您的自动化程序准备好迎接人工智能了吗？您的 AI 手册（第 1 部分）

人工智能 (AI) 扩展了您的自动化程序的价值。将 AI 添加到您的自动化程序中，为自动化智能认知流程提供了几乎无限的机会——将生产力、效率和客户满意度提升到新的高度。

在 AI Playbook 网络研讨会（我们的 AI 峰会的一部分）期间，我们求助于电通国际的美洲自动化主管 Brian Klochkoff，亲身了解将 AI 添加到自动化中并实现这一价值的第一手资料。无论您的业务自动化主要是指机器人流程自动化 (RPA)、数据分析还是机器学习 (ML)，将 AI 整合到您的自动化程序中都可以使其更强大、更全面。

在这篇文章中，我将解释为 AI 奠定基础的两步过程：

1. 如何确定您是否已准备好将 AI 添加到自动化中。

2. 如何为 AI 的接受创造动力。

在本系列的第二部分中，我将向您展示如何将 AI 模型集成到您现有的自动化程序中，以及应遵循哪些最佳实践。

确定您是否准备好将 AI 添加到您的自动化程序中

研究人工智能技术的企业问他们是否准备好是正确的。我们将这个复杂的问题归结为两个问题。

1。你有视力冠军吗？

愿景拥护者是推动业务参与和执行支持的领导者。

在我们关于建立团队以支持自动化运营模式的帖子中，我们定义了两种类型的执行发起人：动员者和数字管家。动员者解释自动化的价值，为 RPA 团队招募人才，并吸引初始资金。数字化管家通过说服高管接受并引导自动化团队进入下一个增长阶段，将动员者建立并建立在其之上。

远见冠军需要这些技能的混合。当您将 AI 置于自动化之上时，您可能已经拥有了一个动员者、一个数字管家，以及（希望如此）许多其他自动化爱好者。你对 AI 视觉冠军的要求是不同的。

在考察可能成为您的 AI 愿景冠军的人时，请问自己以下问题：

• 此人是否会热情、不懈地支持 AI 愿景？ 人工智能的支持者，即使在与使用自动化的人交谈时，也可能会面临怀疑，而你的愿景拥护者不可能是容易沮丧的人。

• 此人是否对组织和执行利益相关者有重大影响？ 激情和决心只会走这么远——一个伟大的愿景冠军需要有与他们的动力相匹配的影响力。战略必须是企业范围的，所以这个人的影响力也必须如此。

• 此人能否向高管利益相关者阐明强有力的商业案例？ 最后，此人必须能够以高管利益相关者能够理解和相信的方式阐述 AI 的好处。

上述问题的答案将帮助您确定更大问题的答案：您有愿景冠军吗？

一旦你想到了一个冠军，我们就可以继续讨论下一个主要问题。

2。您的自动化程序对于 AI 来说是否足够成熟？

在之前的文章中，我们将自动化比作旅程，并提供了扩展框架。我们强调自动化的长期性，因为它具有自上而下转型的潜力。这种程度的变化需要长远的眼光。

这就是为什么对是否是将人工智能添加到您的自动化程序中的正确时机至关重要的原因。我们相信所有企业最终都会认为 AI 必不可少，但这并不意味着所有企业今天都应该急于实施 AI。

要确定您的自动化程序的成熟度，请询问您自己和您的团队以下问题：

• 您是否为自动化程序制定了现有的治理和流程？ 在没有现有治理的情况下将 AI 部署到自动化程序中可能会降低 AI 的影响，从而恶化其业务案例。此外，缺乏治理会使人们对新技术有时会带来的风险保持警惕。首先将治理添加到您现有的自动化程序中。治理到位后，您可以将新的解决方案（如 AI）置于顶层，让您的团队充满信心，让您高枕无忧。

• 您是否有现有的基础设施和资源可供利用？ 复杂的 AI 实施需要数据科学家和 RPA 开发人员。您的数据科学家和 RPA 开发人员的技能是互补的，但他们可能还不知道如何一起工作。通过正确的治理结构，您可以配置新的工作流程，使这些团队能够进行协作。

• 您是否有为商业用户普及 AI 的愿景？ 民主化使企业用户能够使用自动化和人工智能。将您的民主化愿景纳入您的 AI 部署。这一愿景确保了 AI 基础架构和治理的设计考虑到了业务用户。

用 Klockkoff 的话说，一个成熟的自动化计划将涉及“热衷于寻找卓越运营和技术潜力的交叉点”的资源。这种交叉点是必不可少的，因为对 AI 和 ML 的热情是成功的必要条件，但还不够。商业实用性也很重要。

自动化程序成熟度不是您只需要等待的东西。通过构建自动化运营模型，您可以顺利完成自动化实施的早期阶段并有效地扩展自动化。

为激发人工智能创造动力

人工智能是每位高管的议程，但许多其他竞争性举措也是如此。为了让 C-Suite 以及您的公司对 AI 感到兴奋，请专注于通过揭秘、参与和展示投资 AI 的案例来建立势头。

揭开 AI 的神秘面纱，以结盟恐惧并激起兴奋

人工智能仍然经常被误解，部分原因是那里有多少不同的技术。现在有一系列工具，从简单的（业务用户可以使用）到复杂的（主要供数据科学家使用）。

即使您的公司拥有一个充满敬业精神的蓬勃发展的自动化计划，但这并不意味着任何人都了解人工智能。这种缺乏理解会导致警惕，如果不是彻底的恐惧的话。您的目标是让 AI 成为一个现实的、可理解的实体——一个从执行层以下的人都能理解的实体。

“归根结底，”克洛克科夫说，“我认为自动化实际上是人类的东西，对我们很多人来说...... ，从首席财务官到入门级助理的任何人都可以认同这一点。”

