赋能数字员工：智能自动化驱动更智能、更快速的工作

在当前充满挑战的环境下，全球董事会真切渴望数字化转型工作，使其以更少资源更快、更智能、更高效地完成。实现这些目标的日益合乎逻辑的路径是采用运行数字员工队伍的智能自动化；一个AI驱动、不断进化、业务就绪且IT批准的超级资源。这是一支准备好由业务人员培训、交付越来越复杂工作的数字员工队伍，不仅跨越前、中、后台——而是跨越整个企业——在任何行业领域。

其运作具有绝对诚信，速度比人类快达150倍，零错误，7×24小时。这支数字员工队伍通过学习和像人类一样运作，越来越接近人类。这是一支易于由人员培训投入工作、为新工作再培训的队伍，同时释放人员与其协作，或从事更适合其天生技能的工作。

数字员工是终极团队合作者、共享者和海量工作负载管理者，与其他机器人不同，他们通过交织AI能力主动工作，在不断变化的数字环境中无故障互操作。他们能读取不同屏幕、布局或字体、应用版本、系统设置、权限和语言。他们从任何来源、跨所有IT系统摄取并分类半结构化和非结构化数据，同时提供质量检查、检测错误并将异常传递给人员处理。

数字员工还能唯一访问和读取任何当前甚至未来技术的用户界面——无需编码。正是这种通用互操作能力，使任何新技术——特别是来自我们的'数字交换'——能被业务轻松消费、安全测试并迅速拖放进企业流程中。

我们谈论的是利用数字员工轻松利用人工智能（AI）、深度分析和不断增长的认知平台阵列；自然语言处理（NLP）、语音识别、情感和风险分析、机器学习（ML）和推理等。这些能力可由数字员工增强，执行越来越复杂的端到端活动，以业务所需节奏推动企业范围内的数字化转型。

数字员工实战

数字员工利用AI和认知技术的影响日益引人注目。以下是他们交付工作的两个例子。

银行业——一家大型多业务银行在处理大量支付、转账和贷款时遭受昂贵且易错的手动操作，正自动化此工作。数字员工作为多技术集成胶水和交易引擎，捕获或创建客户来电指令图像并路由至计算机视觉工具。进一步集成机器学习能力使银行能解读数据并基于机器检查发现的模式生成结构化工作处理表单。

开发表单所需时间从估计的400人月缩减至不足三个月。由于数据现已数字化，数字员工可根据业务规则处理并自动录入相关系统——通过API或系统用户界面。银行每年节省数百万美元人员开支，消除击键错误并提高处理速度。现已获得竞争优势赢得新客户，实现显著业务增长。事实上，自解决方案部署以来，银行贷款业务翻倍，增加的需求通过扩展数字员工得到满足。

医疗保健——一家大型区域公共医疗提供商使用数字员工沿分配的临床治疗路径自动化患者护理，人工干预例外率低于1%。原始手动流程涉及为每位患者收集并打印多达15份数据，包括扫描、临床测试、就诊历史等，然后扫描成单个PDF文件。

数字员工现读取内容、提取转诊原因，然后使用安全智能卡技术检索、合并并上传所有所需数据，并提醒顾问文件已准备好供审查。数字员工24/7主动监控平均每周2000转诊的病例量，处理时间从25分钟缩减至5分钟。

基于此成功，该提供商还使用数字员工和认知电子表单技术自动化产科患者自我转诊，接收验证数据、登记患者、分配预约并向患者确认详情。诊所致患者的信件自动翻译为其主要语言并发布在提供商的患者门户上。

提供商现正构建新自动化，针对眼科和内窥镜患者的临床编码，使用数字员工和认知工具分析非结构化数据、识别共同主题、分类数据并为治疗记录推荐可能的编码输出。

结语

归根结底，数字员工提供的工作可能性几乎无限。我们见到一家大型保险公司使用ML和视觉处理配合数字员工，将评估事故索赔时间从56分钟缩减至5秒。仅早期试点每年节省500万美元并释放3.9万小时工作时间。暂停思考这一工作速度转变和由此产生的时间节省。现在比以往任何时候，前瞻思想者知道无法回头——不使用智能自动化的组织很快将为缓慢或零增长组织工作。

阅读更多Peter Walker在Information Age的文章。