在金融领域的成功使用有助于促进该技术在整个企业中的更广泛采用，从而大大提高了生产力。

然而，并不是每个企业都能够花费大量资金和精力来构建企业范围的自动化方法，这与黑斯廷斯的乔里产生了共鸣。

“我们并不追求大规模的流程自动化，因为这非常耗时，而且往往非常困难，”她说。 “我们的方法就是选择可以发挥作用的小事情。”

有证据表明，乔里可能不是唯一一个正在寻求小规模方法来实现流程自动化的数字化领导者。

尽管 Gartner 表示 RPA 软件支出从 2021 年的 23 亿美元增至 2022 年的 28 亿美元，但 RPA 市场的年增长率在过去几年中已放缓，从 2019 年的 62% 降至 2022 年的 22%。

Nash Squared 最近发布的数字领导力报告也显示 RPA 的增长进展缓慢；今年，表示自己的组织实施了大规模 RPA 的 CIO 比例从 10% 上升至 12%。

几年前，RPA 可能是战略性利用自动化的唯一方法。 Nash Squared 首席执行官 Bev White 承认，现在还有其他技术可用，并且使用这些小规模解决方案可能比大爆炸方法更合适。

“在某些行业中，RPA 确实可以成为一个神奇的游戏规则改变者，可以大规模处理需要处理的大量数据，”她说。 “与此同时，我认为它并不适合所有人。RPA 是那些泰然自若地推出的产品之一。它有它的粉丝；它带来了一些惊人的投资回报。但它现在是 CIO 可以做的众多事情之一考虑一下——这并不总是正确的事情。还有其他拥抱自动化的方法可以提高生产力。”

怀特告诉 ZDNET，简而言之，如果你是预算有限的数字化或商业领袖，你并不总是需要投资大规模 RPA 项目——尤其是现在其他工具，包括机器人、生成人工智能和机器学习可用。

“嗯，这就是重点，”她说。 “涉足人工智能并不那么昂贵。你可以运行三到四个小项目来测试不同的元素，并且仍然可以在口袋里留下相当多的钱。”

Hastings 的情况确实如此，Jory 举例说明了该公司如何在 IT 流程中使用自动化来确保一切顺利运行，并尽可能减少人为干预。

“如果消息队列在过去被卡住，那么有人会进去删除一条消息并将队列向前推进，”她说。 “现在，我们拥有能够识别队列被卡住以及阻碍队列的消息的技术。它将删除该消息，向团队发出警报，然后队列将继续运行。”

Jory 表示，IT 团队还在使用可观察性，它提供了 Hastings 应用程序堆栈的可见性，并允许自动识别和解决问题。

“能够始终了解我们系统中发生的情况非常重要，”她说。 “我们曾经有很多挂起的线程需要重新启动服务器 - 现在这些线程只是自动重新启动。但我们也有逻辑，所以我们不会在一天中最繁忙的时间重新启动，这然后会给我们的同事带来问题。”

未来，乔里预计生成式人工智能和机器学习的结合将成为该组织自动化战术方法的一部分。保险公司收到大量事故文件和照片证据。新兴技术可以帮助自动检查和验证这些数据。

乔里说：“不必搜索所有证据，无论是手写文件、照片还是电子邮件或其他什么，而是能够获取这些信息并为客户创建一个关于正在发生的事情的摘要。” 。人工智能和机器学习也可以用于欺诈检测过程：“我们是否可以在数据中看到某些我们可能想要跟进的行为？”

与其他组织的首席信息官类似，乔里表示，黑斯廷斯目前正在考虑在生成人工智能方面的选择。该公司正在与其主要核心 IT 提供商合作，包括 Microsoft、EY 和 Snowflake。内部 IT 团队也在探索如何与这些合作伙伴一起构建以人工智能为中心的工具。

无论是涉足生成式人工智能还是实施机器学习和机器人技术，乔里都建议其他高管采取谨慎、深思熟虑的自动化方法。

“我想说从小事做起——找到明显的地方，”她说。 “不要进入庞大而繁重的业务流程，并认为您将能够突然将所有事情自动化。集中精力，明确您的选择，并快速获得分数，这样人们就会接受您的策略，而您可以获得更多动力。”