麦肯锡报告 | 智能过程自动化：新一代公司运营模式的核心引擎

正文

请到「今天看啥」查看全文

……转化为 20％至 35％的年运行成本效率……

……且直通处理时长减少 50％至 60％……

……投资回报率的百分比通常为三位数。

新的技术承诺同年回报能达到两位甚至三位数，对于这一点我们应保持怀疑。但经验表明，如果执行人员能够仔细思考并理解机会的驱动因素，且能将它与其它驱动下一代运营模式的方法和能力有效结合，那么 IPA 的承诺就是真实的（了解更多相关信息，请参阅「数字领域的下一代运营模式」）。

什么是智能过程自动化？

IPA 的本质是「从人类手中夺走机器人」，其核心则是一套将基本过程重设与机器人过程自动化及机器学习相结合的新技术。它是一套业务流程的改进，也是下一代通过删除重复、可复制以及常规任务来帮助知识型工作者的工具；它还能简化交互与加快进程来从根本上改善客户体验。

IPA 可模仿人类活动，并能随时间推移而优化学习。由于深度学习和认知技术的进步，基于规则性自动化的传统杠杆的决策能力得以增强。IPA 承诺从根本上提高效率、提升工人绩效、减少操作风险，以及改善响应时间与客户使用体验。

IPA 共包括五项核心技术：

• 机器人过程自动化（RPA）：一种软件自动化工具，它能自动执行常规任务，如通过现存用户界面进行数据提取与清理。机器人有一个与人类相同的用户 ID，并能执行基于规则的任务，如访问电子邮件和系统、执行计算、创建文档和报告，以及检查文件。RPA 帮一家大型保险合作社削减了每天影响着 2500 个高风险账户的多余排队程序，并释放出 81％的 FTE 来取代主动型帐户管理职位。

• 智能工作流程：一种管理过程的软件工具，它能集成人类和机器组执行的任务（如在 RPA 之上帮助管理过程）。这使用户得以实时启动和跟踪端到端过程的状态；该软件将会管理不同组别的切换，包括机器人和人类用户之间的切换，并提供瓶颈之处的统计数据。

• 机器学习/高级分析：一种通过「监督」和「无监督」学习来识别结构化数据中的模式（如日常性能数据）的算法。监督算法在开始根据自己的新输入做出预测之前，会从输入和输出的结构化数据集来学习；而无监督算法会观察结构化数据，并开始提供对已识别模式的洞见。机器学习和高级分析可能会改变保险公司的游戏规则，如在提高合规性、降低成本结构及从新的洞见中获得优势的竞争中进行改变。高级分析已在领先的人力资源部门中广泛实施，来确定及评估领导和管理人员的核心品质，以便更好地预测行为，发展职业道路及规划领导权继任。

• 自然语言生成（NLG）：一种通过遵循将观察结果从数据转化为散文的规则以在人类与技术之间创建无缝交互的软件引擎。广播公司一直在使用自然语言生成来实时起草游戏情节，而结构化的性能数据被传输至自然语言引擎中，来自动编写内部和外部的管理报告。一家大型金融机构已在使用 NLG 来复写每周的管理报告。

• 认知代理：这项技术将机器学习和自然语言生成相结合，来构建一个完全虚拟的劳动力（或称「代理」）；这个代理能够执行任务、沟通、从数据集中学习，甚至可以根据「情绪检测」做出决策。认知代理可以通过电话或聊天来帮助员工和客户，如应用在员工服务中心。使用认知技术的英国汽车保险公司的转化率提高了 22％，验证错误率降低了 40％，整体投资回报率为 330％。

IPA 运行时的情况会怎样？下面举一个保险公司的例子：在那里人们命令处理器从 13 个不同系统中提取数据，保证服务「一切正常」。

机器人可以通过使用 IPA 来代替手动点击（RPA）、解释大量文本的通信（NLG）、制定规则下不必预编程的决策（机器学习）、提供客户建议（认知代理），并提供对系统和人员之间相互切换的实时跟踪（智能工作流程）。

请到「今天看啥」查看全文