機器智能可以補充人類智能。人類具有創造力、想象力、戰略、戰術和創造力。機器人更適合那些人類覺得困難和不喜歡的任務，譬如檢查大量的數據，在數據中尋找規則，大量數據的搬運，這些無盡的重複任務，這些工作耗盡人類的大腦，但機器人不會。
人類智能和人工智能結合，我們的組織結構將發生深遠的變化：
這開啓了通向未來的道路:With時代： 即機器人智能與人類合作，在機器人的幫助下，我們可以從重複的工作中解脫出來，自由地預測和推導出分析性和戰略性的東西。我們可以比以前更多地創造、合作和交流。
2019年5月，德勤邀請高管參加一項智能自動化戰略及其對員工的影響的在線調查。我們收到來自非洲、美洲、亞洲和歐洲26個國家的523名高管的反饋，這些企業年營業額總計2.7萬億美元。
自動化技術的市場, 比如機器人過程自動化(RPA), 每年正以20%的速度增長, 到2024可能會達到50億美元, 我們的調查受訪者表示,許多組織已經成功地將其自動化自2018年以來已經翻了一倍。8%的高管表示，他們已經部署了51台以上的軟件機器人。然而，實現規模化仍然是一個挑戰，流程碎片化改進被認爲是成功的主要障礙。
已經實現RPA實施規模化的組織是那些有清晰的願景、戰略和從自動化中獲取價值的組織。
高管們預計，在未來三年，自動化將使他們的勞動力能力增加27%:相當于參與我們調查的523家機構的勞動力中增加了240萬名全職員工(FTE)。這爲提高生産力和改善人類體驗提供了重要的機會，工作變得更好玩和更有意義。不幸的是，44%的企業尚未計算出它們的自動化戰略將如何影響員工，而60%的企業尚未考慮自動化是否會要求員工接受再培訓。
規模化：從RPA轉向智能自動化
機器人過程自動化(RPA)可以連接多個不同的系統和接口。RPA使用精確編程的“機器人”自動化特定的任務，大大減少處理時間，並通過提供一致的結果，更少的錯誤，確保更高的質量。此外，如果有效實施，RPA可以解放勞動力，使其專注于更具有戰略意義的活動或以客戶爲中心的任務。
我們的分析顯示，企業不僅繼續使用RPA，而且正在尋求通過增加智能部署來超越RPA自動化。58%的受訪高管表示，他們已經開始了智能自動化之旅。其中，38%正在試行(1-10項自動化)，12%正在實施(11-50項自動化)，8%正在大規模自動化(51項以上自動化)。與我們2018年的調查結果相比，大規模部署的組織數量翻了一番。
定義：
機器人過程自動化: RPA是業務過程的自動化，在這個過程中，軟件執行可以由計算機編碼的任務。它通常被稱爲“robotics”或“robots”，並被定義爲基于規則的過程自動化，該過程使用了用戶界面，可以在任何軟件上運行，包括基于web的應用程序、ERP系統和大型機系統。
人工智能: 人工智能技術可以執行以前需要人類智能完成的任務，比如從圖像、文本或語音中提取含義，檢測模式和異常情況，並做出建議、預測或決策。它們包括機器學習、深度學習、自然語言處理和生成。
智能自動化: RPA、AI等相關自動化技術的結合。
建造智能機器人
RPA有很多明顯的好處，但也有局限性。機器人只能遵循基于邏輯規則的流程。他們不會看到數據中的模式，也不會從圖像、文本或語音中提取意義。RPA軟件被編程來處理功能，如注冊、發票或數據傳輸，而不理解它們背後的邏輯。
通過這種簡單的自動化技術，企業已經耗盡了許多低價值的機會，現在正尋求實施下一代解決方案。這些技術利用多種先進技術和數據科學，如人工智能，使自動化更智能，並爲組織提供更多價值。
智能自動化的預期好處
通過智能自動化技術，組織可以改變業務流程——不僅可以實現更高的速度和精度，還可以基于結構化和非結構化輸入實現自動化預測和決策。我們的分析顯示，有三個主要的好處推動了該技術的應用。企業希望提高生産率和降低成本;更大的准確性; 改善客戶體驗。
