麦肯锡报告 | 智能过程自动化：新一代公司运营模式的核心引擎

选自：McKinsey&Co

编译： 机器之心

参与：侯韵楚、马亚雄、黄小天

本文经机器之心（微信公众号：almosthuman2014）授权转载，禁止二次转载。

智能过程自动化共包含五项关键技术，本文将阐明如何用其来提高生产力及效率、降低运营风险并改善客户体验。

自 2007 年 9 月金融危机以来，为了同时提高成本利用率、客户满意度及员工敬业度，很多公司应用了精益管理，并且有很多项目在各个方面取得了实质性影响。但数字化的进展却变得更失衡。

例如在保险行业中，2016 年 10 月的一份 FIS 研究发现，在受调查的保险公司中，有 99.6％的保险公司承认在数字创新实现中面临阻碍，而 80％的公司认为他们需要数字能力来应对业务挑战。而在 2016 年，「insurtech」投资的繁荣使这个难题变得更加复杂——自 2015 年以来，111 个交易中的融资额超过了 35 亿美元。

随着宏观经济条件对各行业利润率的继续施压，提高成本生产力和释放新价值重返高级管理议程首位。而问题在于，我们还能做什么？

这就是智能过程自动化（IPA）出现的原因。我们相信它将是公司下一代运营模式的核心部分，许多跨行业的公司都在尝试 IPA，并取得了显著成果：

• 50％至 70％的任务实现自动化……

• ……转化为 20％至 35％的年运行成本效率……

• ……且直通处理时长减少 50％至 60％……

• ……投资回报率的百分比通常为三位数。

新的技术承诺同年回报能达到两位甚至三位数，对于这一点我们应保持怀疑。但经验表明，如果执行人员能够仔细思考并理解机会的驱动因素，且能将它与其它驱动下一代运营模式的方法和能力有效结合，那么 IPA 的承诺就是真实的。

IPA 的本质是「从人类手中夺走机器人」，其核心则是一套将基本过程重设与机器人过程自动化及机器学习相结合的新技术。它是一套业务流程的改进，也是下一代通过删除重复、可复制以及常规任务来帮助知识型工作者的工具；它还能简化交互与加快进程来从根本上改善客户体验。

IPA 可模仿人类活动，并能随时间推移而优化学习。由于深度学习和认知技术的进步，基于规则性自动化的传统杠杆的决策能力得以增强。IPA 承诺从根本上提高效率、提升工人绩效、减少操作风险，以及改善响应时间与客户使用体验。

IPA 共包括五项核心技术：

• 机器人过程自动化（RPA）：一种软件自动化工具，它能自动执行常规任务，如通过现存用户界面进行数据提取与清理。机器人有一个与人类相同的用户 ID，并能执行基于规则的任务，如访问电子邮件和系统、执行计算、创建文档和报告，以及检查文件。RPA 帮一家大型保险合作社削减了每天影响着 2500 个高风险账户的多余排队程序，并释放出 81％的 FTE 来取代主动型帐户管理职位。

• 智能工作流程：一种管理过程的软件工具，它能集成人类和机器组执行的任务（如在 RPA 之上帮助管理过程）。这使用户得以实时启动和跟踪端到端过程的状态；该软件将会管理不同组别的切换，包括机器人和人类用户之间的切换，并提供瓶颈之处的统计数据。

• 机器学习/高级分析：一种通过「监督」和「无监督」学习来识别结构化数据中的模式（如日常性能数据）的算法。监督算法在开始根据自己的新输入做出预测之前，会从输入和输出的结构化数据集来学习；而无监督算法会观察结构化数据，并开始提供对已识别模式的洞见。机器学习和高级分析可能会改变保险公司的游戏规则，如在提高合规性、降低成本结构及从新的洞见中获得优势的竞争中进行改变。高级分析已在领先的人力资源部门中广泛实施，来确定及评估领导和管理人员的核心品质，以便更好地预测行为，发展职业道路及规划领导权继任。

• 自然语言生成（NLG）：一种通过遵循将观察结果从数据转化为散文的规则以在人类与技术之间创建无缝交互的软件引擎。广播公司一直在使用自然语言生成来实时起草游戏情节，而结构化的性能数据被传输至自然语言引擎中，来自动编写内部和外部的管理报告。一家大型金融机构已在使用 NLG 来复写每周的管理报告。

• 认知代理：这项技术将机器学习和自然语言生成相结合，来构建一个完全虚拟的劳动力（或称「代理」）；这个代理能够执行任务、沟通、从数据集中学习，甚至可以根据「情绪检测」做出决策。认知代理可以通过电话或聊天来帮助员工和客户，如应用在员工服务中心。使用认知技术的英国汽车保险公司的转化率提高了 22％，验证错误率降低了 40％，整体投资回报率为 330％。

