L'automazione basata su AI è Enterprise Automation 2.0

La nostra nuova normalità sta stimolando la domanda dei clienti per l'automatizzazione dei processi che eliminano le attività ripetitive e monotone e aumentano l'efficienza degli esseri umani al fine di produrre risultati sovrumani più rapidamente. Per soddisfare questa domanda, stiamo potenziando l'automazione con l'intelligenza artificiale (AI) per permettere alle imprese di automatizzare un insieme più ampio di attività, come dimostrano i seguenti esempi:

• L'eliminazione delle attività riguarda attività semplici e ripetitive in ambito aziendale e IT. L'automazione di queste attività consentirà ai dipendenti di svolgere un lavoro più accurato. Ad esempio, a causa degli uffici chiusi che tengono lontani molti dei suoi dipendenti, PayPal ha fatto ricorso ai chatbot, utilizzandoli nelle ultime settimane per un numero record di richieste dei clienti tramite messaggi, pari al 65 percento. "Le risorse che siamo in grado di implementare tramite l'AI ci consentono di essere più flessibili con il nostro personale e di dare priorità alla loro sicurezza e al loro benessere", ha affermato PayPal in una nota.   
• Il potenziamento delle attività supporta, velocizza e migliora l'efficienza dei dipendenti. Ad esempio, con l'aumento dell'uso dei servizi online durante la pandemia di coronavirus, gli agenti del servizio clienti basati su AI possono consentire a un singolo agente di aiutare più utenti, diminuire le code di assistenza e aumentare il supporto del brand da parte dei clienti. L'AI viene utilizzata per valutare l'intento dell'utente e per acquisire informazioni, così come la natura del problema che il cliente chiede all'azienda di risolvere. Un workflow di automazione può quindi esaminare possibili soluzioni senza coinvolgere un essere umano. Detto ciò, la forma più potente di potenziamento delle attività avviene quando esseri umani e sistemi di AI lavorano fianco a fianco per raggiungere il risultato desiderato.

Per raggiungere questi risultati, stiamo lavorando attivamente per far progredire la tecnologia di automazione verso l'automazione basata su AI, che chiamiamo Automazione 2.0. L'automazione basata su AI è definita come un processo di automazione a loop chiuso, continuo in cui i modelli di dati vengono scoperti e analizzati, affinché le decisioni sugli insight dai dati possano essere tradotte in azioni automatizzate, con l'AI che fornisce ottimizzazioni proattive in ogni fase del processo. cL'automazione basata su AI utilizza un'intelligence fruibile per offrire operazioni IT e aziendali con velocità, costi inferiori e un'esperienza utente migliorata. La prossima sezione prende in esame queste quattro fasi, illustrando come l'AI si stia trasformando in ciascuna di esse.

Scopri

Comprendere meglio e classificare i dati non strutturati e i processi, così da ridurre il carico dell'analisi e dell'orchestrazione manuale delle azioni.

Senza AI, la data discovery associata all'automazione è per lo più limitata a processi e dati strutturati. I dati non strutturati sono intrinsecamente rumorosi e di solito rallentano il processo di automazione. Con l'uso del machine learning (ML), vengono prodotti modelli per analizzare, estrarre e rilevare pattern nei dati rumorosi. Ad esempio, con un modello di classificatore adeguatamente addestrato, i documenti possono essere classificati come fattura o richiesta di rimborso assicurativo. Allo stesso modo, gli avvisi da un sistema IT possono essere raggruppati e abbinati a uno specifico ticket di supporto. Con l'AI, il processo di discovery non è più bloccato dalla mancanza di struttura, bensì utilizza l'AI in modo intelligente per passare dalla scoperta al processo decisionale.

Per una spiegazione più approfondita delle differenze tra i diversi tipi di tecnologie AI, consulta “<ahref=\" \" target=\" \" rel=\" \">AI, machine learning, deep learning e reti neurali: qual è la differenza?“

Decidi

Combina la precisione dell'automazione dell'IT con la metodologia ben definita dell'automazione aziendale, in modo da poter automatizzare più velocemente e con maggiore precisione sia l'IT che il business.

L'automazione basata su AI mira a fornire in modo completo un sistema di automazione aziendale e IT convergente che operi su una vasta gamma di tipi di lavoro, inclusi lavoratori aziendali, architetti di soluzioni, ingegneri del software, operazioni IT, SRE, sicurezza e ingegneri di conformità. Scoprendo i modelli di dati in tutta l'azienda e l'IT, il processo decisionale può ora avere un impatto maggiore rispetto ai sistemi che sono isolati in parti specifiche dell'azienda. Un esempio di ciò è la correlazione delle attività tra sviluppo software e operazioni IT. In questo caso, le modifiche al codice sorgente e alla configurazione durante lo sviluppo possono essere abbinate agli incidenti che avvengono in un sistema IT in esecuzione, per prevedere il rischio associato alle future modifiche a quel codice o configurazione. Applicando l'AI all'automazione, stiamo migliorando notevolmente la velocità con cui un'azienda può reagire ai nuovi modelli scoperti.

