訂閱
人工智慧 (AI) 一直是一個熱門話題。利用人工智慧的力量，在許多領域 (包括健康、製造業、博弈論、天氣預報和經濟學)，人們正在進行一些真正具有革命性的工作，以解決一些大而複雜的問題。這樣的例子不勝枚舉。
自動化 (包括硬體和軟體) 已經存在了一段時間。但做為第四次工業革命的一部分，軟體自動化當之無愧地成為人們關注的焦點。遍布全球各個行業的公司正在使用機器人流程自動化 (RPA) 來自動執行前台和後台的基於規則、流程驅動、易於定義的任務。
想像一下，有這樣一個應付賬款 (AP) 職員，打開他們的電子郵件，打開發送給他/她的試算表，然後將這些資料複製到 ERP 系統中。這可以很容易實現自動化，在財務、採購、人力資源、營運、物流等方面還有無數其他例子。
但有趣的地方是 AI 和自動化之間的交叉點——智慧自動化 ( IA) 。由機器學習 (ML) 技術、計算能力和更先進的認知引擎的進步推動的這種組合開始應用於廣泛的業務問題。語音識別、自然語言處理、文件分析和分類——這些都是現實世界的應用領域。
我們以文件為例。許多公司仍處理數百萬份 PDF 文件。可能包括發票、採購訂單或其他任何東西。如果您是一家大型製造商，您可能擁有數萬家供應商，每家供應商都有自己獨特的發票格式。對於基於規則的系統來說，這種半結構化資料很難處理。但是，一旦你將 AI 添加到混合中，你就可以處理這些非結構化資料，同時學習它。光學字元識別 (OCR) 引擎難以在多個供應商的典型發票資料集中獲得超過 50-60％ 的準確度，而像 Automation Anywhere 的 Document Automation 這樣的 AI 驅動系統使用有監督和無監督學習來獲得超過 90-95％ 精度。它處理的資料越多，精度越高。
對於一家公司的資料中有多少是「暗」資料，半結構化資料或非結構化資料的估計各不相同，但 60-70％ 左右的數字並不少見。它就像冰山一角，通常隱藏在水面之下。想想電子郵件、語音訊息、文件、PDF 等包含的大量資料。將其與 Excel 電子表格中相對較小的數額進行比較。借助資料庫和 CRM/ERP 系統，企業正在擷取越來越多的資料，同時大部分資料都是非結構化的。未來任何業務面臨的最大資料問題是規模問題。顯而易見的解決方案必須是結構化資料和非結構化資料的自動化處理。
那麼我們如何解決其中一些現實的業務問題呢？嗯，僅靠人工智慧是不夠的；人工智慧的力量在解決重大問題上非常出色，但在處理我們每天都要處理的小問題上就不那麼好了：「該 PDF 是否是發票，如果是，它的價格是多少？」
將它與自動化相結合，就會得到非常不同的結果。智慧自動化使您大規模處理較簡單的結構化資料，以及我們每天所面臨的更難處理的非結構化資料。
軟體自動化 (第四次工業革命) 對任何主要企業來說都是一個變革性的戰略機遇。規模就是一切。而這只能透過自動化和人工智慧結合起來才得以真正解決。