IPA 运行时的情况会怎样？下面举一个保险公司的例子：在那里人们命令处理器从 13 个不同系统中提取数据，保证服务「一切正常」。

机器人可以通过使用 IPA 来代替手动点击（RPA）、解释大量文本的通信（NLG）、制定规则下不必预编程的决策（机器学习）、提供客户建议（认知代理），并提供对系统和人员之间相互切换的实时跟踪（智能工作流程）。

IPA 的价值

当 IPA 接管了机械重复的任务之后，工作人员可专注于提高客户满意度，思考如何让来自企业外部——如新闻、事件、社交媒体、嵌入式传感器以及类似的任何地方——的有价值数据帮助实现业务目标。

尽管实现完整的 IPA 套件能够带来全方位的裨益，但是公司可以通过实现 IPA 中的个别技术就能快速释放显著的价值。如图表 1 所示，仅 RPA 就可以带动生产力显著 增长。

图表 1

一家大型金融机构采用规模化的 RPA 转型，将记录到报告流程中的 60％至 70％的任务自动化，并使年度运营效率提高了 30% 甚至更高。使用相同的方法，另一个机构在超额排队过程中降低了 80％的处理成本。FT500 中的另一家金融机构使用机器人技术每年降低 1.75 亿英镑的成本，减招 120 多个全职员工 (FTE)。

另外，IPA 还可以帮助领导者从在众多复杂系统中几十年的投资中获得最大利益，并且同时做出许多复杂的决策。我们也看到企业插入控制以实时激活由其他的新发现触发的其他过程。例如，创建一个耦合了自然语言生成引擎的非监督机器学习平台，可以很快地允许处理结构化地日常性能数据以生成能够帮助领导者做决策的真知灼见，同时改变内部管理过程。不再需要难以进行的功能有限的报告流程，仅仅将它们累放在桌面上就行。尤其在保险行业中，IPA 可以发挥巨大作用。

IPA 不需要大量的基础设施投资，因为它处理的是企业信息系统的表示层。例如，存在于信息系统顶层的 RPA 软件，可以在不改变信息技术后端的情况下实现快速返回。某些情况下，企业可以在两个星期内建造并运行 RPA 系统并且从中获益。

根据我们的经验，以下步骤在推动成功的大规模 IPA 改革中是最重要的：

01|  迅速协调 IPA 在运营模型中的作用

任何一个有效的 IPA 倡议必须基于明确理解企业的总体战略和它的下一代运转模型在帮助实现 IPA 的过程中所起的作用。这需要清楚地阐明目标结束状态和过程，以专注于实现它。这种清晰度允许商业领袖评估和协调实现运转模型的方法和能力。在许多情况下，IPA 在推动变革方面发挥着重要的甚至主导作用，但是当公司理解了 IPA 和公司的其他能力和方法能够共同发挥作用的时候，IPA 便能发挥其最大价值。自动化即将到来，现在是定义可能的艺术并将其战略性地应用在最有意义的地方的时候。

02| 围绕整个 IPA 解决方案组合设计，以最大限度地发挥作用

企业不应该仅仅浅尝辄止一部分 IPA 技术。世界前进太快以至于没有有效利用 IPA，其包含的所有技术协同工作时才能产生全面影响。

企业需要设想和实施整体的优化规划以使得投资回报最大化。尽管在信息孤岛上实施自动化项目是比较容易和快速的，但是这种方法存有缺陷。单独的技术不足以依靠自身去获取价值。事实上，为了转变一个集团的工作方式，需要重设基本的过程。

应制定实施的详细路线图，以确定所有自动化增强的机会，并允许企业通过平衡它们对规模化扩展初始用况的解决方案的影响来有序执行 IPA 举措。通过快速创建当前任务的概述以及执行这些任务所需的资源和能力，开始你的 IPA 之旅。然后部署经验丰富的环网孵化器团队，根据对业务线和 IPA 功能的深入理解重新设计过程和团队流程。

03| 快速开发一款最小可行产品 (MVP)

尽管设计一个全面的 IPA 组合是重要的，但是刚开始的时候一次解决所有问题难免令人生畏。许多管理人员被许多复杂的数据仓库项目所淹没，其中一些项目需要十年才能完成，并且大大超出预算。与其他数字化工作一样，最好选择 一个偏好速度和影响的端到端的过程或者用户流程，以用 IPA 来重新设计并加强业务过程，然后努力推出最小的可行产品 (MVP)，它是产品的最简化版本，但依然能完成任务。这样，你就可以快速地测试什么是有效和无效的，并作出针对性改变。