作者:David Bevans, Mendix公司产品营销高级经理
近年来,数字化转型(Digital Transformation)已成为企业的第一要务,但现在许多企业正在密切关注数字化(Digitalization)这个快速发展的概念。虽然这两个词听起来很像,但实际上它们的含义略有不同,对企业业务及其工作流程的影响也不同。鉴于这一点,本文将简单介绍数字化与数字化转型,并探讨数字化如何影响企业工作流程自动化。
什么是数字化?
根据Gartner的定义,数字化是“使用数字技术改变业务模式并提供创造收入和价值的新机会;它是一个向数字业务转变的过程。”相比之下,数字化转型是一个“可以包含从IT现代化改造(例如云计算)到数字优化、再到新数字业务模式创新等一切广义的术语。”
选择在业务的更多方面实现数字化的组织可能会发现,此举是实现系统数字化的途径,使他们可以充分运用那些已支持其运营的数字化系统和工作流程来提高效率和生产力。
新冠疫情在2020年极大地加速了数字化进程,在这个前所未有的全球“混乱”之年,企业为了保证业务的连续性而迅速转变、调整以及扩大运营规模。由于企业急于实现工作流程的数字化,因此他们纷纷通过自动化来加快转型的速度。
工作流程自动化如何让数字化“如虎添翼”
自动化与数字化之间存在密切的联系。想要实现工作流程数字化的企业可以利用自动化来更新工作角色,并从头至尾地改变整个业务流程。虽然早期的技术改进能够节省员工完成日常工作的时间,但如今大量重复性的死板工作仍在限制员工的生产力和创造力,因此企业需要对此做出改变。例如一项全球研究发现,类似数据输入和文件整理这样的重复性工作占用了每名员工每月高达60个小时的宝贵时间。实现端到端流程自动化的企业就可以将员工从每天单调乏味的流程工作中解放出来,使他们能够将个人专业知识和才能重新集中运用于吸引他们和企业认为具有战略价值的项目上。
参与该研究的员工认为,自动化能对他们产生以下好处:
数字化可以提供多重好处,尤其是企业可以利用成功的工作流程自动化项目所节省的时间,在整个公司内实现更多流程和功能的自动化,稳步提高企业的创新和发展能力。
灵活的自动化是数字化取得成功的必要条件
为了成功实现业务的数字化,企业需要采用一种能够适应环境变化的敏捷自动化方法,一些企业已经在使用机器人流程自动化(RPA)。根据TechTarget的定义,RPA是“一种模仿人类与软件互动的方式来执行大批量可重复任务的技术。”
例如企业可以使用RPA创建能自主填写表格或在孤立应用之间传输信息的机器人,从而为员工简化枯燥乏味的重复性任务,使他们能够专注于创造更多价值的工作。
但RPA存在一些局限性:
在这些情况下,低代码工作流程自动化可以发挥其优势。企业不仅可以复制一系列固定的步骤,还能按照数字先行的理念重新设计整个业务流程。企业可以使用低代码流程自动化来实现特定任务、整个企业端到端流程,甚至复杂工作流程的自动化。由于低代码流程自动化适用于专业开发人员和非技术人员,因此用户可以在有益于其团队和整个企业的工作流程自动化解决方案上进行合作。
在IT人才供给缺口扩大时,低代码自动化对迫切实现数字化的企业具有非凡的意义。企业可通过一体化低代码平台的获益包括:
数字工作流程自动化案例:苏黎世保险
苏黎世保险有700名核保员负责为客户创建保单。当需要更新保单时,核保员只能手动耗费数个小时完成这项任务。每当核保员找到一种数字化替代方案时,由于缺乏数据验证,可能会导致影子IT而增加业务风险。
苏黎世最后使用西门子低代码创建了一个新的应用,现在核保员可以快速更新需要更新的保单。这种数字工作流程自动化将更新保单所需时间减少了90%,帮助苏黎世在运营效率方面节省了28万英镑。
通过自动化实现数字化和业务转型
虽然数字化转型已经流行了一段时间,但许多企业现在才开始为了改进其业务流程和工作流程而转向数字化。通过工作流程自动化,企业不仅能够单纯地实现特定技术或任务的现代化,甚至还能更新业务模式或发现新的增长机会。
当企业通过低代码流程自动化来实现数字化时,有助于促进内部协作和提高企业自身的创新能力,在数字时代获得竞争优势且实现数字先行的理念。如欲了解如何开始让企业进行流程的数字化,敬请阅读电子书《来自CIO的流程自动化成功指南》。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。