我们推荐三种方法来揭开 AI 的神秘面纱：

• 建立人际关系 ：找到了解用克洛克科夫的话来说“渐进式进步比完美更重要”的利益相关者。由于 ML 和 AI 模型的性质，人工智能很少会在第一次就完美。帮助人们了解目标是达到置信度阈值并随着时间的推移教授模型。

• 确定正确的商业案例 ：克洛克科夫说，你需要通过向利益相关者展示人工智能将如何影响他们的日常生活，来“弥合想法和实施之间的心理鸿沟”。 AI 经常让人觉得很可怕，因为它很遥远，所以尽你最大的努力让它感觉真实，而不是抽象。正确的商业案例将是概念证明，一旦实施，将证明价值。

• 专注于价值证明 ：用更简单的技术展示人工智能的潜力。 Klockkoff 建议使用熟悉的技术，例如 Amazon Alexa。 Alexa 与企业 AI 相去甚远，但您的受众对它的熟悉程度有助于他们了解它的价值。如果您可以向他们展示语音助手如何通过 AI 增加价值，那么您离证明企业 AI 的价值又近了一步。

Klockkoff 建议你让你的利益相关者想象一个“商业语音助手”。例如，我们如何通过自然语言处理 (NLP) 让人们访问 IT 自助服务？解释这样的实现可能带来的好处。使用类比表明即使是不完美的实现也是有用的。数百万人使用 Alexa，即使它每次都不能 100% 正确理解他们的查询。

这不是三个独立的方法，而是 AI 的一个好案例的三个组成部分。

让领导、员工和资源参与 AI 提供的解决方案

在建立势头时，请记住，不同的利益相关者构成了您的受众，这意味着您的信息需要根据您正在与谁交谈而改变。

当您与领导者交谈时 ，通过展示 RPA 和 AI 如何帮助解决实际业务问题来吸引他们。业务问题是他们说的语言，所以对他们说同一种语言。

当您与员工交谈时 ，引导他们完成用例。向员工展示他们将如何将 AI 集成到他们的日常工作中。再次，揭秘。尽可能花时间解释他们将与之交互的一些人工智能逻辑。他们最终仍将对这些过程的结果负责。

当您与资源交谈时 更广泛地说，专注于打破孤岛。您的目标是使不同部门能够协同工作，尤其是您的 RPA 卓越中心 (CoE) 和数据分析 CoE。这并不总是那么容易。

Klockkoff 警告说，随着您在技术开发技能方面进一步发展，您可能会遇到围绕 RPA 的耻辱。对某些人来说，RPA 感觉已经过时了。以其他方式教育他们。借助 UiPath AI Center 等平台，您可以做的比以前更多。 “当商业价值存在时，”克洛克科夫说，研发 (R&D) 预算也存在，这意味着您的高技术员工将获得一个“广泛的沙盒”来发挥作用。”

当您建立参与度时，您将能够在各个层面展示如何将 AI 融入现有的 RPA 解决方案。领导者、员工和资源的支持对于优雅的实施是必要的。

寻找真正了解人工智能的人

如果您从本文中吸取了一个教训，那就是：专注于结果。您可以拥有世界上所有的演示和示例，但没有什么比用例更能说明问题了。

尽早找到用例并找到合适的受众来展示它们。正确的用例将展示进步和现实世界的影响。

以 ApprioHealth 为例，它使用 UiPath AI 计算机视觉快速高效地处理大量医疗保险索赔。 ApprioHealth 的团队是 RPA 的经验丰富的用户，但他们发现他们的虚拟桌面基础架构 (VDI) 阻碍了其有效性。借助 AI 计算机视觉，软件机器人可以像人类一样看到计算机屏幕，这意味着 ApprioHealth 可以在任何 VDI 系统中使用 RPA。

这个用例非常理想，因为团队了解可能取得的进展，当他们追求它时，RPA 效率提高了七倍。

合适的受众也将有足够的知识来了解技术概念、人工智能的商业价值，以及他们参与人工智能计划的重要性。

这就是演示有时会出错的地方。 Klockkoff 曾在一次与缺乏一定技术敏锐度的前台利益相关者合作时遇到过这种情况。他的团队构建了一个 AI 解决方案，可以预先生成对客户提案的响应。

“人们真的很高兴能够解决这样一个有趣而复杂的问题，它会给他们带来价值，但是当解决方案没有以 100% 的置信度阈值交付时，他们并不真正关心，”克洛克科夫说。曾经兴奋的利益相关者，一看到这个门槛，就变得冷漠了。他们关心他们知道人工智能解决方案不知道答案的一小部分问题。 Klockkoff 承认，这并不是一个理想的开始。

每个人都喜欢参加克洛克科夫所说的“流行词宾果游戏”（可以包括 AI、ML 和 RPA），但对于某些项目，您必须寻找真正了解手头技术的人。克洛克科夫在“与他们共事多年的人”方面取得了最大的成功。

在一个项目中，他们在四到六周的时间里从 76% 的准确率提高到了 97%，“如果没有我们的朋友对技术功能的持续参与和参与，这是不可能实现的。”

相互理解将使您能够部署超越概念证明并最终扩展的解决方案。

利用你的动力并执行

尽管领先的企业最终都必须学习如何使用人工智能来提高竞争力，但错误的实施可能与错过实施一样危险。不要拖延，也不要急于求成。

我们已经讨论了如何测试准备情况和建立动力；在第二部分，我们将解释如何处理这种势头。一旦您感到兴奋，将 AI 模型集成到您的自动化程序中就在您的视线之内。

想听听 Brian Klochkoff 和我自己的话，请查看 AI Playbook 网络研讨会的录音。