什么是AI超自动化？

2021 年及以后的技术趋势是超自动化，使用人工智能 (AI) 和机器学习 (ML) 的组合来识别和自动化所有可能的业务流程。
利用多种技术力量实现自动化的综合目标。这些技术包括：

• 机器人过程自动化（RPA），
• 过程挖掘，
• iBPMS,
• iPaaS，
• 电子签名，
• 机器学习 (ML)
• 人工智能 (AI) 使工作自动化。

• 超自动化的最终目标是发展一个自动化企业自动化的流程。
• 超自动化一词是由 IT 研究和咨询公司 Gartner 在 2019 年创建的。
• 超自动化为许多自动化技术的计划部署提供了一个框架。
• 它提出了一种经过研究的自动化方法。
• 超自动化实践包括识别要自动化的工作，选择合适的自动化工具。
• 还包括对自动化流程重用的驱动敏捷性。
• 同样，包括使用人工智能和机器学习的几种口味来传播他们的能力。
• 超自动化企业通过支持驱动自动化能源的卓越中心 (CoE)反复同步。

• 节省成本，
• 提高生产力
• 获得自动化自动化的效率，
• 利用数字化流程收集和制作的数据。
• 组织可以直立这些数据，以做出更好、更及时的业务决策。

• 超自动化通过框架为组织提供扩展、集成和优化企业自动化的能力。
• 它基于RPA工具的成功产生并解决了它们的局限性。
• 相对于其他自动化技术，RPA 的快速攀升归功于其简单的使用和直观的特性。
• 例如，由于 RPA 反映了人们如何与应用程序交互，员工可以通过记录他们如何执行任务来自动化他们的部分或全部工作。
• 由于机器人反映了人类的行为，因此通常衡量自动化工作任务的速度、准确性或公司采用的其他指标，以衡量员工在同等任务上的表现。
• 然而，早期的 RPA 努力在企业使用方面存在重大缺陷：
• 该技术并不容易扩展。
• 只有大约 13% 的企业准备好扩展早期的 RPA 计划，这与 Gartner 2019 年的评估一致。
• 超自动化力量相信扩展自动化计划所需的流程。
• 关键目标是企业如何构建自动化流程。
• 这将超自动化与仅专注于改进自动化工具的其他自动化框架或自动化概念（如数字过程自动化 (DPA)、智能过程自动化 (IPA) 和认知自动化）区分开来，这些自动化概念专门研究自动化本身。
• 超自动化加速了识别自动化机会的方法。
• 然后自动生成可接受的自动化工件，包括将使用 DPA、IPA 或认知自动化组件的机器人、脚本或工作流。
• 数字工作者分析的理念侧重于绩效和流程：例如，跟踪开发、部署和管理自动化的价值以使价值与交付的价值相匹配的方法。
• 这种分析对于确定未来自动化工作的优先级至关重要。
• 许多 RPA 和企业自动化的卖家开始将数字工作者分析引入他们的工具。

• 超自动化专注于添加更多智能并实施更广泛的基于系统的方法来扩展自动化工作。
• 该方法强调了在用自动化代替人工和优化复杂流程以消除步骤之间取得适当平衡的重要性。
• 一个关键问题在于确定谁应对自动化负责以及应该如何完成。一线工人处于更好的位置，可以发现自动化的无聊任务。
• 业务流程专家可以更好地发现我们许多人处理的自动化机会。
• Gartner 引入了组织数字孪生 (DTO) 的思想。
• 这通常是业务流程如何工作的虚拟表示。
• 该方法的表示是使用过程挖掘和任务挖掘的组合自动创建和更新的。
• 流程挖掘检查来自 CRM 和 ERP 系统等业务管理软件的企业软件日志，以构建流程流的表示。
• 任务挖掘继续使用在每个用户桌面上运行的机器视觉软件来构建跨多个应用程序的进程视图。
• 流程挖掘和任务挖掘工具可能会自动生成 DTO。
• 这使组织能够了解功能、流程和关键绩效指标如何相互作用以推动价值。
• 人工智能和机器学习组件使自动化能够以其他方式与地球互动。例如，OCR 允许自动化处理纸质或 PDF 文档中的文本或数字。
• 舌头处理可以从文档中提取和组织信息，例如识别发票来自哪家公司，它的用途，并自动将这些数据捕获到会计中。
• 超自动化平台可能直接位于公司已经拥有的技术之上。
• 超自动化的一个主要途径是 RPA。
• 每个领先的 RPA 销售商都在为流程挖掘、数字工作者分析和人工智能集成提供帮助。
• 此外，其他类型的低代码自动化平台也在增加对更多超自动化技术组件的支持。