人工智能 (AI) 工作流是指使用人工智能驱动的技术和产品来简化组织内的任务和活动的过程。
近期人工智能驱动的应用和工具以及 AI 模型的进步，为企业改进工作流处理方式创造了新的机会。随着组织积极拥抱数字化转型，AI 驱动的工作流程，借助自动化平台和高级模板的力量，不仅消除了以往人工操作带来的低效率，还大大改善了合作伙伴、员工和客户的体验。
IBM 商业价值研究院的一份报告显示，92% 的高管同意其组织的工作流程将实现数字化，并将在 2025 年之前使用 AI 赋能的自动化。
根据 Vanson Bourne（IBM.com 外部链接）的调查1，80% 的组织目前追求的目标是对尽可能多的业务流程进行端到端自动化。
人工智能驱动的工作流程已成为企业加强关键业务运营、提升员工工作效率和改善盈利状况的重要手段。
企业可以利用多种 AI 技术来改进工作流程。
API，即应用程序编程接口，是一组让软件应用程序能够相互通信以交换数据、特性和功能的规则或协议。API 是 AI 工作流的关键组成部分，它们驱动着不同服务之间的互联互通。举例来说，我们在网上购物时，通过网站连接到银行账户完成支付的过程，就是一个 API 连接的实际应用。
生成式 AI 是一种创建原创内容（例如文本、图像、视频、音频或软件代码）以响应用户提示或请求的 AI 类型。Chatgpt 等生成式 AI 技术能够帮助企业优化工作流程，并产出高质量的成果。它可以根据用户的提示或要求，生成各种内容，包括文字、图像、视频、音频和软件代码。从协助制定战略目标和战术，到安排会议，再到提供营销文案的反馈，生成式 AI 可以应用于众多 AI 工作流。McKinsey 预测，生成式 AI 有望（ibm.com 外部链接）让美国经济中高达 10% 的工作任务实现自动化。2
智能自动化是任何 AI 驱动的工作流程的标志。它涉及使用自动化技术来简化和扩展整个组织的决策。例如，保险供应商可以使用智能自动化来计算付款、估算费率和满足合规需求。
机器学习 (ML) 是计算机科学的一个分支，它利用数据和算法让 AI 能够模仿人类的学习方式，逐步提高其准确性。机器学习的一个分支是深度学习，它使用多层神经网络来模拟人脑的复杂决策能力。
自然语言处理 (NLP) 是 AI 的一种，它利用机器学习使计算机能够理解人类语言并与人类交流。例如，金融服务组织可以使用 NLP 来解析冗长财务报表和其他数据集中的信息，从而就投资方向做出更明智的决策。
光学字符识别 (OCR) 也称为文本识别，它使用自动数据提取技术将文本图像快速转换为机器可读的格式。OCR 可以帮助组织将传统的纸质信息，例如书籍、演示文稿以及其他印刷材料，转换成数字格式，并将其导入到现代化的知识管理系统中。
这款产品利用 AI 驱动的互动式工作流程，帮助组织发现潜在客户并最终达成销售。它有多个用例，包括入站优化、销售互动和 CRM 改进。
ChatGPT 由 Open AI 创建，是一款被誉为开启了生成式 AI 革命的聊天机器人（IBM.com 外部链接）。3基础版本对所有用户免费，Open AI 还提供若干收费的高级版本。
Claude 是另一款 AI 聊天机器人，由 Anthropic AI 推出，它能够总结较长文档中的信息，帮助创建内容，翻译语言，以及帮助编写代码。
Gemini 也是一款可独立使用的 AI 助手。它还内置于 Gmail、Docs、Sheets 等 Google 工具中，为用户创造了更多工作流机会。
此 IBM 技术套件旨在帮助组织构建为其业务量身定制的 AI 应用，管理所有数据源，并加速负责任的 AI 工作流的推进。watsonx 有多种用例，例如内容创作、部署聊天机器人以及提高代码编写效率等。
IBM® watsonx Orchestrate 可帮助组织创建个性化的 AI 助手和智能体，以自动执行并加快完成工作。它使用自然语言处理技术来理解和运行任务。IBM watsonx Orchestrate 使用一系列预构建的应用程序和技能以及会话式聊天体验来设计可扩展的 AI 助手和智能体，实现重复性任务的自动化，并简化复杂的流程。