高管們估計，未來3年，智能自動化將平均降低22%的成本，增加11%的收入。然而，那些目前正在推廣智能自動化的組織表示，從實施到目前爲止，他們已經平均降低了27%的成本。
47%的企業已經將RPA和人工智能結合起來，作爲其智能自動化戰略的一部分。他們報告說，由于他們的自動化，迄今爲止他們的收入增長更高，平均增長9%。那些只使用RPA的收入僅增長3%。
進一步的證據表明，智能自動化的實現超出了預期。試運行智能自動化的企業預計平均回報期爲15個月;那些處于擴張階段的公司在僅僅9個月後就報告了平均回報。
采用智能自動化的障礙
據報道，在采用的所有階段，組織面臨的最大兩個障礙是流程碎片化和IT准備就緒。
36%的受訪者認爲最大的障礙是進程碎片化，即日常進程在桌面級別以各種方式進行管理的方式。17%的企業認爲，就基礎設施和系統而言，IT就緒程度是最大的障礙。
正在試行自動化的組織也認爲，缺乏對智能自動化的願景和雄心是一個關鍵障礙，而實施速度對組織實施或擴展自動化變得更加重要。
一個正在出現的關鍵趨勢是，組織經常缺乏人才，例如，發展卓越中心(Centre of Excellence)。這就産生了對系統集成商等第三方供應商的巨大需求。德勤預計，在持續的成本壓力(部分原因是數字化顛覆)、向雲技術的過渡、人才短缺以及管理快速變化的産品和供應商生態系統的挑戰推動下，該公司將從構建內部能力轉向購買自動化服務。
與此同時，卓越中心的角色也發生了轉變。它們正在從智能自動化的“推動者”演變爲數字資産的“內部市場”或“交易所”。有些人甚至超越了這一點，成爲智能自動化驅動的運營改進的“主管”。這是一個重要的趨勢，在RPA供應商創造的開放市場中得到了反映。
建立成功的智能自動化戰略
考慮到智能自動化帶來的回報，企業在實施和擴展方面似乎很慢。很明顯，在實施之前必須解決重大障礙，但德勤注意到，在試點階段和規模階段的組織之間存在明顯差異。
特別是，在推廣智能自動化的組織中，高管們更有可能清楚地了解自己將如何從項目中獲取價值——78%的高管都是這樣做的。在試行解決方案的公司中，只有50%提出了同樣的要求。
區分組織是否規模自動化的其他方面是高度支持的IT功能，具備所需的技術、基礎設施和網絡安全(見圖4)，以及能夠快速實現自動化的敏捷、多學科團隊。它還強調適當的治理、項目管理和技術。
智能自動化成功的六個關鍵因素
通過對調查數據的分析，我們可以看到一些組織明顯受益于智能自動化。這些機構有六個不同的特點:
01. 全企業範圍的智能自動化戰略
一般來說，擁有全企業戰略的公司在額外的勞動力能力、成本削減和收入增加方面會有更高的回報。它們平均降低了24%的成本，增加了8%的收入，而沒有全企業戰略的組織平均降低了14%的成本，增加了3%的收入。
02. 將機器人過程自動化與人工智能相結合
這似乎是幫助組織增加收入的最有力的因素。合並這兩種技術的公司收入平均增長了9%，而那些不合並的公司平均僅增長了3%。
03. 技術、基礎設施和網絡安全組織具有支持性的信息技術功能，並具備所需的技術、基礎設施和網絡安全，可以更有效地降低成本。平均而言，它們的成本降低了21%，而缺乏這些功能的組織的成本降低了13%。
04. 成熟的過程定義、標准和過程
成熟的過程定義和標准可以提高後台工作人員的能力。具備這些條件的組織後台工作能力平均增加19%，而沒有具備這些條件的組織後台工作能力平均增加12%。
05. 對如何獲取價值有清晰的理解
對如何從智能自動化中獲取價值的清晰理解，將大大降低成本。對此清楚的高管稱，他們所在機構的成本平均降低了21%，而那些不了解清楚的高管的成本平均降低了15%。
06. 爲了降低成本而進行的徹底的流程優化
規模化組織更有可能同意，他們的戰略的主要目的是徹底的簡化，以降低成本的需要驅動。約73%的機構這樣做，而只有61%的試點機構持相同立場。
智能自動化的價值–讓機器更人性化
