您是否面临操作瓶颈和高错误率？您是否因为业务程序缓慢而浪费金钱？您是否缩小了团队规模，但他们必须处理相同的工作量？设计业务流程并将其中至少一部分流程自动化是唯一有效的解决方案。
目录
由于人工智能技术的进步，我们现在可以建立比以往更先进的自动化。这正是人工智能自动化机构大显身手的地方。
目前，大多数人工智能自动化工作都涉及构建聊天机器人或内部工具。面向客户的聊天机器人风险很大。DPD 在其网站上部署了一个聊天机器人，机器人称他们是最差的快递公司。这就是为什么我专注于构建内部工具，以加快后台操作速度，降低成本。当然，您仍然可以使用聊天机器人，但不要将其公开。我将在本文中举几个这样的自动化例子。
什么是人工智能自动化机构？
人工智能自动化机构为企业定制人工智能解决方案。人工智能自动化机构就是一家软件公司，对吗？是，也不是。软件公司通常会严格按照您的规格来构建程序。相比之下，人工智能自动化机构不仅会开发软件，还会帮助您记录和完善业务流程，找出自动化的最佳机会。当然，他们也会在必要时使用人工智能。
定义人工智能自动化
我们使用自动化已有多年，如机器人流程自动化、自动化工作流程等。其实，任何软件都是自动化。那老式的自动化和人工智能自动化有什么区别呢？
当我们使用人工智能时，我们可以执行更高级的任务。以前，除非提取的部分具有预定义的结构，如电子邮件地址、邮政编码、电话号码等，否则不可能建立一个自动化系统，从文档中提取文本的相关部分。现在，我们使用大型语言模型（LLM），这是人工智能的一种，LLM 不再有这样的限制。
例如，我们可以使用老式的机器学习技术将客户的意见分为正面和负面。利用人工智能，我们可以对意见进行分类，并找到解释为何如此分类的引文。现在，我们不仅知道客户的意见是负面的，还知道客户抱怨了什么。
我们不仅可以获得更多可操作的信息，还可以利用这些解释逐步完善自动化，因为我们不仅知道自动化做了什么，还知道它为什么这么做。
人工智能不仅限于处理文本。我们甚至可以自动做出低风险、可逆转的决策，例如将电子邮件发送给正确的人员、准备报价草案、查找过去的类似支持案例以帮助解决当前问题，或者从多个来源提取数据以构建定制报告。
就目前而言，我们必须让人工参与其中，因此我不会使用人工智能来做出招聘决定（欧盟的《人工智能法案》规定这种自动化是非法的）、向客户发送报价或代表公司进行采购。
为确保自动化能满足企业的独特需求，您应指定一名员工与人工智能自动化顾问合作，随时回答问题、解释业务流程，并将决策权下放给企业中的合适人选。
代理机构在人工智能自动化中的作用
为什么需要代理机构？难道你的 IT 团队做不到吗？我打赌他们可以。问题是，如果他们必须同时构建自动化和学习自动化，他们需要多少时间？
将您的团队与人工智能自动化机构结合起来是最有效的设置。代理公司会构建自动化，并教您的团队如何操作，这样您就可以在未来自行更改。同时，您的团队会确保自动化与您现有的软件很好地集成。这样，每个人都能做自己最擅长的事情，我们也能更快地取得成果。
“你可能会问：”谁会这样工作？我就是这样工作的。我的主要目标是教会客户的团队如何使用人工智能，这样他们在需要进行细微调整时就不必再打电话给我了。我真正相信的是真正的咨询，而不是美化外包的 “咨询”。
使用人工智能自动化机构的好处
所有关于人工智能的知识都在互联网上，而且你可以免费找到，那么你为什么要考虑聘请人工智能自动化顾问或机构呢？
提高业务流程效率
人工智能顾问以前做过这些工作。他们有一套最喜欢的工具，用来快速获得成果。虽然坚持使用预定义的工具集可能会受到限制，但这都是代码。我们可以改变它，将不同的部分粘合在一起，并在中间使用我们的代码。
拥有一套自己喜欢的工具和流程意味着公司拥有使用这些工具和流程的经验，知道哪些地方会出错以及如何处理。您目前的 IT 团队不会总是争论他们是否应该遵循 Scrum 或 Kanban 流程，或者使用 Spring 框架的 Java 或 Laravel 的 PHP。他们知道以前的工作方法，也知道如何用自己的工具解决问题。
