几十年来，自动化被广泛应用于各行各业，以提高效率和生产力，减少浪费，确保质量和安全。现在，我们已经为下一步做好了准备。人工智能(AI)、自然语言处理(NLP)和大数据分析等新兴技术正与自动化相结合，以处理更复杂的问题，并进一步改善业务流程。这种自动化和智能的结合被称为超级自动化。
Wipro有限公司副总裁兼Wipro HOLMES™人工智能(AI)和自动化生态系统主管。
hyper automation也被称为认知自动化或智能自动化，它处于第四次工业革命的前沿，并逐渐渗透到业务的各个方面，带来了前所未有的结果。推动企业采用高度自动化的因素有很多，包括提高运营和服务性能的能力。这项技术还使企业能够改善客户体验和员工敬业度，并使他们能够通过分析洞见来释放新的成本节约和开发新的收入流。
在采用高度自动化时，企业必须认识到用例选择的重要性。这是我们最近发布的《2019年自动化状况报告》(State of Automation Report 2019)中强调的要点之一，该报告旨在为在复杂的超自动化世界中导航提供一种方法。报告指出，超级自动化的用例应该由业务驱动，而不是可用的技术。
在选择用例时，企业还应该考虑执行超级自动化所需的安全特权，以及企业内各种功能的一致性。例如，特定类型的邮箱管理自动化要求自动化程序有效运行的管理特权。自动化团队和电子邮件服务的服务所有者需要达成一致并保持一致，这样的用例才能最终确定为自动化的潜在候选用例。
组织必须投入时间和精力来创建一个高效的自动化策略，首先要确保每个用例都能从中受益。虽然RPA(机器人过程自动化)现在被广泛使用，但仍然有许多任务不能使用基于规则的系统自动完成。将人工智能和认知技术应用到自动化领域，为涉及更复杂信息的领域开辟了全新的可能性。
在实现高度自动化时，必须有明确定义的目标。在设计新系统时，必须考虑许多因素，包括安全性、可伸缩性和可维护性，以及培训人员使用它有多容易。如果没有一个可靠的用例策略，项目很可能会失败。这不仅会浪费时间和投资，还可能侵蚀人们对高度自动化的信任，在该组织的数字化转型过程中造成严重挫折。
报告还强调了熟练劳动力的重要性。对于hyper automation的成功来说，拥有合适的团队是至关重要的。随着该技术在更大范围内得到应用，对人才的需求只会继续增长。这就是为什么企业要集中精力招聘合适的人才，并不断投资提高他们的技能。企业与大学之间的战略合作伙伴关系将使企业能够直接从大学招聘最优秀的人才，而不是试图在未来以高昂的成本招聘他们。在高度自动化的时代，处理数据的能力将是一项必备技能，招募有经验的数据科学家应该是一个优先事项。
我们的报告还强调了获取每个用例的正确数据并确保其质量的重要性。如果没有适当数量的高质量数据，超级自动化项目注定会失败。在迈向数据驱动文化的同时，企业还必须努力避免数据偏差，因为数据偏差可能会对基于智能的自动化产生影响。
在自动化组合中加入人工智能，在法律、道德和合规责任方面带来了复杂性。为了确保信任，并为未来任何进一步的规定做好准备，组织应该采取措施，确保人工智能是可以解释的。使用提供自动化和认知服务的协作工具，可以根据企业内的特定角色进行定制，这是企业确保领先于这些复杂情况一步的好方法。正确的服务可以帮助提供一个透明的、可解释的、让人处于循环中的框架。
寻找支持去偏置人工智能模型和学习模型的工具是很重要的，因为这将有助于减轻未来的风险。随着我们进入下一个十年，高度自动化将很快成为全球企业的标准。这项技术有可能在不久的将来引发大规模的变革。基于边缘的人工智能、联邦学习和合成数据等新技术趋势将加速超级自动化的采用，不仅会降低成本，还会改善用户体验，并对收入产生积极影响。
虽然各种形式的自动化已经存在了几十年，但在等式中加入智能是下一个合乎逻辑的步骤。在未来的几个月和几年里，采用超级自动化将很快成为一种必要。这就是为什么如今，应对这种技术的复杂性是每个组织的迫切商业需求。你越快开始，你的组织就会越快进入未来。