查看原文
其他

RPA已死,集成自动化才是未来?

AI前线小组 译 AI前线 2019-09-07

作者 | Phil Fersht,Saurabh Gupta,Elena Christopher
翻译 | 大小非
编辑 | Linda
AI 前线导读:RPA 的引进并没有给企业的运营机制带来很大的变革性改变,仅仅是变成了 IT 辅助工具。企业急切需要将 IT 变革变成企业整体战略的一部分,以集成自动化促进变革因素的融合,实现 AND 的能力。

更多优质内容请关注微信公众号“AI 前线”(ID:ai-front)

如今企业经营面临着一个重大的问题:大多数公司现在的运营机制与 20/30/40 年前几乎没有什么改变,只是对创新模型离岸外包、共享服务中心、云计算和数字技术的使用,使原流程运行的更加稳步、快速、低价。然而,企业内部的业务流程并没有发生根本性的变化,大多数企业仍然以各自的主要职能部门(如客户服务、营销、财务、人力资源和供应链)为个体独立运营,而 IT 仅仅作为一种非战略性的辅助工具,维持现状和保证运营正常。

2012 年由 HFS 编写的一个案例研究,将机器人流程自动化(RPA)的概念引入市场,并得到了 Blue Prism 的支持。该案例研究目的是希望从低效的业务流程和 BPO 服务中消除手工解决方案和人员超载。然而,尽管 RPA 提供了清晰的技术能力和为旧系统和流程注入活力的真正优势,但它并没有激发企业重新优化其业务流程——它实际上只是帮助企业更快地在公司内部转移数据,并且减少手工干预。此外,大多数已签署的“RPA”约定不是针对无人参与的流程的,而是针对机器人桌面自动化(RPA)部署的。参与 RDA 需要一个人机交互的循环来完成任务。这些约定并不是我们所发明的 RPA 的初始模型——它们是一群形形色色的脚本和宏,它们为凌乱的桌面应用程序和进程添加了一些附加功能,以维护原有的做事流程。当然,这通常会带来对劳动力需求的减少——但是以部分增量的形式——这不足以证明所有裁员都是合理的。至关重要的是,当前过多的“RPA”项目并没有带来任何实际的“变革”。

现在 RPA 的主要问题是它主要对零碎的任务做自动化处理,但它应该成为一项整体战略的一部分。

近 600 家大型全球企业的真实研究数据表明,我们还不能用机器完全取代人去工作。在我们最近对 590 位 G2000 领导者的调查中,目前只有 13% 的 RPA 实施者是规模化和工业化的。不要过分依赖用 RPA 来管理端到端流程,大多数 RPA 实施者仍然在修补包含破碎流程元素的小型项目和零碎任务。大多数公司甚至还没有找到足以支撑企业规模的自动化应用。

RPA 提供了一个极好的补救方法来修复当前的解决方案;它有助于延长旧制度的实用期限,但不能提供长期的成功保证。少数成功地在组织中扩展 RPA 的企业有三个共同点:

1、采用自动化的统一目标;

2、一个广泛的、持续的改革管理计划,以实现向混合劳动力的转型;

3、一个 AAA 的 Trifecta 工具包,以集成的方式利用 RPA、各种人工智能应用和智能分析。

随着 RPA 的逐渐落伍,HFS 可以帮助实现长久的集成自动化。所谓集成,我们指的是集成技术,但更重要的是,我们指的是跨人员、跨流程和跨技术的集成,这些集成需要目标集中和变更管理的支持。集成自动化是转换业务和实现端到端数字一体化办公的途径。

集成自动化不是关于 RPA、AI 或分析,要让它自己具有 RPA、AI 和分析的能力。

业务问题不是完全由一项独立的技术解决的,而是由多种技术组合解决的。虽然目前只有 11% 的企业整合了 AAA 三位一体的解决方案,但正在形成一种一致性。供应商也开始意识到,客户更有意愿购买集成解决方案,下面举几个例子:

RPA 产品正在投入支持人工智能和数据管理功能。WorkFusion 可以说是第一个将 RPA 和 AI 与其“智能过程自动化”功能结合起来的公司。其他后来者包括借助机器学习能力以实现 Anywhere Automation 的 IQBot,还有 Blue Prism,它宣布其 AI 实验室将开发专有的 RPA AI 元素,AntWorks 将计算机视觉和几何科学嵌入其堆栈中,以支持使用非结构化数据。这些产品的共同之处在于,它们使用机器人来转换任务、桌面应用程序和流程片段。因此,我们需要将这些“RPA”产品称为机器人转换软件产品,这是一个更合适的描述。

专注于人工智能和分析的产品开始加强机器人转型软件能力,而不是阻碍它发展。IPsoft 推出了带有认知用户界面的 1RPA。Xceptor 基于数据的业务规则和基于 AI 的自动化方法利用 RPA 帮助扩展其功能。Arago 开始进入市场,它可以帮助协调其平台中的 RPA 功能。

企业软件产品正在将 AAA 三重功能集成到其产品中。SAP Leonardo 渴望将 ML、分析、大数据、物联网和区块链等新兴技术结合起来。2018 年底它还收购了 RPA 软件公司 context tor,类似于 Pega 在 2016 年收购 OpenSpan 时,SAP 将 RPA 功能添加到了客户需求功能中。

