LH Family | 数字化转型利器 — 超级自动化
本文为精鲲科技联合创始人兼CTO葛丁佳对于超级自动化的实践总结分享，围绕从超级自动化逐步探索、运用实践、再到明确超级自动化本质与价值的整个认知路径逐一阐述，并重点展开数字化转型与超级自动化的内在联系，希望能对于研究和关注超级自动化的同仁有些许帮助与启发。
正文如下：
最早接触到关于超级自动化的定义，是这样的：“超级自动化既是一种思维方式也是一种技术合集，即组织中任何可以自动化的业务都应该自动化。”将这一句话拆成三个段落，正好是我们认知不断进化的一个过程：
· 是一种技术合集
· 可以自动化的边界
· 组织的业务都应该自动化
此案例是一个典型的将多个超级自动化组件进行了整合，对客户原有流程进行赋能的案例，其中先使用iBPMS把业务流程构建起来，再通过流程中的多个“流程节点”去调用RPA、iPaaS的能力去完成自动化执行动作，在我们实际交付的更多场景里，“流程节点”还会调用OCR（光学字符识别）、NLP（自然语言处理）、AIGC（人工智能生成内容）、IDP、DMS、数据编织、电话外呼、数字人等自动化及智能化能力的组件，或通过流程挖掘来分析流程可改进点并进行流程重塑等方式来改善业务流程，体现增益降本提效的价值。
上表根据代替人不同维度的能力，将超级自动化的组件进行了与之对应的匹配，使超级自动化的各个组件有了一定的理论支点。去年提出超级自动化-创造阶段的时候，还是用阿里鲁班（现名“鹿班”）自动生成产品海报的例子来说明，而此时此刻ChatGPT已经深入人心，AI未来可期，超级自动化作为使用AI等多种技术组件为企业赋能的框架同样有着十分值得期待的未来。
步骤二：资产服务化，数据转换成数据资产后，有两种方式可以变现：
1. 数据资产本身能够直接产生价值。比如：金融机构的“征信记录”数据，对于信用贷款组织或企业来说就是非常重要的信息了，可以作为非常重要的一项指标，来评估借款人信用状况，从而提升消费金融贷款产品的风控水平，能直接对数据使用者产生收益。
2. 数据本身不产生价值，但通过数据作用于现有业务或产品、服务，利用数据为业务赋能，能使其在创造收益、降低成本上有更好的表现。比如一个电商网站的用户注册流程，在从用户进入注册界面到最后完成注册流程的转化率较低，进一步分析数据后发现注册路径长，并且在“输入图片验证码”这个步骤流失率特别高，同时短信验证码下发耗时长，经过针对性的优化，砍掉“输入图片验证码”的步骤，并且更换短信供应商，提升了验证码下发速度，发觉注册转化率提升了1倍，从数据中发现了流程可以改进的点。
上文提到的电商根据“用户画像”标签，精准匹配推送营销信息，产品销售量提升并获得收益的案例就是一个数字业务化的案例，基于“用户画像”不仅可以用于精准营销的场景，还可以运用于以下场景：
· 交叉销售：根据经验找出最佳产品销售组合，利用时序规则找出用户生命周期中购买产品的时间顺序，把握推荐产品的时机。
· 体验提升：通过用户画像了解用户需求偏好、行为偏好、渠道偏好，提供差异化产品及服务，提升用户体验。
随着各种使用场景的出现，用户画像的标签维度会越来越丰富，逐渐会形成一套完整的用户标签体系，但这个体系是动态的，会随着用户需求的不断变化推陈出新，合理准确的用户标签背后是企业对用户全方位信息的深入理解与认知，标签越全面，用户画像越清晰。同时，用户时间的碎片化、行为的多变性、客户大数据的数据爆炸，使企业更难读懂用户，下一步需要依赖AI的帮助，企业才能从海量的数据中通过数据算法挖掘，提升企业洞察力，这就是下一个阶段业务数智化需要完成的工作。
3、业务数智化阶段
该阶段在业务数字化和数字业务化阶段之后，这个阶段更多是在数字化的基础引入AI的能力，使企业或组织进一步获得更大的商业价值。随着计算机技术的发展，智能技术得到了快速发展，人工智能技术得到广泛应用，智能化是信息化、数字化最终的目标，也是发展的必然趋势。
主要分为两方面：一方面，通过引入图像识别、语音识别、自然语义理解、情绪识别、AIGC等AI技术，致力于模仿或取代人类感知层面和认知层面的能力，通过其感知能力，让企业或组织输出的产品、服务更加“智能”，同时在平时业务流程处理时也可以大大提升效率，提升客户体验。如图像识别可以用于人脸、卡、证、票等非结构化或半结构化的数据结构化，应用场景如：财务报销流程，需要身份识别的应用等；又如语音识别和自然语义理解、情绪识别可以用于智能客服机器人、长文本识别等场景，但该方面在业务数字化阶段其实已经被包含，进行连接的各种要素中包括AI，并在此基础上运用AIGC的能力代替人的一些创造性场景，如营销话术自动生成，公文报告自动生成等。