如何判断我们是否实现了目标？一路上，我们必须建立监控基础设施，以确定流程需要多少时间以及自动化节省了多少时间。监控可能是痛苦的，因为你可能会了解到，看似简单的事情却需要花费一周的时间，而且涉及到八个人。做好准备。
减少错误，提高准确性
人工智能自动化的构建并不是在第一次运行时就完成了。由于人工智能和机器学习模型的概率性质，很难构建一个永远不会出错的解决方案。
人工智能自动化机构采取的是一种迭代方法。首先，我们建立一个概念验证，以正确处理大多数情况。然后，我们分析人工智能会犯哪些错误，确定人工智能犯错的原因，并调整代码。
让我们来谈谈房间里的大象。只有最简单的自动化才能实现 100% 的准确率。人工智能还没有达到人类的水平；即使达到了，人类也会犯错。
人工智能自动化机构在处理这种不确定性时，会限制人工智能所能做的事情，并要求有能力的人类操作员批准任何关键决策。人工智能系统还可以收集员工的反馈意见，以便将反馈意见作为培训数据，用于构建后续版本的自动化系统。
精简重复性任务
最显著的省钱效果来自于节省重复性工作所花费的时间。您的员工在准备报价时需要在文档目录中查找信息吗？当他们这样做的时候会发生什么？在过去的五年里，他们每天都要看这些文件 3 个小时。首先，他们会休息一下，泡泡茶，因为这项工作会很乏味，所以他们想推迟工作。然后，他们一边漫不经心地搜索文件，一边想着别的事情。什么都行。午餐。装修房子。约隔壁部门的威廉/艾米莉。
你的优秀员工是否应该花时间按 CMD+F 打开搜索窗口，然后反复输入准确的文本？人工智能可以做到这一点。
他们需要将内部文件中的部分产品描述复制粘贴到发送给客户的报价中吗？人工智能可以为他们准备草稿。让您的团队专注于如何使报价独一无二并为客户量身定制。
Want to build AI systems that actually work?
Download my expert-crafted GenAI Transformation Guide for Data Teams and discover how to properly measure AI performance, set up guardrails, and continuously improve your AI solutions like the pros.
人工智能自动化在后台运营中的作用
人工智能能为您做什么？每个人都在构建聊天机器人。虽然聊天机器人是一种为用户提供自动化服务的方式，但其自动化功能远不止聊天。
通过检索增强生成降低业务运营成本
检索增强生成是一种花哨的说法，即我们使用人工智能查询数据库、搜索文档，或从与人工智能系统集成的其他软件中请求数据。然后，我们要求人工智能对检索到的数据进行整合，并向使用该系统的人员作出回应。
RAG 能做什么？如果您销售的是制造设备，自动化系统可以在技术规格中找到相关信息，并将数据提交给准备报价的销售人员。在金融行业，自动化可以找到条款和条件中的相关部分。在客户支持方面，人工智能可以查找过去的类似支持案例，并根据过去有效的步骤起草解决方案建议。或者更好的是，自动对支持案例进行分类，并从您的标准操作流程集合中提取解决方案。
通过自动监控确保合规性
我们还可以在联系客户后使用人工智能。如果所有电话都进行了录音，人工智能就可以分析通话记录，找出通话内容，并确定销售人员是否遵守销售脚本，是否在不允许的情况下不提供金融建议，或是否按照您培训他们的方式处理客户异议。
利用人工智能技术进行 KPI 跟踪和数据分析
每当你想了解一些业务信息时，是否需要麻烦数据分析师？您是否要求数据工程师建立大量仪表盘，但却无法记住哪个仪表盘显示哪些数据？人工智能可以帮助解决这两个问题。
