人工智能作为超自动化的驱动力产品见解塞米恩·塞尔古宁2020年3月17日，星期二2899次浏览5分钟阅读标签：智能自动化人工智能Gartner将超级自动化列为"2020年十大战略技术趋势"之一，预计"到2022年，机器人过程自动化（RPA）提供的应用程序集成将同比增长40%"。RPA是如何成为引领这一顶级技术趋势的突出技术？超自动化的前景是利用各种技术实现办公的端到端自动化，包括RPA、人工智能（AI）和机器学习。然而，不断变化的程序、工具和优先事项给办公自动化带来了障碍，因为这些变化要求办公室工作人员具有高度的灵活性和适应性。虽然业务流程管理（BPM）系统允许自动化最常见的标准流程，但这些流程不太明显、不太标准，但仍然非常重复，普通流程仍然是手动的。自动化这些操作需要一种不同的方法：一种不太集中、不太标准化，同时更灵活，聪明，强大。人工智能授权的RPA正在发展为智能自动化，并产生我们所称的数字劳动力——可培训的、智能的数字助理，用于特定的功能角色，而不是流程。传统的自动化方法需要集中的过程分析、文档记录，然后再进行自动化，而一个智能的数字工作者可以接受培训，以承担单个员工最重复的任务，并提高其绩效。我们应该从这个数字化的员工队伍中得到什么样的技能和特点？与人力资源类似，数字化劳动力应能够：使用各种业务应用程序处理结构化和非结构化数据分析数据并做出决策学习、改进和自动化业务流程而且，每一项任务都要求数字工作者拥有一种智能：人工智能。使用业务应用程序现有的企业解决方案，如企业资源规划（ERP）、客户关系管理（CRM）、核心银行系统等，构成了超自动化的基础，它可以传输数据并实现跨这些系统的无缝自动化操作。如果业务应用程序具有api或内置连接器，那么连接到它们可能会很简单。然而，许多遗留应用程序没有这些功能，只能通过图形用户界面（GUI）进行访问Automation Anywhere Enterprise A2019智能自动化平台提供了一组功能强大的工具，如Universal Recorder，可以捕捉用户如何通过GUI访问多个应用程序，并创建RPA机器人程序来自动重复这些操作。在终端或虚拟环境的极端情况下，当系统不允许直接访问GUI时，唯一的选择是读取和解析屏幕上的信息，这需要专门的机器学习技术培训。Enterprise利用专有的计算机视觉技术，通过机器学习来读取屏幕并查找相关信息（见图1），它还可以灵活地适应UI的变化，从而保持机器人的弹性。图1。自动化无处不在企业中的计算机视觉技术和机器学习使程序能够读取屏幕并查找相关信息。 处理结构化和非结构化数据尽管处理结构化数据很简单，但处理非结构化数据却不是。而且，由于大多数研究人员都认为80%的企业数据是非结构化的，真正的超自动化不能忽视它。非结构化数据是通过人与人之间的交互（如电子邮件和聊天通信、文档、视频和音频记录）创建的，需要特殊的人工智能技术，包括自然语言处理（NLP）、光学字符识别（OCR）、模式识别、计算机视觉和语音识别，以便被处理并转换成结构化数据大多数业务关键型非结构化数据来自文档。Automation Anywhere IQ Bot是一种智能文档处理解决方案，它可以自动从各种类型的文档中提取有价值的数据，并将其转换为结构化形式，从而使这些数据能够进行自动化处理。对于处理来自其他来源的非结构化数据，enterprisea2019包含AI包，允许使用世界上最好的AI技术实现端到端流程自动化。 分析数据并做出决策传统上，数据分析和决策一直是人脑独有的特权。这是随着时间的推移而改变的。例如，Automation Anywhere Bot Insight通过收集和可视化RPA处理的业务数据来简化数据分析。此外，通过将深度学习算法应用于大数据，我们可以培训数字工作者在类似于以前遇到的情况下做出预测性决策。例如，人工智能可用于检测保险索赔处理中的欺诈性索赔，并自动做出批准或拒绝索赔的决定。学习和自动化业务流程过程发现包括对人类行为的自动分析和识别可以自动化的重复模式。找到这些过程需要应用复杂的模式识别和优化算法-同样，人工智能Automation Anywhere发现机器人使用人工智能来发现业务流程，识别自动化机会，根据投资回报对其进行优先排序，并创建机器人程序来实现自动化。一个例子是在计费过程中发现并自动处理被拒绝的发票。人工智能为数字工作者的所有关键技能提供动力，这是实现超自动化的"积极因素"。这也解释了为什么RPA（数字工人背后的核心自动化技术）是每个企业技术基础设施的重要组成部分。通过智能自动化实现端到端的流程自动化。了解更多分享这个：