隨著未來工作方式的日益數(shù)字化和AI驅(qū)動的自動化，全球?qū)⒓铀俨捎?a href="http://www.www27dydycom.cn/v/" target="_blank">智能數(shù)字員工，從而為人類員工提供支持。

根據(jù)麥肯錫高管調(diào)查顯示，企業(yè)紛紛將其各環(huán)節(jié)業(yè)務(wù)實現(xiàn)數(shù)字化的時間，提前了三到四年，從內(nèi)部運營、供應(yīng)鏈到與客戶互動。同時，這些企業(yè)將數(shù)字產(chǎn)品加入產(chǎn)品組合的時間，也比疫情前的預期提早了大約七年。

面對諸多的范式轉(zhuǎn)變，比如大辭職潮、技能短缺、供應(yīng)鏈中斷、居家辦公、無接觸客戶體驗以及敏捷流程的重新設(shè)計，企業(yè)如何保持活力、彈性和高效從而快速適應(yīng)這個嶄新的時代？IBM 認為，采用由自動化和AI驅(qū)動的數(shù)字員工是主要的應(yīng)對解方。

什么是數(shù)字員工？

數(shù)字員工搭載了最前沿的AI和自動化技術(shù)，通過與人類員工協(xié)作，自動執(zhí)行日常任務(wù)，并增強人類員工的決策能力。

過去需要數(shù)小時的工作，現(xiàn)在數(shù)字員工幾分鐘內(nèi)就能完成。

數(shù)字員工可以發(fā)送電子郵件、安排會議、篩選簡歷或批準貸款。

作為人機交付的界面，與人類員工日常使用的應(yīng)用程序和工具之間實現(xiàn)無縫工作。他們的工作經(jīng)驗越多，就會越聰明。

IBM 研究院一直致力于打造前沿自動化工具，不僅用于支持數(shù)據(jù)科學家和工程師，通過數(shù)字員工，這些自動化工具還可以廣泛的支持整個業(yè)務(wù)運營中的任何主題或領(lǐng)域?qū)＜摇?/p>

在某些領(lǐng)域，數(shù)字員工可以承擔一系列傳統(tǒng)工作角色的任務(wù)。例如，負責“應(yīng)付賬款”的數(shù)字員工可以自主執(zhí)行三個傳統(tǒng)工作角色的部分任務(wù) —— 客服代表、計費代理以及現(xiàn)金申請或糾紛調(diào)解，幫助完成從訂單到現(xiàn)金的整個流程。由于數(shù)字員工拓展了員工隊伍的工作能力，因此企業(yè)可以更好的將人力資源合理分配到更具戰(zhàn)略性的崗位。

如何打造數(shù)字員工隊伍？

IBM 研究院一直致力于組建一支卓有成效的數(shù)字員工隊伍。為實現(xiàn)這個目標，我們創(chuàng)建了增強型業(yè)務(wù)流程管理系統(tǒng)Augmented Business Process Management Systems （ABPMS），它是由AI驅(qū)動、可信賴且具備流程感知能力的信息系統(tǒng)，可以在設(shè)置和假設(shè)的范圍內(nèi)對數(shù)據(jù)進行推理和操作，根據(jù)一個或多個性能指標，不斷的調(diào)整和改進業(yè)務(wù)流程。

IBM 研究院聯(lián)合多家業(yè)務(wù)流程領(lǐng)域的領(lǐng)先學術(shù)機構(gòu)發(fā)布了一份增強型業(yè)務(wù)流程宣言，其中概述了系統(tǒng)需要實現(xiàn)哪些轉(zhuǎn)變才能真正被視為數(shù)字員工。這些轉(zhuǎn)變必須包括：

模擬人類員工，獨立主動的執(zhí)行任務(wù)

必要時以對話方式與人類無縫交互

適應(yīng)環(huán)境中的變化并動態(tài)作出反應(yīng)

自我改進以確保實現(xiàn)目標的最優(yōu)結(jié)果

可解釋以確保值得信賴，從而保障與人類員工的合作

未來的工作方式，離不開科技創(chuàng)新

自2019年以來，IBM 研究院的自動化團隊一直致力于構(gòu)建基于自動化和AI的新技術(shù)，這些技術(shù)可以模仿人類工作者的能力，并為未來的數(shù)字勞動力提供信息，使機器和人類同事能夠更智能地開展協(xié)作。IBM 的最新產(chǎn)品Watson Orchestrate體現(xiàn)了我們的愿景和技術(shù)進步。

