希望充分利用機器人過程自動化優勢的組織漸漸將人工智能視為優化流程的關鍵技術。
將人工智能加到業務流程管理中并不容易。有很多公司在做這樣的事情，其方法是創建或購買單任務機器人(例如自然語言處理系統或視覺識別工具)，同時使用傳統的，非人工智能的方法將其添加到流程中。例如，工程師編寫腳本，商業分析師使用流程可視化工具創建自動化工作流。
但這實際上還是在用人的智能在梳理流程，用人的智能將不同的系統連接到一個連貫的流程，用人的智能根據業務的發展改變流程并發現和解決問題。
如今，人工智能、機器學習和相關技術正在通過機器人過程自動化(RPA)進入這一領域。麥肯錫稱，這種人工智能和機器人過程自動化的結合使得智能過程自動化(IPA)得以實現。除機器人過程自動化和機器學習算法外，智能過程自動化還包括過程管理軟件、自然語言處理和生成，以及認知智能體(agent)或“機器人”。
麥肯錫稱，智能過程自動化可以將效率提高20%至35%，同時將處理時間縮短50%至60%，使投資回報率達到大幅增長。然而，現在還為時尚早，因為大多數公司都還處于初級發展階段，它們零零碎碎地使用人工智能，但很少將其維系到一個完整的端到端自動化流程，更不用說是由人工智能驅動的過程流。
Gartner的分析師Moutusi Sau表示，“目前還沒有任何用例能做到包打天下”，他指的是金融服務行業對機器人過程自動化的采用。“市面上有一些聊天機器人引擎和人工智能決策工具，但僅憑某一個特定的解決方案是無法造勢的。銀行要做的事情可多了去了。”
簡陋的機器人
對很多公司來說，智能過程自動化的過程始于智能機器人，往往是一個聊天機器人，這些機器人可以回答客戶或員工所提出的問題。
德國采埃孚集團就是這種情況，該集團是全球第三大汽車供應商，它一年多以前開始將智能應用到業務流程。
采埃孚集團的IT經理Andreas Bauer說：“在我們所處的企業通信領域，我們要做很多重復的工作，我們會收到大量的電子郵件，郵件里充斥著大量重復的問題。”
第一步是創建機器人，這是回答常見問題的基本工具。
Bauer說：“就第一個步驟來說，這可以說很輕量化了，如果有人問，他們是否可以申請工作，或者找到職位空缺。我們首先會處理一個用例，然后解決另一個用例。我們現在正在開發一個金融機器人，客戶希望通過這個機器人來了解發票或賬單的狀態。”
但是，一旦業務流程的大部分步驟都實現了自動化，那么新的智能水平就可以得到應用——關于流程本身的智能。因此，在為機器人選擇供應商時，采埃孚集團著眼于未來。
Bauer說：“我們正朝一個方向發展，即把整個流程鏈自動化，我們正在努力探尋的不僅僅是一個機器人。我們一直在尋找的是一個編排和集成平臺，在這個平臺里，我們可以輕松地采用這些技術，并將其與智能相結合。”
Bauer說，采埃孚集團正在尋找能夠從經驗中學習，同時能避免意外后果的平臺。他說：“恐怕是人都聽說過微軟機器人出亂子的事情。”
因此，雖然自動化集成和編排是最終要實現的目標，但公司還需要一個內置制約與平衡功能的平臺。Bauer說：“人們擔心出亂子，而我們卻無法控制。你必須要小心，必須密切關注技術。這并不是說技術能自我維持下去。你也必須付出努力。”
采埃孚集團選擇了Vizru，這是一個機器人平臺，該平臺可以在機器人的底層提供管理，治理和語言支持層，該層名為人工智能流程的有狀態網絡(stateful network for AI process，SNAP)，如果SNAP表現出異常行為，它將使機器人停止工作。Vizru稱，如果有人違反了合規性或不恰當地在進程之間共享敏感數據，SNAP層也可以標記或暫停事務。
Vizru還提供對智能路由的內在支持，例如，系統可以自動“快速跟蹤”某一事務的審批流程，這個審批流程在業務流程結束時始終處于受批準的狀態。
決策點
另一種方法是將智能決策點添加到傳統的自動化業務流程中。
這就是美國富達擔保公司(American Fidelity Assurance)正在做的事情。這家總部位于俄克拉荷馬城的公司為150萬保單持有人提供250萬份保單。美國富達面臨的一個難題是自動將每天發來的大量電子郵件轉交給合適的接收者。在過去，這是由人來決定的。
“有沒有辦法讓先進的機器學習從過去的數據中學習，從過去的決策中學習，并做出無異于人類的決策”?該公司負責研發的副總裁Shane Jason Mock這樣問道，他不是無緣無故問這樣的問題，而是參觀亞馬遜時得到了啟發。
Mock說：“我知道我真的很難進入亞馬遜的倉庫，我意識到，有些人正在不斷挑戰極限，實現一個個驚人的壯舉。也許這并非保險領域的其他人正在做的事情。但衡量標準實際上也無關乎他人正在做的事情，而是關乎如何幫助客戶。”
為了在流程中添加智能，美國富達擔保公司向企業機器人過程自動化供應商UiPath和人工智能平臺DataRobot求助。
Mock說：“在新的電子郵件流程中，我們將機器人過程自動化組件與機器學習組件相結合，兩者的結合決定了電子郵件的去向。”
在很多情況下，機器人過程自動化的傳統方法將達到一個決策點，這個決策點太復雜，以至于連簡單的自動化都無法實現。
美國富達擔保公司還在研究用人工智能對流程進行挖掘，從而實現流程發現的自動化，而不是讓業務分析師理清公司所發生的的狀況。
Mock說：“我們做了一些概念證明，但現在評論這個問題還為時過早。”
