许多公司正在探索高级自动化，计划将其作为应对新常态的重要技术方法。突发公共卫生事件改变了商业动态以及我们的工作方式。以YouTube为例，该网站每天为20亿登录用户更好的提供超过10亿小时的视频服务。在最近的一篇博客文章中，Youtube指出，由于世界各地的办公人员数量减少，更多的视频内容审核工作将由自动化软件进行。“我们已开始更多地借助技术方法来完成通常由[内容]审核人员执行的一些工作”，Youtube表示。

　　我们的新常态是从客户真正的需求的被动流程向自动化的流程推进，消除重复、单调的任务，并增强员工能力，更迅速地达到超凡的效果。为满足这一需求，我们正在利用人工智能(AI)技术加速自动化进程，使企业能够将自动化应用到更广泛的任务，如以下例子所示：

　　●任务消除的对象是业务和IT领域的简单重复性任务。为这些任务应用自动化，员工就有时间从事需要更多思考的工作。例如，由于办公场所关闭导致许多员工离职，PayPal开始使用聊天机器人。近几周来，更多的客户使用聊天机器人进行基于消息的查询，这一比例高达创纪录的65%。“我们也可以通过人工智能部署资源，这使我们的人员安排更加灵活，并优先考虑员工的安全和健康”，PayPal在一份声明中这样表示。

　　●任务增强能够支持、加快和提高员工效率。例如，由于疫情期间在线服务的使用增加，人工智能助力的客户服务代理使得每位代理能够帮助多位客户，减少服务排队时间，并提高客户拥护度。人工智能可以用于评估用户潜在意图，捕获信息，并分析客户需要企业解决的问题本质。之后，自动化工作流程可以检验可行的解决方案，且无需人工操作。换而言之，最强有力的任务增强形式就是人与人工智能系统携手合作，共同实现预期结果。

　　为了实现这些结果，我们正在积极推动自动化技术向由人工智能助力的自动化发展，我们称之为自动化2.0。人工智能助力的自动化被定义为一个连续的闭环自动化流程，在此流程中将会发现和分析数据模式，这样，根据数据洞察做出的决策就可以转化为自动化行动，同时利用人工智能在这一流程的每个阶段提供主动优化。人工智能助力的自动化利用切实可行的情报，以更快的速度、更低的成本和更好的用户体验交付IT和业务操作。下一部分将探究这四个阶段，并说明人工智能在每一阶段如何带来转变。

　　更好地理解非结构化数据和流程并进行分类，从而减轻手动分析和编排操作的负担。

　　如果没有人工智能，与自动化有关的数据发现通常仅限于结构化流程和结构化数据。非结构化数据本身就很杂乱，通常会降低自动化流程的速度。利用机器学习(ML)技术生成模型，以此分割、梳理并检测杂乱数据中的模式。例如，使用经过适当训练的分类器模型，可以将文档分类为发票或保险索赔。同样，可以将来自IT系统的警报进行分类，并与特定的故障单号匹配。有了人工智能，发现过程不再因缺乏结构而受阻，而是利用人工智能技术，智能地向决策发展。

　　将IT自动化的精确度与业务自动化中完备的方法论相结合，从而更快、更准确地实现IT和业务自动化。

　　人工智能助力的自动化旨在全面提供业务和IT自动化相融合的系统，并使其可以适应多种劳动力类型，包括业务人员、解决方案架构师、软件工程师、IT运营、SRE、安全人员和合规性工程师。通过发现业务和IT领域中的数据模式，决策将能够比与企业中特定部分的孤立系统更具影响力。例如，将软件开发和IT运营中的活动相关联。在这种情况下，可以根据正在运行的IT系统中所发生的事件，在开发期间对源代码和配置进行更改，从而预测与该代码或配置未来更改相关的风险。通过将人工智能应用于自动化，我们极大地提高了企业在发现新模式做出反应的速度。

　　自动化流程在如何执行自动化操作方面具有显著的差异化优势。自动化操作的黄金标准是机器人流程自动化(RPA)技术。借助人工智能的力量，我们正在不断发展RPA技术，使其从简单的机器人脚本转变为工作场所中的数字孪生技术。数字孪生是一个流程、产品或服务的虚拟模型。这种虚拟世界和现实世界的匹配能够模拟操作，在问题发生之前将其解决，防止宕机，并能开发新的机会。除此之外，自动化2.0使用先进的自然语言处理技术，能够加深人工智能和员工之间的协作能力，打造一支混合型员工队伍。

　　在发现、决策和行动阶段，将不断应用优化，同时利用新的洞察，通过闭环反馈自动增强业务和IT运营。在自动化2.0中，优化不再被动进行，而是具有预测性和主动性。借助跨业务和IT的端到端数据视图，人工智能助力的自动化可以预测业务波动，帮助企业避免过度响应。例如，通过将企业IT历史变更和事件记录中的结构化和非结构化属性结合起来，分析变更与事件之间的关联，创建经验证据，以此作为变更风险模型的新输入。随着IT系统推出新的变更，可以基于预测发出实时的主动警报，根据过去的证据说明这些变更为何具有高风险。Gartner AIOps平台市场指南将这种主动式的风险管理称为最复杂的自动化阶段。

　　发现、决策、行动和优化的自动化流程可能会让人认为自动化是一个连续且耗时的过程。尽管完善自动化流程难以避免需要数周甚至数月的时间，但也有捷径可走。例如，RPA和低代码开发的运用都是为了加快“小规模”活动或流程的自动化速度，这样客户就能立即获得投资回报，而不必等到整个端到端流程实现自动化。快速的周转时间还使业务和IT部门可以通过快速迭代和实时响应外部力量而快速失败。

　　人工智能助力的自动化不需要每个人都是数据科学家。相反，人工智能的运用使普通业务用户群体也能用到自动化技术，而不再仅限于IT开发人员、高技能知识工作者，还有数据科学家。整个企业的用户都能从预训练的模型中受益，这些模型是由专家提前准备，可以直接使用，无需掌握深厚的人工智能技能。使用自然语言和聊天机器人交付人工智能助力的自动化，可以创造一种环境，使得自动化系统能够满足用户在工作地点和工作方式上的需求。这也提供了一种更加自然的互动方式，使企业中更多的员工能够在促进自动化的同时从中受益。

　　IBM人工智能助力的自动化方法采用业务和IT自动化系统相融合的形式，能够通过发现、决策和行动来不断优化，使整个企业的流程实现自动化。凭借这种端到端的自动化视角，我们正朝着组建一支混合型员工队伍迈出大胆一步，员工通过与数字化孪生技术相协作，可以提高整个业务的效率，帮企业节约时间和资金专注于新的业务机会。