通过代理自动化提高效率

自诞生以来，自动化的故事一直是线性进步的。从机器人流程自动化（RPA）到智能文档处理（IDP），每一项新的创新都使企业变得更加高效、盈利和敏捷。

但现在，更大的事情正在发生。一项新技术——代理自动化——正在颠覆这种渐进式改进的循环，开启我们从未见过的工作流程重塑。

代理自动化不是专注于单个任务，而是利用机器人、人工智能和编排来处理从开始到结束的整个工作流程。代理自动化的核心是人工智能代理——可以感知环境、在不熟悉的领域导航并即时做出决策的自主软件实体。

捕捉代理自动化价值的蓝图是我们最近的季度网络广播 UiPath Live 的主题 ：代理自动化之路。我们有幸邀请了全明星专家小组（人工智能科学家、自动化专家和企业领导者）就这种转变对现在和未来的企业意味着什么。

大多数领导者尚未掌握代理自动化的潜力规模。但少数人已做好准备，准备从这项改变游戏规则的技术中获得最大的回报。

代理自动化正在重新定义工作完成方式的三个领域

虽然传统自动化对于结构化、基于规则的任务仍然至关重要，但代理自动化在不可预测性占主导地位的情况下蓬勃发展。以下是它如何弥合曾经看似无法弥合的差距。

1。从规则到推理

您的业务流程中有多少依赖于不同格式的输入？不太完美的数据怎么办？

对于大多数组织来说，答案太多了。

从历史上看，自动化一直在与数据不一致问题作斗争。如果信息没有以结构化、标准化的方式到达，员工就必须介入——在系统之间转换数据、清理差异并手动重新格式化文件。虽然他们的时间可以更好地花在其他地方，但这些违规行为让他们别无选择。也就是说，直到人工智能代理介入。

人工智能代理在模糊性中蓬勃发展。他们不需要完美的数据来运作。 UiPath 人工智能战略主管 Edward Challis 博士向 UiPath Live 主持人 Mary Tetlow 和 Geoff Anderson 解释说，“代理提供了一种非常强大的方法来解决数据不断变化的任务。”人工智能代理不需要员工手动构建每个输入，而是可以制定高级目标并确定处理混乱、不完整或不一致数据的最佳方法。

这项技能在数据格式差异很大的行业中尤其有价值。以 WEX 为例，这是一家全球金融技术提供商，每天处理大量的医疗保健索赔。 RPA 可以轻松处理结构化索赔（具有标准化字段的干净数字提交）。但还有很多其他的格式更加混乱，比如手写的医生笔记或模糊的表格。过去，员工必须手动理清这种混乱情况，然后才能处理索赔，从而导致客户遭受令人沮丧的延误，并导致 WEX 成本更高。

现在，人工智能代理会自动处理这种变化。他们提取关键细节，根据合规性要求进行交叉检查，然后仅将最复杂的案例上报给人类团队。

2。从任务自动化到工作流程重塑

不同的输入并不是广泛实现企业自动化的唯一障碍。还有极其复杂的流程。太多的条件“if”语句、太多的变化、太多的异常……在某种程度上，尝试使用传统方法自动化此类工作流程变得很笨拙。 “定义自动化必须在每种情况下运行的流程太耗时了，”查利斯博士指出。

代理自动化采用了一种根本不同的方法。智能体不是遵循脚本，而是通过问题进行推理，确定什么是重要的、什么需要注意以及什么可以自主处理。

但它们并不是孤立工作的。当人工智能代理成为融合了人类直觉、机器人精度和代理适应性的生态系统的一部分时，人工智能代理才能发挥最佳性能。例如，代理可能会将复杂的工作流程分解为子任务：RPA 机器人处理数据输入，API 拉取实时市场价格，而人类则解决边缘情况。

查利斯博士将这个过程比作烤蛋糕。 “当你执行这个食谱时，你有很多选择，包括要使用哪种黄油、如何获得黄油、要使用哪个碗，”他说。 “因此，机构和如何完成该过程的既定例程之间存在灵活性。”

结构和适应性之间的这种平衡非常适合许多持续的企业挑战。例如，反洗钱（AML）系统是金融机构安全框架的重要组成部分。但它们远非完美——传统工具很容易让合规团队陷入错误警报之中。在某些情况下，这些风险可能高达 90%，迫使团队筛选大量噪音以识别实际风险。

人工智能代理擅长过滤误报以识别真正的威胁。他们通过分析结构化和非结构化数据来做到这一点，发现诸如小规模重复传输之类的模式，这些模式表明存在真正的风险。正如现场嘉宾、Forrester 副总裁兼首席分析师 Craig Le Clair 指出的那样，事实证明，代理可以将这一过程中的误报减少 60%。这使得合规团队能够专注于高优先级的调查，而不是陷入不必要的审查。