流程挖掘
傳統的業務流程管理方法涉及到一系列流程，如業務分析師與經理和員工交談，進行審計，然后創建說明組織各種業務流程的圖表。
博思艾倫咨詢公司(Booz Allen Hamilton)戰略創新部門的主管Sumeet Vij說：“我們所接觸的客戶中有很多都在墻上貼著過程流程。但事實真的如此嗎?你會發現，實際發生的狀況是不同的，瓶頸也是不同的。使用機器學習進行流程挖掘有助于人們了解實際狀況是如何發生的。”
此外，這些工具可以隨著業務的發展更新流程——甚至可以實時發現異常行為。
有一家公司已經擁有智能過程采礦系統，這就是查特工業(Chart Industries)，這是一家服務于能源行業的制造公司，總部位于佐治亞州鮑爾格朗德市(Ball Ground)。
幾年前，查特工業一直舉步維艱。能源行業因油價下跌而受到重創，公司的股價下跌，高層管理人員被換掉。新的領導層希望做出改變。例如，查特工業有三個主要部門，即使這三個部門共享甲骨文和J.D. Edwards的單一ERP系統，也依然需要多個后臺來處理應付賬款、應收賬款和其它后臺任務——每個后臺都有自身的流程和程序。
“我們曾發現，我們的客戶曾經十分高效地利用一個做法，即晚于規定的期限向我們付錢”，查特工業的執行副總裁Bryan Turner如是說。
還有其它影響現金流的機會。例如，在某些情況下，查特工業可以在一定時間內利用折扣向供應商付錢;在其它方面，它可以利用長期持有現金的好處。Turner說，就這點而言，提高效率有諸多好處，如獲得高達數百萬的資金。
查特工業向流程挖掘供應商Celonis求助，以發掘這些機會。
Turner說：“如今，我們在一些自定義系統上運行Celonis。只要有數據庫，事務和時間戳，統統都可以輸入到Celonis。大量繁重的工作不外乎就是如何在我們的組織和軟件即服務(SaaS)應用程序或亞馬遜的Celonis后端之間移動數據。”
Celonis經歷并確定了業務流程——不是紙上談兵，而是身體力行。然后，Celonis使用機器學習來發現各種模式和異常情況。
人們可以以圖表的形式查看業務流程，例如Visio圖表，管理人員可以深入了解流程，細到各個事務的程度。
Turner說：“僅就延遲付款的例子中，我們每年就節省了24萬美元。該軟件的成本早就收回來了，我們還將發現，這種節約成本的機遇必然能對我們的供應商和客戶都管用。”
需要多少數據?
人工智能系統往往需要數百萬個數據點才能進行可用的預測。大多數公司都不具備海量業務流程的內部數據。
根據Constellation Research的首席分析師兼創始人Ray Wang的說法，由于Celonis有業務流程挖掘平臺，它在用人工智能幫各大公司實現智能流程自動化方面得天獨厚。Wang說，Workday或Salesforce等其它事務型供應商也可以很好地幫客戶使用歷史數據來自動發現和管理業務流程。
Wang說，這些供應商也許能達到可以協調流程并找出下一個最佳行動的程度。“但這尚需時日。”
有些提供企業ERP、CRM和類似平臺的供應商可能會在未來開始使用智能流程自動化工具——如果它們現在還沒有這么做的話。例如，Salesforce正在通過其愛因斯坦平臺(Einstein platform)來提供智能工具。
在這些例子中，企業受益于受過所有供應商客戶的數據集訓練的人工智能。在其它情況下，各大公司也許能夠購買預先受過訓練的模型并根據自身的需要進行調整，或者找到開源或市場中可獲得的培訓數據集。
此外，企業數據還可以通過外部數據來進行擴充，這些數據有助于為業務流程提供信息，例如天氣數據或金融市場數據。
博思艾倫咨詢公司的Vij表示：“更多的數據有助于提高算法的穩定性，但我們也十分清楚，很多時候，當我們介入時，客戶并沒有掌握所有數據。”
Vij說，不是非得將整個業務流程完全自動化才能應用智能。很多企業工具并沒有數字接口或API，并且一些業務流程需要大量人力。智能過程可能知道何時將任務轉交給特定的人員進行處理。有時，看似需要人類介入的步驟很可能并不需要人類。
Vij說：“人們在SharePoint和Drupal存放各種東西，這兩個平臺中所存放的東西是非結構化的，需要人來考察和發現。但你可以應用自然語言處理方面的所取得的進步來提取結構化信息，而不必讓人來讀取。”
Vij說，已經適用于智能管理的流程包括人力資源流程，如入職流程和財務流程，又比如理賠。
商業流程分析
人工智能平臺提供商DataRobot的企業發展高級副總裁Seann Gardiner表示，某些最先進的公司擁有足夠的業務流程數據，如今它們可以研究正在發生的事情的全貌并進行分析和預測。
Seann說：“這些公司正在從機器人過程自動化流程中汲取經驗并使這些流程更加智能化。我并不認為組織在大刀闊斧地做這樣的事情，但至少有了這樣的苗頭。”
Seann補充說，如果一家公司非常注重流程級自動化，并且能夠使這樣的數據暢通無阻，那么該公司也許已經準備就緒了。“但你必須擁有這樣一個商業領袖，這個領袖對自動化和人工智能優先的心態抱有堅定的信念，并且能夠進行必要的組織變革。”
Seann表示，財富5,000強中的公司已經將流程落實到位，在這些流程中，它們已經制定了可以采用人工智能和機器人過程自動化相結合的流程。“問題在于，它們是否愿意花時間，以便能夠對組織進行大規模的變革。”
