不做決策的“RPA機器人”,不是合格的“數字化勞動力”

      后臺-系統設置-擴展變量-手機廣告位-內容正文頂部

      01 RPA機器人向“數字勞動力”的轉變

      隨著 RPA 技術被廣泛應用各行業的不同場景中,再結合以深度學習為代表的 AI 人工智能技術的新一輪發展,RPA 機器人目前已經從僅能處理“單一、重復和標準化的流程”向智能流程自動化的方向發展,從而具備處理更復雜環境下“長流程”業務的能力,在執行任務的復雜度、覆蓋應用場景的廣度也將相應提升。

      但 RPA 智能化到什么程度,才能成為滿足我們真實需求的 RPA 機器人呢?

      我們自然是希望這樣的 RPA 機器人,除了能夠幫助減少重復勞動、鼓勵員工創新外,擁有如文檔識別能力、語言對話處理能力,乃至協助實現處理復雜場景的決策的能力;甚至是在不遠的將來,通過直接交互,讓“他”去協助創建 RPA 流程本身也不再是一種奢望。AI 能力的融合,在進一步提升工作執行效率的同時, 會拓展 RPA 機器人的能力邊界,加速實現智能自動化;而這樣的 RPA 機器人,才能真正為政企的數字化轉型服務,成為與人類員工協同工作的“數字化勞動力”。

      今天,在完成了賦予我們的“RPA 機器人”對話式AI、文檔識別等能力后,對智能決策的支持,做復雜場景下更“長”、更有“價值”的自動化流程,業已成為來也科技探索實踐的又一個重要方向。

      因為,不能做決策的“RPA 機器人”不是一個合格的“數字化勞動力”。

      02 智能決策和規則引擎

      在 RPA 流程自動化實踐過程中,并非都需要“智能決策”。因為決策是分層次的,有些必須“人來決策”,一些可以使用“機器輔助決策”和“機器自動決策”。例如在重視流程的合規與審核的政府業務中,“人工審批”永遠是不可缺少的環節;在至關重要的關鍵業務和事項上,也一定需要人來做最后的把關;而在一些人力、財務和企業生產場景中,則是“智能決策”發揮強大能力協助人類員工的最佳場所。

      人來決策

      決策的主體是人,例如在復雜的企業管理、商業決策和戰略決策等領域,目前人的知識、經驗和甚至直覺仍然是決策的重要決定因素。

      機器輔助決策

      通過信息技術手段獲取有效的足夠的數據,或提供異常、需要關注的事件,讓人來做出科學決策。

      機器自動決策

      通過科學技術提供準確、及時、完整的信息,再利用軟件化、數字化的簡單的知識做出決策。隨著人工智能技術的發展,通過學習歷史數據中獲取模式和經驗,從而實現更為強大的“認知”效果。例如目前典型的開車路線的選擇、新聞的自動推送、工廠的自動化生產和檢測。

      參考文章鏈接:

      http://yunrun.com.cn/community/3538.html

      與完全靠人決策不同,機器輔助決策,通過實現 RPA 打通信息和數據孤島,實現企業的數據價值,最終以圖表或者結合商業智能(BI)的形式展現在人的眼前,則是一種典型半自動化的決策形式。

      而對我們更關注的機器自動決策,我們首先要厘清自動決策和智能決策兩個概念,進而才能了解決策智能的顯著特征。智能化是自動化發展的高級階段,而現在很多智能決策的提法,在本質上僅僅是自動化決策。

      自動決策是指在專家經驗、政策、法規、規定等數字化的基礎上,實現自動數據釆集、處理、評價和決策生成。

      智能決策是在對歷史、現實案例進行數字化基礎上,通過機器學習(深度學習)進行樣本歸納、類比推理分析,實現知識挖掘、計算和持續迭代更新,體現適應性、動態性和演化性的智能體理性決策特征,能自動給岀方案并持續優化方案生成。

      參考文章鏈接:

      https://zhuanlan.zhihu.com/p/349678242

      機器自動決策最簡單的實現方法是采用“IF-ELSE 規則”,而這也是業務人員最直觀、最自然地梳理業務邏輯的方式。讓業務人員能在低代碼界面中自主設計業務決策流程,通過決策引擎配置規則,創建規則決策事件,是實現決策流程自動化最簡單且行之有效的途徑。