这是一款可回答用户问题的生成式 AI 聊天机器人。Copilot 可作为独立应用程序使用，也可以集成到 Microsoft Teams、Outlook 和 Powerpoint 中。
Zapier 是一款工作流工具，它现在利用 AI 来驱动许多不同类型的工作流程。它还能连接各种各样的服务，实现信息和内容在这些服务之间的快速共享。
人工智能驱动的工作流有一系列标准用例：
组织可以利用 AI 工作流来更好地管理客户流程，从引导新客户到向其发送购物信息，再到处理入站服务请求。这有助于解放客户服务代表，让他们能够专注于解决更高级别的问题。
Camping World 与 IBM 合作，借助 AI 工作流，将客户参与度提高了 40%，并将等待时间缩短至 33 秒。
客户关系管理 (CRM) 工具帮助组织密切关注最重要的客户。AI 工作流正逐渐成为这些工具的核心驱动力，为组织深入挖掘数据库中的信息提供了前所未有的机遇。AI 能够整合同一客户在不同渠道的信息，补充外部数据，并整合购买记录，从而生成可操作的洞察。此外，AI 还能分析这些数据，帮助组织识别潜在的客户流失风险，以及哪些客户更有可能接受追加销售。
AI 能够以多种格式收集并分析数据集，然后对数据进行整理和展示，方便人类进行分析。它还可以剔除数据中的错误，并将数据转换成其他 AI 算法能够理解和分析的格式。
AI 工作流能够从海量且复杂的数据中识别出人类难以发现的模式，从而挖掘出深层洞察。AI 工作流还能发现潜在的数据错误，并将其提交给人工处理或自动修复。此外，AI 还可以从外部数据源提取数据，并将其有序地整合到组织内部系统中。
组织可以使用 AI 工作流来自动制定定价策略。例如，Uber 和 Lyft 的价格因多种因素而异，包括供需情况、特殊活动和天气问题。
AI 工作流在金融服务领域有多种用例。企业可以实现发票开具和应付账款活动的自动化。他们还可以利用 AI 来识别潜在的欺诈或财务管理不善案件，否则这些案件可能不会被发现。
IBM 商业价值研究院的一项研究发现，高管们期望生成式 AI 能够帮助他们提高预测异常、解释差异、生成场景 (40%) 和创建报告的能力。
AI 工作流能够处理各种知识管理活动。它们可以把电话录音转换成文字，并自动生成会议纪要，让参会者能够更专注于会议本身，并且会后可以轻松获取会议重点。AI 工作流还能简化信息在整个组织或不同人员之间的共享方式。员工还可以借助 AI 助手和聊天机器人快速查找和分析公司内部信息，从而随时随地更高效地获取所需信息。
AI 工作流可以帮助组织简化从库存和供应链优化到质量监控的众多运营流程。例如，AI 工作流可以根据需求和当前供应水平，预判某种产品是否即将缺货。然后，它可以联系供应商补货，而无需人工干预。
AI 工作流还可以支持预测性分析功能。机器学习算法可以分析历史数据和外部因素，并预测未来会发生什么。例如，零售商可以设置自动工作流，在预计天气温度升高时订购更多饮料。
AI 工作流可以帮助预测性维护团队监控设备性能数据，预测机器何时可能出现问题或故障。因此，企业可以优化维护计划，在对业务影响最小的时候对机器进行维护。IBM 帮助 Toyota 利用人工智能提高其预测性维护能力。结果，停机时间减少了 50%，故障减少了 80%。
AI 可以帮助组织改善寻找和雇用员工的方式。他们可以使用 AI 解决方案软件扫描简历以找到合适的候选人，并使用软件自动安排与候选人的介绍性通话。他们还可以使用 AI 工作流程帮雇用的员工入职和设置培训。
Corning 与 IBM 合作降低人力资源成本，同时改善其 45,000 名员工的工作体验。Corning 知道，千禧一代在 Corning 的员工中所占比例不断增加，他们需要更多基于技术的自助服务工具。
随后，该公司引入了人力资源自助服务门户，预先填入每位员工的数据，使他们更容易获得所需的信息或服务。现在，这个基于云的平台每天有超过 10,000 人次的员工和管理人员访问，以获取他们所需的信息和培训。
AI 是许多 Web 开发工作流的核心。它可以帮助开发人员编写和测试代码、了解代码库、记录代码及其他用途。2024 年 Stack Overflow（ibm.com 外部链接）5 的一项研究发现，开发人员预计明年他们将在记录代码（81%）、测试代码（80%）和编写代码（76%）中集成更多的 AI。AI 工作流也是无代码/低代码运动的重要组成部分，非开发人员可以更好地理解和参与 Web 开发过程。