系统集成商正在协调跨多个精选产品的 AAA 三要素。 这通常结合了它们的一些 IP 和服务功能。埃森哲于 2019 年初推出了产品,提供“人机操作引擎”。Genpact 的 Cora 是数字技术的模块化平台,类似于 HFS 的 AAA Trifecta,旨在帮助企业实现数字化转型。IBM 的自动化平台包括可组合的自动化功能,可以在沃森和机器人转换软件解决方案之间编排响应和警报。毕马威的 IGNITE 将 RPA、AI 和分析工具与毕马威的知识产权和服务结合了起来。

集成自动化不仅仅是技术问题,它需要技术 + 人 + 过程。

集成自动化的真正意义在于超越工具。虽然 AAA Trifecta 可以提供更多的功能,但它仍然不能很好的工作,除非你改变你的业务、你的人员和你的流程。集成自动化是将技术、人才、组织变革和领导能力有效地融合在一起,从而到达希望之地。它需要集成工具箱中的 AAA 三要素,以及它们在人员、流程和技术的原始三要素之间的应用程序。如果你一直在业务问题上投入技术,你获得的也只是技术,而不是解决方案。

技术的能力已经足够了,但它并没有足够的关注人和过程的重要性:

图片来源:HFS 2019 年研究报告

集成自动化不是产品或服务,它是一种产品和服务。

就像我们懂得向问题扔东西并不能解决问题一样,我们需要认识到仅仅向业务流程扔软件并不能驱动转型。真正的天才在于知道什么时候用什么,怎么用。软件也需要后期支持和服务。未来的战略和合作关系将由供应商组成,供应商可以作为一个值得信赖的顾问进行咨询,并作为客户业务的“扩展”经营。企业需要合作伙伴来推动创新、投资、应用自动化和新思想变革,并专注于交付业务成果——这需要服务和软件的结合。在服务和产品公司之间建立共生关系的生态系统方法是自动化成功并真正实现变革的必备要素。很明显,没有人可以成为每个人的一切。

使用并不是集成自动化成功的度量标准,关键在于管理的变革。

51% 的表现最好的企业认为他们的文化阻碍了他们在数字化转型中的进程,而只有 36% 的表现最差的企业认为文化是一个需要改进的问题。供应商需要提供敏捷的、可度量的、迭代的变更管理方法来产生影响。扩大数字计划和启用正确的治理模型也是关键。将“业务结果”编入合同协议、定价结构和性能度量的能力也是推动变革的一个重要因素。虽然定价没有那么难,但它需要基于每个客户的独特需求和上下文来实现。通过创新的、非线性的商业模型将文化融入到项目的灵活性对于推动真正的变革至关重要。

仅实现功能目标,集成自动化将不会有效,它需要端到端的一体化集成策略。

在我们调查的企业中,只有不到 12% 的企业采用了企业范围内的自动化方法。这种对任务级和过程级自动化的强烈关注提醒我们,自动化常常发生在功能竖井中,具有并行但不连接的计划。在特定于任务、特定于流程的试点和生产实例与更广泛的企业使命和愿景之间取得平衡的能力当然令人畏惧,但这正是实现可伸缩的、成功的自动化程序所需要的。

业务和 IT 之间的协作是另一个关键问题。虽然自动化计划需要 IT 人员的参与,但是这些程序通常会影响并增加业务流程——这需要了解相关功能的业务人员的参与。因此,理想的领导力组合是 IT 和业务的结合。然而,我们的数据显示,只有五分之一的受访者创建了集成的 IT 和业务领导团队来处理自动化策略和部署。

底线:集成自动化是利用 AND 而不是 OR 的能力

我们很幸运生活在这样一个时代:我们拥有众多成熟的和新兴的变革推动者:全球采购、设计思维、机器人转型软件、人工智能、分析、物联网、区块链等等。但是,不幸的是,市场上的大多数讨论最终都集中在关于比较与综合的讨论——人与机器、离岸与自动化、RPA 与 AI、咨询与执行,等等。这些变革因素必须一起合作,而不是在竖井中操作来解决实际的业务问题。AND 的功能远远大于 OR,而集成自动化就是关于 AND 的能力。因此,RPA 已经落伍了。集成自动化才是未来!

原文链接:

RPA is dead. Long live Integrated Automation Platforms

https://www.horsesforsources.com/rpa-dead-integrated-automation-platforms_041519?from=timeline

今日荐文

点击下方图片即可阅读

华为上半年收入4013亿!美国打压对5G没有影响


福利推荐

汇集11大专场、50+AI技术热点,AICon北京2019强势来袭。本次大会我们将为参会者全方位介绍AI&机器学习技术趋势和最佳实践案例,包括但不限于机器学习、计算机视觉、搜索推荐、NLP、深度学习、知识图谱、AI工具与框架、智能金融、AI+产业、大数据框架应用、智能语音等。欢迎点击“阅读原文”了解大会详情,也可咨询:18514549229(同微信)。



你也「在看」吗?👇

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存