當RPA與人工智能相結合時，智能自動化的優勢凸顯出來，使應用程序超越常規走向創新:從收集和處理數據到分析和做出上下文決策。然而，相當多的受訪者(48%)承認，他們既沒有考慮過也沒有實施過包含人工智能的智能自動化策略。另有36%的公司將人工智能納入其戰略，但規模不大。目前，只有11%的企業在推廣包含人工智能的解決方案。
來自前線的經驗教訓
爲了幫助解決患者需求管理方面的挑戰，德勤開展了全科醫生(GP)轉診分診工作。
其目的是利用人工智能解鎖電子醫療記錄中的數據，實現更高效的處理、智能分析和改進決策，以克服服務挑戰。
自然語言處理(NLP)被用來讀取全科醫生轉診到胃腸科服務的信息。人工智能解決方案建議最有可能的分診結果、緊急狀態或診斷轉診。他們使用了兩種RPA解決方案:一種是將電子醫療記錄拉入人工智能，另一種是主動查看結構化(SQL)數據庫，以更新人工智能是否做出了決定。如果有，RPA就會把這個決定放到預約系統中。
德勤采用了一種方法，將兩種分類模型結合起來——“AI-I”預測緊急狀態，“AI-II”預測臨床結果。通過將預測問題分成兩部分，與單一模型相比，在一步之內預測分診結果的准確性顯著提高。
在人工智能建模中，特征工程被用來將自由文本轉換成機器可讀的格式。然後根據提取的特征進行分類決策
早期采用者的積極回報
正在實施和擴展智能自動化的組織更有可能將RPA和AI結合起來。類似地，那些將人工智能作爲智能自動化戰略一部分的公司更有可能報告達到或超過預期。
與單獨使用RPA的組織相比（8.5%對2.9%），結合RPA和AI的組織也報告說，由于迄今爲止的自動化，收入增長更高。高管們相信，集成AI和RPA，他們可以獲得更多的經濟效益並提高競爭力。
目前作爲智能自動化戰略最流行的人工智能解決方案是預測算法或基于機器學習的解決方案、專家或基于規則的系統，以及自然語言處理或生成（NLP/NLG）。德勤預計，這種情況將發生變化，尤其是深度學習將變得更加突出。約18%的受訪者已經實施了深度學習，55%的受訪者正在計劃實施深度學習。
定義
預測算法或其他基于機器學習的解決方案：可以從數據中學習並做出決策和預測的系統。
深度學習：一種特定類型的機器學習，它使用模型參數的級聯層來學習和表示概念的層次結構。例子包括演講和圖像識別。
自然語言處理或生成：幫助計算機分析或生成人類語言的系統。示例包括對客戶電子郵件或電子郵件的自動分析，對話技術，如聊天機器人。
計算機視覺：分析數字圖像或視頻，創建可用于決策和行動的高級分析和描述。
專家系統/基于規則的系統：將知識表示爲一組規則（源自人類專家）的系統，這些規則說明在不同情況下要做什麽或決定什麽
人機配合時代
人工智能現在日趨成熟，德勤爲智能時代：一個自動化輔助和增強人類的世界。自動化的力量是重新想象組織做事的方式，但只有當組織理解AI提供給他們的工具，並准備好吸收和采用這些技術時，這才可能發生。
爲員工應對自動化的影響做好准備
人工智能提高了人類勞動力，超過90%的受訪組織預計AI將提高員工能力。平均而言，他們預計在未來三年內，物流能力將增長26%，核心業務運營能力將增長17%。盡管智能自動化提供了提高生産率的機會，但44%的組織尚未想好員工的角色和任務，以及任務執行方式將如何變化。此外，近三分之二的組織沒有考慮自動化需要對多少比例的勞動力進行再培訓。即使是已經實現大規模自動化的組織也還沒有考慮到這一點。
德勤歐洲勞動力之聲（Voice of the Workforce in Europe）發現，65%的員工認爲，他們需要掌握高級IT技能，以確保未來的就業能力。
爲了讓員工做好准備，成功應對自動化的影響，確定未來的工作崗位，並確保提供正確的技能，組織不能簡單地重寫現有的工作描述。相反，應通過以下方式定義工作：
• 勞動力解決産出和問題，而不是執行的活動和任務
• 人們參與並激勵團隊和關系，而不是他們監督的下屬