AI 工作流可以让员工摆脱耗时的重复性工作，这些工作通过自动化可以更好地完成。AI 可以处理这些日常事务，从而解放员工，让他们有更的时间与客户或合作伙伴互动，并创造更大的商业价值。
IBM 软件 SVP 兼首席商务官 Rob Thomas 表示，AI 可能会导致“生产力悖论”现象。它不会像一些人担心的那样抢走每个人的工作，而是可能通过提高每个人的工作效率来提升工作质量。
组织可以借助 AI 工作流程，避免员工将时间浪费在不必要的手动任务上。员工可以专注于能够带来额外收入的高价值项目和任务。AI 还能减少信息共享过程中的摩擦和低效，从而打造一个更加智能、决策更高效的组织。
团队成员可能会犯错，尤其是在执行复杂任务时。AI 可以更快、更准确地完成那些更适合自动化的工作。
AI 可以自主行动，无需人工干预，从而消除各种瓶颈。它能够进行实时数据分析，并做出影响多个业务部门的决策。例如，营销人员可以使用 AI 工作流自动优化广告活动。AI 工作流可以改变支出，将资金分配到效果最佳的细分市场或社交媒体内容上。
基于 AI 的自动化软件可以轻松管理组织所依赖的众多流程。为了提升用户体验，组织都希望其工作流程具备良好的可扩展性和高效率。AI 工作流能够便捷地在组织内部传递信息和处理各项事务，从而确保管理层和员工能够随时随地获取所需的实时信息。
组织在实施 AI 工作流时，也有一些挑战需要应对。
公司在工作流程中引入 AI 可能会让员工感到不安，尤其是当 AI 取代他们目前从事的人工工作时。组织应该正视这些担忧，并主动与员工沟通，说明引入 AI 是为了更好地辅助他们的工作。公司还可以通过培训等方式，让员工了解，将他们从重复性的手工劳动中解放出来，可以让他们有更多的时间和精力投入到更有意义的工作中。最终，员工会认识到 AI 对他们来说是一种积极的助力。
就像引入其他系统一样，构建 AI 工作流也需要一些前期准备工作。组织需要分析现有的系统和流程，找出哪些环节可以通过引入 AI 工作流来优化改进，并明确为了实施这些新的工作流需要做出哪些调整。这需要组织有耐心，并具备战略思维。但是，如果 AI 工作流能够得到有效优化并产生价值，那么这种初始时间投入所带来的效益将远远超过成本。
虽然 AI 的许多用途可以帮助企业避免人为错误，但它们本身仍然不是无懈可击的。AI 可能会犯错，这就是为什么组织需要检查 AI 生成的数据。这进一步说明了员工及其基于经验的知识作为 AI 工作流程所产生结果的最终决定因素的重要性。
虽然许多 AI 工作流可以无缝融入现有工作模式，无需员工改变工作习惯，但也有一些应用需要员工学习新的操作流程。因此，组织可能需要投入资金，为员工提供 AI 使用方面的培训课程，或者购买相关的培训工具授权。这种技能提升有诸多益处：一方面，员工能够掌握实用的新技能；另一方面，员工能够提高工作效率和质量。
1 For Success with AI, Bring Everyone On Board，HBR，2024 年 6 月。
2 Generative AI: How will it affect future jobs and workflows?，McKinsey，2023 年 9 月 21 日。
3 A year after ChatGPT’s release, the AI revolution is just beginning，CNN，2023 年 11 月 30 日。
4 Revolutionizing sales in distribution: Harnessing the power of AI，McKinsey，2024 年 7 月 24 日。
5 2024 Developer Survey，Stack Overflow，2024。
6 12 most popular AI use cases in the enterprise today，CIO.com，2023 年 9 月 19 日。