想象一下，在人工智能系统中，您在文本框中输入问题，人工智能就会查询所有相关数据库，并在一分钟后给出一句话的答案。它的速度很可能比数据分析师至少快 30 倍。分析师可以专注于更复杂的问题，发挥人类的创造力，而不是处理枯燥的一次性问题。
人工智能自动化机构提供的关键服务
虽然可能的解决方案范围是无限的，但与任何软件一样，人工智能自动化机构通常专注于以下五个方面：
利用人工智能决策实现业务流程自动化
人工智能自动化顾问能做的最简单但往往最有益的事情就是将脚本流程自动化。如果某项任务必须始终以某种方式进行，但需要做出一些决策，那么可以让人工智能为您实现流程自动化，使用人工智能做出这些决策，并要求人工审核和批准最终结果。
它并不闪亮。它在演示中看起来并不酷。通常，你甚至无法判断他们是否使用了人工智能。但是，这种自动化可以节省时间，让人们在一个工作日内完成更多工作，从而为企业赚钱。
问题在于，你需要一个流程。要实现流程自动化，就需要手动执行任务的人员遵循一定的流程。如果每个人的工作方式略有不同，我们就必须先制定出一个统一的流程。如果做不到这一点，你可以有 2-3 个流程，覆盖所有案例的 80%，然后将这些流程自动化。
客户支持自动化
如前所述，客户支持工作的很大一部分是在过去的类似案例或标准操作程序中寻找解决方案。没有人会为每个客户的电子邮件发明一种新方法。至少，我希望他们不会这么做。
我不建议将人工智能的解决方案直接发送给客户。(毕竟，社交媒体上到处都是人工智能如何犯错的例子。）不过，客户支持部门可以将人工智能的输出作为起点，为他们节省一点时间。
即使自动化只将处理一个支持案例所需的平均时间缩短了 10%，在不招聘和培训新员工的情况下，同一个团队还能处理多少个案例呢？
数据分析和报告
我前面提到的另一件事是向数据分析师提出有关您的业务或部门的一次性问题。这些简短的问题会让他们失去注意力，无法完成更复杂的工作。想象一下，当人工智能系统从你的数据库中迅速检索出答案时，你的分析师们可以不受干扰地工作。
您甚至可以在 Slack、MS Team 或任何您使用的聊天软件中将人工智能系统作为机器人使用。现在，你将问题发送给机器人，而不是数据分析师，一两分钟后，你就能得到一个真正的答案，而不是回复说等他们忙完手头的大事就会处理你的问题。
预测分析
当我们开始使用大型语言模型时，机器学习预测并没有消失。现在，它们可以做得更好，因为我们可以自动准备数据。
如果您的客户流失预测系统可以使用您在数据库中量化的信息，以及从与客户的通话或客户发送的调查回复中提取的数据，会怎样？
如果推荐系统可以根据客户对过去购买的产品和服务的评价，了解什么对客户最重要？
数据检索自动化作为决策助手
公司拥有海量数据，却不知道该如何处理。人工智能不会神奇地解决问题。(尤其是当你忘记了数据中的内容及其代表的意义时。）不过，你可以使用人工智能查询多个数据源，并准备一份可操作的报告来回答你的问题。
这不仅仅是一份包含事实的报告，也不仅仅是一个问题解答工具。这种自动化在生成的答案中融入了您的价值观。
想象一下： 您有一个自动化系统，可以根据记录生成会议记录。现在有成千上万的摘要工具，但你的工具不会只生成另一个摘要。相反，人工智能会找到业务目标，解释该目标如何与您的 OKR 相联系，并找到行动项目和负责这些行动的人员。当您批准会议报告后，自动化系统会将行动添加到相关人员的待办事项列表中，并生成后续会议的议程。它甚至会定期要求相关人员更新其分配的任务。
与人工智能自动化机构合作的步骤
人工智能自动化机构不是亚马逊。你不会访问他们的网站，在购物车中添加一个人工智能系统，然后付款，下一个工作日就能得到一个可运行的应用程序。它们更像是标准软件公司和商业咨询公司的混合体。当然，他们不会告诉你如何经营业务，但他们需要了解你是如何经营业务的，以便建立正确的自动化。
这就是为什么与人工智能自动化顾问的典型合作会是这样的：