• 實現自動化和增加勞動力以提高生産力和客戶價值的工具技術
• 將開發、學習和新體驗融入日常（通常是實時）工作流程。
利用人才實現智能自動化
超過三分之一的高管承認，缺乏提供新技術所需的技能是他們擴展智能自動化的三大障礙之一。這種短缺在剛剛開始自動化之旅的組織中更爲明顯：59%的自動化試點組織認爲，他們缺乏實施戰略所需的勞動力技能。
目前，很難聘請外部人才填補這一空缺。人口趨勢正在縮小人才庫。到2028年，歐洲的工人將比今天少800萬。近幾十年來的低出生率意味著進入勞動力市場的年輕人越來越少——特別是在歐洲國家。與此同時，相當一部分勞動力正接近退休年齡。根據歐盟統計局的數據，2017年，在歐盟15個國家，16%的員工年齡在55歲至64歲之間——近2500萬人。
在人才市場日益緊張的情況下，企業不能指望從外部招聘足夠的員工，他們需要具備所有外部能力，必須在內部培養人才。
來自前線的經驗教訓
德勤與北愛爾蘭經濟部(DfE)合作，開創了一所機器人學院，以開發受歡迎的技能，並促進北愛爾蘭的就業。
坦尼娅·特爾福德正在瞬息萬變的機器人領域開創新的事業。作爲一名前行政助理，她是第一批進入機器人過程自動化和數據可視化保障技能學院(Robotic Process Automation and Data visualization Assured Skills Academy)的學生之一。她現在從事咨詢工作，正在幫助客戶了解機器人能做什麽。
她說:“當我看到機器人學院的廣告時，我立刻抓住了這個機會。”“我一直對技術感興趣，但在大學裏沒有學過，所以有機會在這樣一個令人興奮的新領域接受再培訓，同時學習核心技能，真是太棒了。”
該學院于2018年1月成立，確保專業人才的輸送渠道。這個爲期11周的課程是由北愛爾蘭發展部資助的就業保障技能計劃的一部分。
該學院位于貝爾法斯特都市學院(Belfast Metropolitan College)，由德勤的貝爾法斯特交付中心(Belfast Delivery Centre)從零開始發展起來，這是德勤英國的一個卓越中心。在沒有現有課程的情況下，他們與學院、DfE和德勤的從業者密切合作，以准確了解市場的需求。
科林·Mounstephen是該學院的團隊的負責人，他說:“我們的目標不僅是招募有技能的新員工，而且要爲北愛爾蘭的畢業生提供機會，讓他們掌握在這個有需求的領域獲得高質量工作所需的技能、知識和經驗。”
“我們是領頭羊，”科林補充道。“我們與貝爾法斯特城市學院合作，對來自各種背景的人進行培訓。我們的貝爾法斯特團隊現在有分析師，他們可以提供複雜的RPA解決方案，我們已經通過一些成功的公共部門項目，開始看到其影響。”
員工對自動化表示強烈支持
74%的調查受訪者認爲，他們的員工（一個經常擔心因技術變革而利益受損的群體）支持或高度支持他們的智能自動化戰略。這是非常積極的。
隨著組織在自動化過程中的進一步發展，利益相關者支持水平往往會顯著提高。例如，32%的組織正在試點（1-10個自動化）的高管表示，他們的員工不支持，而在正在實施（11-50個自動化）或擴展（51個以上自動化）的組織中，這一比例僅爲12%。
德勤認爲，企業必須利用員工在智能自動化方面的積極性，爲他們提供所需的技能。自動化爲員工提供了機會，使他們能夠圍繞人類特有的方面重新定義自己在工作場所中的角色，如想象力、創造力、好奇心以及情感和社交智能。
編譯：曾志宏Lucas，上海趨研科技聯合創始人，北科大畢業，新加坡國立大學MBA，服務于GE，Rolls-Royce，JCI，Whirlpool等跨國企業供應鏈部門，致力于貨代行業流程自動化，AI+軟件機器人RPA，以及數字供應鏈，智慧物流等的推廣和傳播 (Wechat: One Six Three Eight Eight Eight One Nine Six Three)。
Source：Deloitte