更能代表业务数智化阶段的是：基于企业或组织积累的数据资产，结合不同的业务场景，为AI输入历史数据，通过模型训练，让AI在某一场景具有推理、推演、预测的能力，同时根据预测的结果反向指导业务，从而获得业务增益。人类在海量数据处理时效率远远不如AI，在这种场景下的决策，AI就会变得更有优势，让企业获得智能决策的能力。另外数智化阶段，也是将智能化进行数字化的阶段，将AI能力在线化，可以基于任意场景，将数据输入给AI进行学习建立模型，同时基于模型输出的结果反补业务。
举一家医疗行业流通企业的案例，负责将上游厂商提供的药品通过自己的供应链进行分销，其上游是五千多家制药厂商，下游是百万家医院、药店、卫生站等机构，该企业已经将整个供应链流程数字化，打通了销售、采购、物流等环节所支撑的信息化系统，由于早些时候库存产生堆积的现象，并且其运营供应链的资金占用总量达百亿级，该企业通过将全流程数据（包含销售数据、采购数据、物流数据、库存数据、药品品类数据等）通过AI进行学习建模，预测下一个季度的销售数据，采购数据等，并计算出最优的安全库存，将库存在最合适的时间，以最佳存储量，放在最合适的位置上，并基于全局的优化思维，实现从总仓分仓多级仓储，再到门店的全链条补货履约智慧决策，最终使仓库周转率提升，使百亿资金的周转率进一步提升，为企业带来了巨大收益。
至此，我们将数字经济中产业数字化所涉及的三个阶段：业务数字化、数字业务化、业务数智化进行了阐述与拆解，从上述阐述过程中，都是基于围绕某一“场景”做的举例，实际正在数字化转型的企业或组织内会有很多场景，又应该如何着手呢？其实只需要将企业最核心的业务流程数字化作为最高优先级，当核心的业务流程数字化后，企业就已经具备了数字化转型的组织意识、组织形态、技术手段等数字化相关能力，并且核心的业务流程本就是企业所有业务流程的主干，主干数字化了，其他支干的数字化，可以根据业务优先级进行逐一数字化，最终实现企业或组织的全面数字化。
数字化转型的三个阶段都是围绕“场景”层层递进的方法指导，而超级自动化是基于“场景”逐步实现落地的工具，以下将数字化转型的三个阶段与超级自动化的三个阶段做一次对齐：
我们一起梳理下超级自动化在数字化转型各个阶段的作用：
（3）业务数智化阶段，需要运用AI能力，基于历史数据预测未来的业务形态，从而提前制定策略。超级自动化能很好的将自动化、数据、算法、AI等能力围绕场景进行统一快速构建。同时通过AI分析的结果，对业务进行重塑时，超级自动化也能帮助业务快速调整落地。最后随着人工智能技术赋能的加深，赋予了超级自动化逻辑推理、类比演绎的能力；智能人机交互技术，有效提升了交互效率和用户体验，人作为被服务方，向超级自动化提出需求，超级自动化会自行处理，最后将结果和产物交付于人。
最后小结下，企业与组织可以通过数字化三阶段的方法论并使用超级自动化的产品技术帮助企业完成数字化转型，而超级自动化则是数字化转型的利器。
· 执行系统是机器人的手，帮助机器人完成执行动作，典型技术是iPaaS+RPA。
· 决策系统是机器人的感官和脑，赋予机器人记忆、感知、分析的能力，典型技术是数据洞察、OCR、NLP等。
· 认知系统是机器人的神经网络，赋予机器人认知、预测、创造的能力，典型技术是深度学习、AIGC等
· 编排调度系统是机器人的任务编排系统，可以基于场景构建专属的机器人，也是超级自动化的核心能力，典型技术iBPMS、LCAP等。
· 交互系统是机器人的控制面板，可以与人进行交互，交互形式有流程表单、微应用、可视化界面、Chatbot、数字人、电话机器人、Web插件等各种与人交互的形式。
超级自动化以驱动企业与组织业务为目标，以自动化（智能化）为手段，对企业与组织多个流程进行赋能，需要转型需要升级的地方就有超级自动化，兵无常势，水无常形。最后附上超级自动化的产品构建图：
写在最后，ChatGPT让我们看到内容创作的可能性，同时微软的Office融入GPT让大家觉得惊艳，各种图片、视频、音乐创造应用层出不穷，但从超级自动化的角度，是一对一的绑定（如GPT与Office的绑定），而超级自动化可以将这些能力统一编排，形成N*N*N…多层次多连接的矩阵，创造出无限可能性，企业与组织可自动化的业务流程比例与范围也会越来越大。数字化的出现，使每个企业或组织的业务模式需要升级一遍，AIGC的出现，每个软件的业务逻辑也需要再次升级一遍，而超级自动化正是两者进行衔接发挥势能的解决之道。
END
