长期以来,自动化一直是IT工作的命脉。在整个组织中,对自动化流程的需求一直是IT议程的关键驱动因素,无论是对销售或者是营销职能内、还是IT自身目标流程的彻底改革。
但是,AI和机器人过程自动化等数字能力的兴起,以及通过数字化转型推动整个企业数字化运营的动力,已经将一些IT组织的自动化议程推向了超速发展,预示着一个“超级自动化”的新时代到来,在业务运营的方方面面,从日常任务到产品开发,再到制造,都被视为可以实现自动化收益的互联流程。
拥抱云20多年的丰田汽车北美公司,就是这样一家追求超级自动化的企业。在过去的三到四年中,丰田汽车北美公司越来越依赖AWS以及很多独立的自动化工具来加速自动化议程,现在他们几乎所有的业务运营都在云端实现了自动化,公司首席技术和数据官(CTDO)、数字技术集团副总裁Brian Kursar这样表示。
Kursar在丰田公司管理着大约2500名IT专业人员,他说:“现在最大的变化就是这种超级自动化,我会告诉我的团队,自动化可以拯救我们。”
这似乎起作用了。丰田声称,到目前为止,超级自动化已经为公司节省了1000万美元,每年大约节省500万美元。据称,通过超级自动化,一个团队可以节省6周的劳动力,相当于节省了250000美元,仅在数千个数据库ETL平台上的调度程序方面,就至少运行了100000个自动化脚本。
“这绝对是一项全公司范围的倡议,”Kursar说。
通过超级自动化提高效率
十年前,Gartner提出了“超级自动化”一词来指代所有业务部门的自动化。
Gartner杰出分析师副总裁Frances Karamouzis表示,虽然超过80%的企业采用了某种程度的自动化,但实现超级自动化的企业相对较少,只有不到五家企业(其中包括爱立信和强生公司)通过全球范围实施超级自动化计划节省资金超过1亿美元。
Karamouzis说,超级自动化“是一种有原则的方法,可以做到三件事:快速识别、审查和自动化尽可能多的流程,可以是业务流程或者IT流程。为此,人们使用了无数的技术。他们使用了AI,使用了RPA,使用了iPaaS,使用了低代码。”
丰田公司还没有完全做到这一点,尽管丰田不断强化的自动化议程涵盖了业务、开发和制造流程。Kursar专注于丰田的云工程和开发实践,让所有业务部门能够以易于实施的方式利用云自动化功能来满足他们的需求。
例如,通过实施Backstage等AWS基础服务,开发人员和最终用户可以编写Python脚本和构建应用,而不必担心“他们是否关闭了正确的端口,是否在容器中设置了正确的权限,”他补充说,内置的开发平台安全性让许多员工开启了自动化方面的工作。
业务分析师和开发人员还可以使用各种开发工具来创建自动化的工作流程,从面向非开发人员的低代码平台,到高端RPA和AI机器学习模型自动化工具。开发人员还可以获取汽车行业的工作集开发工具包Chauffeur。
Kursar说,除了显着节省成本外,丰田IT的云端超级自动化还为业务部门提供了更多的数据和投资,用于分析、创建模型和解锁数据洞察力。
他指出:“很早以前,我们把重点都放在了保持运转和搭建平台上。如果企业太忙于经营业务,我们就没有钱用于分析,[来自超级自动化的]再投资已经投资于数据科学家上了,他们可以创建非常复杂的机器学习模型,从而推动更多的成本节约和更高的价值。”
Kursar说,这是“这种超级自动化最伟大的成就之一,这些聪明的工程师可以专注于推动洞察力,为我们的业务提供决策支持。”
采用自动化优先的方法
Kursar证实,产品工程师也在丰田公司的制造过程中使用了自动化。丰田公司(其他所有汽车制造商)正在远离自造汽车,但许多公司正在把自动化整合到设计、规格和质量保证流程中。
丰田汽车其中一项制造测试是热成像,用于测试车架的焊接情况。他说,这个流程“非常耗时”,但自动化的实施不仅为公司节省了数百万美元,而且带来了更高质量的输出——现在每辆车都是以这种方式进行测试的。
丰田在北美经营着大约15家制造工厂,目前正在与松下在北卡罗来纳州建设一家新工厂,以支持电动汽车(EV)电池的生产。Kursar补充说:“那里的一切都是以数据为先、自动化为先[这一蓝图]展开的。”
IDC认为,在2017年至2021年期间,有超过1500亿美元被用于自动化。然而,只有大约三分之一的企业在基本软件开发、IT和业务流程(例如索赔处理)等目标流程中的自动化程度达到了50%以上,IDC在3月一份最新的报告“IDC Directions 2023”中进行了详细说明。
IDC副总裁Dave McCarthy表示:“对于许多公司来说,自动化始于他们已经完全了解的那些流程。然而,机器学习和AI能让工程师更好地理解操作参数中的细微差别如何对业务成果产生巨大影响。”
许多最高管理层现在关注IDC所谓的企业自动化2.0,也就是“一种统一的闭环自动化方法,其中AI持续支持决策制定和自动化行动,主动优化和丰富结果,以最大限度上提高自动化的业务价值,”IDC人工智能和自动化集团副总裁Ritu Jyoti介绍说。
IDC的报告指出,下一代自动化2.0将跨越整个组织,包括生成式AI和业务流程,例如流程和任务挖掘、RPA、工作流自动化、BPM、应用集成、API管理、数据集成和事件代理。
其中大部分(包括机器学习模型的创建)目前正处于Gartner的Hyperautomation 100 Club 中。但专家预测,很快,随着企业继续利用数字化转型流程来节省资金和体现他们产品的差异化,这将在数千家企业中变得无处不在。
Kursar说:“自动化是我们超越竞争对手的一种方式,通过尽可能多地自动化流程,我们可以真正专注在高价值上。”
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。