随着商业和经济环境的不断变化,企业需要比以往任何时候都更加灵活和迅速地做出反应。这意味着我们没有理由再拖延新技术的应用,而这些技术恰恰是有助于数字化转型、未来的业务增长以及未来工作方式的转变。近年来,智能自动化已经成为一项颠覆性工具,以支持工作流程的数字化、混合工作安排模式并提高运营效率,而这些只是企业可以享受的一小部分优势。
因此,企业意识到,自动化已经成为实现业务增长的重要加速器,并赋能企业为客户、运营和员工创造新的可能性。
亚太地区(含日本)的自动化投资正在加速
自动化在亚太地区(含日本)的推动力正在加速。根据UiPath委托IDC进行的一项新调研,67%的亚太地区(含日本)企业在2020年至2021年期间增加了自动化支出,并预计在未来三年内增加投资。到2025年,约60%的亚太地区(含日本)企业将扩大或实现全企业机器人流程自动化(RPA)部署。
同时,亚太地区(含日本)的智能自动化软件市场预计将从2020年的23亿美元增长到2025年的55亿美元,凸显出软件自动化在未来几年的巨大潜力。如今,超过90%的中国、澳大利亚、新加坡、日本和韩国企业强调他们将重点转向智能流程自动化(IPA)。
另一方面,环境、社会和治理(ESG)以及可持续发展的重要性日益增加,也促进了自动化支出的增加。在IDC的调研中超过30%的受访企业表示,未来三年将实现ESG和可持续性发展用例的自动化,远超2022年的13%。
然而,尽管自动化的未来充满希望,但许多企业在实施全企业规模的自动化计划时面临着无数潜在挑战。
实施全企业规模自动化的挑战
亚太地区(含日本)的大部分企业都了解全企业规模自动化计划的优势,以及它改变未来工作的能力。例如,东风集团旗下最大的乘用车公司东风日产,在2019年开始采用自动化解决方案,为重复性任务实现自动化。东风日产建立了一个跨职能的企业级卓越中心,以普及RPA知识,激励员工不断为公司创造价值。现在东风日产已经在八个业务领域部署了RPA,涵盖271个流程,每年节省工时26个人年,让员工能够从事更有价值和意义的工作。
然而,91%的亚太地区(含日本)企业仍然没有制定全企业RPA计划。他们发现很难扩展自动化计划,其中一半以上的人认为是由于缺乏自动化技能和人才,以及难以找到合适的具有现代和模块化架构的自动化软件来匹配其传统系统等挑战。毋庸置疑,这些挑战也是亚太地区(含日本)企业在选择端到端企业级自动化解决方案时的主要考虑因素。
平民主导的开发、培训和其他决定性的行动是克服挑战的关键
在未来的工作中,以平民为主导的开发以及全面的培训和发展计划是企业弥补这些自动化差距的关键。
根据IDC数据,全球全职自动化开发人员的短缺预计将从2021年的140万增加到2025年的400万。低代码/无代码自动化平台的突出表现正在为平民主导的开发铺平道路,赋能非IT领域的员工参与到整个地区的自动化计划中来。允许平民开发者利用IT批准的企业平台开发他们自己的自动化流程,是普及和扩展自动化项目的前进方向。
44%的亚太地区(含日本)企业已经有非IT领域的员工参与自动化工作,而39%的企业计划未来三年实现这一目标。东风日产成立的卓越中心(CoE),其人员就是由来自数字化转型办公室IT部门和业务部门的核心转型人才共同组成。其中业务部门的核心转型人才经由RPA训练营培养,加入CoE之后,在专业人员的辅导和支持下,会进行持续的实践,不断巩固自身的能力,完成课题。同时,课题完成之后,他们再反哺CoE团队,继续成为其他人的专业辅助人员。在CoE的持续赋能之下,东风日产90%的流程自动化经由业务人员自己开发完成。
同样,自动化培训也必不可少,因为企业需要制定全面的培训计划,以对跨团队和部门员工进行再培训和技能提升,而目前只有38%的亚太地区(含日本)企业能够做到,以创造未来的人类与数字化员工混合团队。
另一方面,建立由业务和IT部门的变革者领导的卓越中心将促进新工作方式的支撑系统,进而普及自动化及其他AI能力。项目伊始即嵌入治理能力及安全性,以管理自动化旅程的整个生命周期,这同样至关重要。
最后,企业应纳入自动化指标,并与所有自动化流程和工作流程的关键业务成果和投资回报率保持一致。由于企业是在进行长期项目,自动化之旅必须随着时间的推移实现更多价值和成功。
企业领导者必须提升自动化思维模式
亚太地区(含日本)企业清楚地认识到全企业自动化的优势。尽管认识到扩展全企业自动化的痛点是朝着正确方向迈出的重要一步,企业领导者还必须向其员工强调持续学习心态的价值。这种心态不仅能与企业自动化战略保持一致,还能提高员工生产力,培养创造力,并将其精力导向更有意义的工作。
为了升级自动化计划,亚太地区(含日本)企业必须提升自动化思维模式,利用高管支持的整体战略,辅以强大的员工技能提升和培训计划。这样,成规模的自动化才会对未来工作的增长和转型起到关键作用。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。