為了打造智能卓越的數(shù)字員工，我們制定了雙重戰(zhàn)略：

智能編排與AI規(guī)劃

在自動化方面，企業(yè)用戶可以確定一個目標 （例如，批準貸款申請或處理保險索賠） ，使用自然語言進行描述，然后交由我們的算法來理清實現(xiàn)該目標所需的邏輯步驟。IBM 使用的其中一個方法叫做AI規(guī)劃，它屬于AI的一個子領(lǐng)域，可以創(chuàng)建和應(yīng)用復雜的操作序列，最終通過可解釋的方式實現(xiàn)目標。智能編排通過模塊化組件實現(xiàn)可組合性、可重用性和動態(tài)性。

AI規(guī)劃在本質(zhì)上具有明顯的不確定性，這意味著AI可以幫助員工確定分步前進的路徑。如果有意外情況出現(xiàn)， 通過創(chuàng)建能夠考慮意外情況的系統(tǒng)，我們可以采用傳統(tǒng)的確定性工作流程或排序系統(tǒng)所無法做到的方式，幫助業(yè)務(wù)運營保持靈活性。

這種智能編排可以改善Watson Orchestrate的運行時體驗，使數(shù)字員工能夠與人類員工協(xié)作執(zhí)行各種任務(wù)。

通過輕松轉(zhuǎn)變現(xiàn)有API來引導新功能

Watson Orchestrate需要模塊化的編排技能。 然而，對業(yè)務(wù)線人員的培訓技能過程繁瑣且耗時，并且需要的編程能力可能會超出業(yè)務(wù)線人員通常所具備的能力范圍。

為此，IBM 研究院創(chuàng)建了多個技術(shù)解決方案來解決這些問題，通過利用可訪問的API來自動執(zhí)行工作流程，其中的方法包括利用深度學習模型和業(yè)務(wù)知識來生成技能培訓資料。

構(gòu)建數(shù)字員工隊伍，有哪些挑戰(zhàn)？

挑戰(zhàn)一：企業(yè)開發(fā)人才缺乏怎么辦？

除了應(yīng)用自動化與AI技術(shù)之外，構(gòu)建一個數(shù)字員工隊伍，還有更多的工作要做。尤其要解決開發(fā)人才數(shù)量有限的問題。由于缺乏具備專門技術(shù)技能的資源，許多IT項目淪為“待定”文件。因此，運營效率低下的問題仍然存在，而企業(yè)保持競爭力的關(guān)鍵因素即上市速度也會受到影響。

解決這一挑戰(zhàn)的可行解決方案就是眾所周知的低代碼/無代碼 （LCNC） 開發(fā)。 LCNC平臺的用戶界面可以自動執(zhí)行開發(fā)過程的各個方面，消除對傳統(tǒng)計算機編程技能的依賴。LCNC降低了技能障礙，特別是對于沒有正式編碼經(jīng)驗的業(yè)務(wù)人員和領(lǐng)域?qū)＜?，如分析師或項目?jīng)理。

不過，專業(yè)開發(fā)人員和非技術(shù)人員都可以從核心功能中獲益，例如可視化集成開發(fā)環(huán)境 （IDE） 、圖形用戶界面、內(nèi)置數(shù)據(jù)連接器、APIs和預置的模板。通過NLP、語音和視覺識別實現(xiàn)的多模態(tài)交互，以及通過本體和基礎(chǔ)模型提供的語義知識，是下一代低代碼/無代碼開發(fā)和用戶體驗的關(guān)鍵支持因素。

挑戰(zhàn)二：如何確保數(shù)字員工透明、可信賴？

另一個持續(xù)的挑戰(zhàn)是，需要借助AI可解釋性來確保數(shù)字員工值得信賴。具體到自動化，我們必須確保在以下方面的透明度和公平性，包括系統(tǒng)如何學習、記住偏好、充分推理以及為實現(xiàn)用戶目標而采取行動。 應(yīng)對這個挑戰(zhàn)的一種方法是提供情境感知解釋，這些解釋會考慮整體情境做出選擇，例如從用戶目標和假設(shè)角度考慮。

針對這一需求，IBM 最近在進行的研究包括IBM’s AI Model Explorer and Editor（AIMEE），此工具允許創(chuàng)建可解釋的、基于規(guī)則的模型，將規(guī)則變?yōu)槟Ｐ停蛘哂糜谑菇K端用戶更好地了解機器學習模型所學習的決策制定條件。

數(shù)字員工具有改變我們工作方式和提高混合員工隊伍整體生產(chǎn)力的巨大潛力。但要想成功受益于數(shù)字員工，企業(yè)必須采用AI和自動化技術(shù)，以幫助節(jié)省時間和成本，支持更多關(guān)鍵型任務(wù)。