AI中的任务和流程挖掘:它们是什么,以及如何提高效率?
自动化、人工智能和分析是指数化技术,将从根本上改变我们的运营方式和交付业务价值。在我们最新的博客文章中,我们深入研究了任务和流程挖掘,并揭示了它们如何提高效率、降低成本和识别自动化机会。(文章来源:Ericsson)
机器,而不是人,将做出数据密集型决策,重复的手动任务将自动化。然而,目标不是取代人力资源管理者和员工。目的是提高他们的效率和生产力。即使系统在高度成熟度运行,人类仍然需要做出不经常做出的决定或需要人类高度参与的决定。对于其他更卑微的任务,我们可以腾出时间让人类专注于更基于价值、更具创造性或战略性的思维活动。IT流程、运营规划、营销、销售和会计都是可以完全被自动化和“AI:fied”的领域的例子。
为了确定自动化和人工智能可以为组织中的人类工作做出最大贡献的领域,我们从我们所谓的发现阶段开始。在这个阶段,确定了特定用例的技术和业务需求。用例的例子包括那些需要加密功能的用例,例如:
· 执行软件许可证更新。
· 采购订单或报价请求(RFQ)的文本或图像识别。
· 新员工/顾问入职时创建订单。
· 自动筛选简历,以更好地与职位匹配,等等。
传统工作方式在发现阶段非常手动,在很大程度上包括与主题专家(SME)的详细访谈或研讨会。手动流程映射的最大挑战之一是有效地从参与流程的员工那里提取信息。当将感知的现实拼凑在一起形成过程图时,知识差距、员工验证和人类主观性将不可避免地出现。做这个手工工作也很耗时,会占用中小企业的时间,使其无法开展更有成效的工作。通过实现发现阶段的自动化,我们降低了成本,消除了任何偏见(更有可能通过接受人类采访的中小企业引入),并全面了解否则很难发现的过程。
利用任务挖掘、过程挖掘和语义搜索等技术,自动发现用例。这些技术利用数据驱动和自动化的方法进行发现,允许用户在决策中保持客观,并根据事实推动改进。这些解决方案利用人工智能和机器学习(也是自动ML)功能,比人类所能理解的更多。图1显示了发现过程中的事件流程。
图1:自动发现流程。
任务挖掘背后的技术
任务挖掘通过监控用户采取的行动来工作。员工的计算机上安装了录音机,以捕获他们在他们使用的不同应用程序中的互动,并记录按键、单击、数据输入、复制和粘贴等数据,以及其他常规执行的操作,以揭示任务是如何完成的。任务挖掘专注于任务。任务是包含几个步骤的进程或子进程的较小组件,通常由员工在其工作站手动执行。任务挖掘使组织能够发现、理解、分析、优化、改进甚至自动化员工执行的任务,因为它们与完成更大的流程有关。任务挖掘的主要目标是找到改进任务执行方式的方法,或实现任务自动化的方法,以提高运营效率,减少错误并提高员工参与度。
另一种实现自动发现的技术是过程挖掘。与任务挖掘不同,过程挖掘专注于过程。过程挖掘将来自各种IT系统的事件日志转换为给定流的即时可视化模型。它描述了基于事实及其所有案例、变体和路径的原样过程。过程挖掘围绕发现、建模、分析、监控和优化端到端流程及其子流程。它允许我们识别任何偏差并了解变化的原因,以便我们进行必要的改进或对齐。它还可用于创建关键绩效指标(KPI),确定差异的根本原因,并支持确定流程改进。
最后,实现自动发现的第三种技术是语义搜索。在这种情况下,搜索引擎可以使用自然语言处理(NLP)和其他人工智能算法猜测输入文本的语义意义。
概念验证
为了评估活动挖掘的好处,我们与爱立信内部团队进行了概念验证。爱立信供应ECP订单和交付管理团队使用任务挖掘,通过流程自动化和优化应用程序使用节省了18%的努力。团队希望发现流程自动化和优化机会,并记录选定的流程,以将自动化的“原样”转换为“准”。他们还需要一种方法来了解应用程序组合的使用模式。
概念验证仅限于一个由20名选定员工组成的团队,他们在10个市场工作。该团队的业务流程很复杂,使用各种应用程序执行,其中大多数不生成应用程序日志(例如,在Outlook、Excel、Adobe中)。他们对自动化的要求是:
1. 一个低费力的工具,可以发现所有企业应用程序的活动,并清楚地突出自动化的潜力和建议。
2. 一种以逐级颗粒度级别记录流程的简单方法。这一差距意味着中小企业和流程专家必须通过访谈和研讨会手动编排和记录流程工作流程,这是一项漫长而劳动密集型的工作,并不总是揭示完整的真相。
通过这种方式,部署了一个任务挖掘工具,用于跨八个进程进行流程发现,并利用其结果来了解团队如何在最终用户输入最少的情况下执行每个流程。此外,该工具还用于生成流程文档。在协作环境中,中小企业和流程专家现在可以将流程从发现的“原样”状态转变为“待定”状态,以更快、更准确地进行自动化开发。
在分析了20个用户的互动后,发现了以下见解:该工具确定了通过转型从八个业务流程节省8%的重大机会。确定了与任务工作相关的额外10%的节省机会,代表了在Excel和SAP中执行的任务中节省努力的潜在自动化机会。
自动化和人工智能的演变
过程和交互是数字化转型、新的人工智能能力和新自动化形式的执行和扩展的基础。活动挖掘使我们的组织能够全面了解“原样”流程,并帮助确定自动化和人工智能可以做出最大贡献的领域。
了解“原样”流程对于了解是否值得投资于改进、存在绩效问题的地方以及整个组织流程存在多大差异至关重要。活动挖掘允许超越单一技术的自动化,并为以超自动化为核心的下一个自动化和人工智能操作系统打开了大门。