2。从编码到协作

为了实现作为协作伙伴的全部价值，员工需要能够用自然语言与人工智能代理进行交流。像 ChatGPT 这样的大型语言模型 (LLM) 本来应该能够解锁这种合作关系，但对于非程序员来说，现实要复杂得多。

尽管法学硕士对简单语言的提示做出反应，但让他们提供正确的结果需要一些编程知识，即对问题分解和代码验证的深刻理解。简而言之，知道要提出什么要求只是成功的一半。您还需要知道返回的内容是否正确。

我是一名程序员，所以如果法学硕士给我 100 行代码，我可以阅读它并弄清楚它是否真的在做我想要它做的事情。另一方面，如果我的非程序员朋友尝试做同样的事情，那么很难弄清楚输出是否真的是她想要的。您甚至需要大量的专业知识才能进行检查。

UiPath 首席应用科学家 Sarah E. Chasins 博士

代理自动化消除了这一障碍。员工可以描述他们的目标——即使目标很模糊——并让代理将这些指令转化为行动。这对于 WEX 来说是变革性的，因为团队不再需要将业务需求转化为严格的逻辑。

我不必花费数周的时间来研究每个确定性场景，而是能够向开发人员传达我想要的目标。我正在寻找的业务产出是什么？然后我就能真正看到这些东西一起工作。因此，它在产品和技术团队之间创造了这种开放性，这是我们过去在传统编码中所没有的。

Emily Krohne，WEX 企业自动化负责人

这些功能令人印象深刻......但我如何确定人工智能代理不会失控？

让我们解决房间里的大象：有了跨系统和流程运行的能力，我如何确保代理做我希望他们做的事情？

这是一个合理的担忧。代理具有不确定性，其固有的不可预测性是它们如此强大的部分原因。安全地实施代理自动化需要正确的护栏，以确保代理可靠、安全和透明地运行。

让人们了解情况

代理具有一定程度的自主权，但这并不意味着他们应该不受限制地运行。在大多数企业用例中，它们将充当决策支持工具，而不是完全自主的参与者。 Challis 博士明确表示：“在接下来的几年里，特工们将进行一些研究并提出建议，但需要有人对其进行审查。在做出任何重大改变之前，我们将有一个人工检查点。”

持续监控

可见性就是一切。为了确保人工智能代理按预期运行，组织需要在设计和运行时进行实时监控。

UiPath 产品管理高级经理 Zach Eslami 强调了这一点：“[透明度是]确保您的代理在孤立的环境以及外部世界中良好运行的一个关键方面。”组织需要了解代理如何做出决策，以便他们能够随着时间的推移改进他们的绩效并确保他们与业务目标保持一致。

将人工智能代理与确定性 RPA 机器人配对是保持控制的最佳方法之一。当代理适应并做出上下文驱动的决策时，RPA 机器人遵循严格的、基于规则的逻辑，在灵活性和可预测性之间建立平衡。 “我们相信，我们的代理展示了新水平的受控代理，因为他们不仅仅是与工具和应用程序交互，”埃斯拉米解释道。 “他们不会自己制定计划。他们能够利用人类和机器人来为他们的输出创造一个新水平的确定性，并确保他们按照我们的用户和客户期望的方式运作。”

与值得信赖的供应商合作

信任是有效企业自动化的基础。不仅信任技术，而且信任将技术变为现实的合作伙伴关系。 Krohne 提到 WEX 的“UiPath RPA 工具的历史让我们能够更快地扩展代理。”

当人工智能代理被引入到现有的自动化基础设施之上时，它们不会给人带来破坏性的感觉。相反，它们成为企业已经在做的事情的自然延伸——增强工作流程而不对其进行彻底改造。 Eslami 强调了这一点：“最终，我们看到代理能够在现有的 UiPath Platform™ 之上进行构建。这意味着他们能够利用我们提供的所有令人惊叹的自动化工具。”

但奠定基础只是第一步。为了释放代理自动化的全部潜力，企业需要一种大规模构建、部署和管理人工智能代理的方法。

UiPath Agent Builder 为团队提供了设计代理以满足其业务需求的工具。借助内置的监控和治理，企业可以放心地部署人工智能代理——知道它们从第一天起就会按预期工作。立即加入 Agent Builder 候补名单，成为第一批探索下一个自动化时代的人。

而且，为了更深入地了解代理自动化的现在和未来，请查看完整的 UiPath Live：代理自动化之路，现已按需提供。