初步咨询和需求评估
在初步咨询中，顾问会评估您的需求以及他们是否能帮到您。一个好的咨询顾问应该能够解释一个高层次的概述并提供一些例子。顾问可能会向您发送链接，向您展示可行的方案。
如果这变成了推销，他们告诉你他们可以满足你的一切需求，那你就找错人了。他们还不知道自己必须建立什么。
初次咨询只有两种可能的结果： “也许我们可以合作”，或者 “不，我们做不到”。我曾劝说过一些人放弃在工作流程中使用人工智能，因为他们会感到失望，而且不得不花太多时间手动修正人工智能的决策。这主要是因为他们没有真正的业务流程，每个人都在做当时 “感觉正确 ”的事情。混乱是无法自动化的。
了解工作流程和任务
在第二次谈话中，顾问应询问有关工作流程和自动化业务流程的问题。你们可以在通话中一起讨论一个案例。你们还将讨论在处理流程时所访问的数据源。
这一次，顾问应该设计出一种方法来自动化流程的某些部分。实际实施可能需要与贵组织的人员合作进行迭代开发。这次会议是讨论合作规则的时候。
最好让使用自动化的人员参与进来。他们了解工作流程，可以解释发生了什么，但他们也需要了解自动化的好处。从一开始就参与进来，是了解自动化好处的绝佳方式。
提案和解决方案设计
顾问应提供概念验证演示。初始版本可能只适用于一小部分数据，但应或多或少地解释整个解决方案是如何工作的。他们还应详细说明完整解决方案的外观和所需的工作。
您应讨论顾问的工作以及负责将人工智能系统与您的应用程序集成的团队所需的工作。
实施和与现有系统集成
集成阶段可能会涉及多次反复修改，因为人们总是会发现他们之前忘记提及的边缘情况。同样，实施工作可能会分为几个阶段，首先由人工智能系统处理最常见的情况，然后再添加其他功能。
采用敏捷方法并从最小可行产品（MVP）开始至关重要。MVP 允许用户快速开始使用该工具，并提供宝贵的反馈意见，这对完善最终产品至关重要。否则，你所开发的产品将拖慢业务发展速度，并让员工感到厌烦。
培训和变更管理
闲置的人工智能系统是一种浪费。在此过程中，顾问应培训您的团队如何操作您构建的解决方案。如果系统是集成到现有应用程序中的，那么由您的团队在顾问的帮助下进行实际培训通常会更好。如果您建立的是一个新的应用程序，顾问可能会负责整个培训工作。
然而，变更管理则完全是您的责任。外部顾问无法强迫人们改变他们的习惯。这就是为什么我建议让最终用户尽早参与进来。
持续支持和优化
人工智能并不完美。你会想要处理新的案例，改变当前的行为，或者在工作流程中加入额外的步骤。让顾问参与每一次这样的更改都是没有意义的。我喜欢对开发人员进行培训，这样您就可以让您的团队来处理这些变更。
当然，如果您决定采用这种参与模式，顾问可以随时回答他们的问题。您还可以启动后续项目，让顾问在现有人工智能系统的基础上构建新功能。
人工智能业务自动化的未来趋势
Jason Liu认为，人工智能自动化将从检索增强生成（Retrieval Augmented Generation）和问题解答（Question Answering）转变为自定义报告生成工具（Custom Report Generation Tools），利用人工智能和从其他系统获取的数据填写模板。Jason 认为，我们将从把人工智能作为更高级的搜索引擎，转变为一种决策工具，在做出决策的同时还能融入你的价值观。
与此同时，Andrew Ng认为代理工作流将是人工智能的未来。代理工作流允许人工智能独立执行任务和修改数据。我们将习惯于把任务委托给人工智能，然后耐心等待回应。
这两种趋势都令人兴奋，因为我们可以将耗时的任务自动化，使业务流程更可预测、更高效、更便宜。
Do you need help building AI-powered business process automations for your business?
You can hire me!