Agisci

Coinvolgere i bot software in modo più naturale e collaborativo, affinché le interazioni diventino più self-service e produttive.

Il processo di automazione si differenzia ulteriormente nel modo in cui vengono eseguite le azioni automatizzate. Il gold standard nell'automazione delle azioni è la tecnologia di Robotic Process Automation (RPA). Con il potere dell'AI, stiamo facendo evolvere l'RPA da semplici script robotici a una tecnologia più simile a un dipendente digitale all'interno del luogo di lavoro. Questa combinazione di mondi virtuale e fisico permette di simulare azioni per prevenire i problemi prima ancora che si verifichino, così come prevenire i tempi di inattività e sviluppare nuove opportunità. Inoltre, Automation 2.0 utilizza una avanzata elaborazione del linguaggio naturale per creare una relazione più collaborativa tra AI e dipendenti, per dare vita a una forza lavoro ibrida.

Ottimizza

Prevedere prima i potenziali incidenti, affinché i sistemi possano risolvere proattivamente i problemi prima che abbiano un impatto sulle normali operazioni.

Le ottimizzazioni vengono applicate continuamente durante le fasi di scoperta, decisione e azione, utilizzando nuovi insight per migliorare autonomamente le operazioni e le operazioni IT attraverso un feedback a loop chiuso. In Automation 2.0, le ottimizzazioni vanno oltre il livello reattivo per diventare predittive e proattive. Con una visione end-to-end dei dati tra business e IT, l'automazione basata su AI può anticipare le fluttuazioni ed evitare le reazioni eccessive. Ad esempio, combinando le proprietà strutturate e non strutturate dei record storici delle modifiche e degli incidenti provenienti dall'IT aziendale, si possono estrarre collegamenti tra incidenti legati ai cambiamenti per creare prove empiriche, come nuovi input per un modello del rischio del cambiamento. Quando vengono introdotte nuove modifiche da parte dell'IT, possono essere emessi avvisi proattivi in tempo reale, basati su previsioni che illustrano perché questi cambiamenti sono ad alto rischio alla luce dei dati storici. La Gartner Market Guide for AIOps Platforms ritiene questo stile proattivo di gestione del rischio la fase più sofisticata dell'automazione.

Il processo di automazione delle attività di scoperta, decisione, azione e ottimizzazione potrebbe portare a pensare che l'automazione sia un processo sequenziale e che richiede tempo. Anche se è assolutamente vero che perfezionare il processo di automazione può richiedere settimane o mesi, esistono percorsi rapidi da seguire. Ad esempio, l'uso dell'RPA e lo sviluppo low-code sono tutti progettati per accelerare l'automazione di attività o processi "di piccole dimensioni" affinché i clienti possano ottenere un ROI immediato senza dover aspettare che l'intero processo end-to-end sia automatizzato. I tempi rapidi consentono anche al business e all'IT di fallire velocemente, iterando rapidamente e rispondendo in tempo reale alle forze esterne.

L'automazione basata su AI non richiede che tutte le persone coinvolte siano dei data scientist. Al contrario, l'uso dell'AI permette alla tecnologia di automazione di raggiungere la popolazione generale di utenti business, oltre che lo sviluppatore IT, i knowledge worker altamente qualificati e, naturalmente, i data scientist. Gli utenti di tutta l'azienda traggono beneficio da modelli pre-addestrati, preparati in anticipo da esperti, che consentono un utilizzo immediato, senza richiedere competenze profonde di AI. Fornire automazioni basate su AI usando linguaggio naturale e chatbot crea un ambiente in cui il sistema di automazione incontra gli utenti dove lavorano, nel modo in cui lavorano. In questo modo si ottiene un'interazione più naturale, consentendo a un maggior numero di lavoratori in tutta l'azienda di contribuire e trarre beneficio dall'automazione.   

L'approccio di IBM all'automazione basata su AI assume la forma di un sistema di automazione aziendale e IT convergente, con la capacità di ottimizzare continuamente attraverso discovery, decisione e azione quale mezzo per automatizzare i processi in tutta un'azienda. Con questa visione end-to-end dell'automazione, stiamo compiendo un passo innovativo verso la creazione di una forza lavoro ibrida in cui i tuoi dipendenti, collaborando con i loro gemelli digitali, possono ottenere efficienze più profonde in tutta l'azienda e liberare tempo e denaro per concentrarsi su nuove opportunità di business. 

Con questo post, abbiamo messo in evidenza l'automazione basata su AI, ma in realtà questo è solo l'inizio. Il mio prossimo post definirà ed esaminerà ulteriormente il processo alla base dell'automazione basata su AI, ampliandone la visione per includere architettura e funzionalità.

Inoltre, dai un'occhiata al mio nuovo podcast "The Art of Automation", dove inviterò esperti in materia a condividere i loro esempi di come l'automazione stia cambiando in meglio la vita quotidiana.