      學會使用規則、自動決策,是實現智能決策的第一步。

      03 自動化規則決策的落地實踐

      業務人員直接利用決策模塊,創建自動決策流程和配置業務規則,在來也科技內部 CoE(客戶卓越中心)得到了實踐。業務同事根據公司架構、業務、人員和流程變動情況,快速高效地更新現有 CoE 自動化 RPA 流程已成為現實,再也無需要花大量時間與 RPA 開發人員進行業務和規則的梳理和溝通;在提升效率的同時,及時響應了公司快速發展。

      目前一個典型的應用場景自動決策落地,發生在人力成本核算業務中。由于業務的調整、部門組織架構的變化,需要在人員部門的歸屬和部門成本的核算時,根據業務的變動實時調整,將人員的成本中心進行準確地劃分。

      自動決策模塊界面進行規則設置

      成本中心劃分規則說明:

       ● 除了銷售業務部門,其他部門的人員成本核算只需要拆分到一級部門,

       ● 銷售業務部門中產品研發和個人用戶相關業務會拆分到二級部門
       ● 銷售業務部門中的銷售和商務則會拆分至三級部門;
       ● 由于存在了同一個人同時隸屬于多個部門的情況,還需要根據個人的“多部門人員所屬部門配置表”來進行部門分配。

      當然實際的業務規則比上述的示意要復雜的多。

      在未使用自動決策模塊前,RPA 機器人交付過程中需要根據實際的業務情況,經過業務人員規則梳理后,創建 RPA 流程和編寫低代碼規則流程;但由于規則、 RPA 流程和低代碼緊密耦合在一起,一旦業務規則發生了變化,則需要重新進行一次規則的編輯更新,耗時耗力。而在采用了自動化的規則引擎模塊后,業務人員便可隨時進行業務規則的編輯改動,快速適應業務變化,規則集良好的可解釋性特點在這里發揮得淋漓盡致。

      多部門人員所屬部門配置表

      其他報銷規則(如加班時間判定、加班打車、加班外賣等)、財務合規檢查等業務場景,也處于應用更加簡便的規則模型和自動決策的實踐過程中。

      總體來說,規則引擎是自動智能決策的一個起點,通過決策引擎配置規則,創建決策事件達到更好地輔助決策目的可以有效地實現決策自動化,這對于業務人員非常的友好,一般只需要配置以下幾個步驟:

       創建新的決策事件

      ● 配置決策流

      - 創建決策節點

      - 創建規則集:規則集名稱、規則集描述、規則集配置

      - 配置規則集中數據獲取源、數據模型、數據推送方式

      - 配置決策分支條件

       決策事件測試

      ● 發布新創建的決策事件

      流程“多進多出”的自動決策模塊是實現復雜業務和長流程的一個重要組件

      通過機器學習模型訓練并自動實現規則的轉換,更多直觀的、開箱即用的預訓練 AI 模型的實現,決策模塊從自動化向智能化的不斷進化已成為一種必然。隨著智能決策能力的進一步增強,將促進數字化勞動力不斷進化、完成大量枯燥乏味的工作,讓人類員工真正享受創造帶來的成就感,幫助組織實現員工、流程和技術三方面的數字化轉型。

       


       

      -  END  -

      未經允許不得轉載:RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 不做決策的“RPA機器人”,不是合格的“數字化勞動力”

      后臺-系統設置-擴展變量-手機廣告位-內容正文底部
      主站蜘蛛池模板: 葵青区| 彰武县| 利川市| 龙海市| 寿光市| 陕西省| 察隅县| 通州市| 扎囊县| 友谊县| 通榆县| 全州县| 龙山县| 璧山县| 宜州市| 太康县| 武隆县| 措美县| 会同县| 民勤县| 县级市| 佛冈县| 衡阳县| 霍林郭勒市| 靖远县| 湄潭县| 肥东县| 大名县| 西昌市| 沾化县| 平阳县| 游戏| 当涂县| 兴海县| 句容市| 那坡县| 彰化县| 政和县| 东方市| 外汇| 南乐县|