首页 > 人工智能 告别零散低效整体自动化兴起,聊聊Forrester定义的自动化架构
告别零散低效整体自动化兴起,聊聊Forrester定义的自动化架构
告别零散低效整体自动化兴起,聊聊Forrester定义的自动化架构
什么是自动化架构?能够为组织带来什么?与超自动化有什么不同?
零散自动化技术让组织无可奈何,自动化架构助力企业全面自动化
什么是自动化架构?能够带给组织什么价值?一篇文章告诉你
文/王吉伟
受疫情、经济下行、成本上涨等综合因素的影响,自动化已成为全球重视的数字化转型方案。广大组织纷纷将人工智能、RPA、低代码等技术引入组织的运营,以优化业务流程实现增效降本。
不负众望的是,在各种技术不断地融合发展进程中,自动化也彰显了更高的增效降本潜力。Gartner的一份报告中显示,近 80% 的 BPM 用户认为超自动化技术在其业务的数字化转型中发挥着关键作用。
同时该报告预测,到2024年,通过将超自动化技术(Hyperautomation)与重新设计的操作流程相结合,企业将降低30%的运营成本。
其实若对标UiPath所定义的全面自动化,当企业运营的所有流程都最大程度实现自动化,超自动化为企业带来降本增效绝非仅有30%。因为自动化战略可以让企业经营的前中后台的业务流程重塑的持续推进,直至实现全面自动化。
随着超自动化被更多组织所接受,不管是RPA厂商,还是智能自动化厂商,以及主打智能流程的厂商,都在向超自动化演进。
超自动化作为一种技术合集与自动化方法论,旨在助力广大组织以更简单的方式实现基于自动化的数字化转型。其中的关键是简单与全面,背后原因则在于长期以来支离破碎的自动化技术已经让很多组织不胜其烦。
在零散的自动化技术所造成的问题甚至比其所解决的问题还要多的情况下,随着各种技术的成熟与应用,融合更多技术且更加集成的技术架构与自动化方法论也就自然而然的出现。
这种方法论,在Gartner叫作超自动化,在Forrester则称作自动化架构(Automation fabric)。
相信很多人对超自动化已经很了解,但对自动化架构还很陌生,毕竟国内互联网对于这个概念的介绍真的很少。那么,什么是自动化架构?它能为组织带来什么?又该如何构建?
本文,王吉伟频道就给大家聊聊Forrester所定义的自动化架构。
什么是自动化架构?
自动化架构即Automation fabric,也可译为自动化结构,出自Forrester于2021年6月发布的一篇名为《自动化是数字业务的新结构》的最佳实践报告。
Forrester认为,疫情大流行后行业发展趋势指向自动化技术的融合,如 RPA、DPA、集成 (iPaaS)、低代码软件、机器学习、对话式人工智能、分析和流程智能。
随着这些技术相互重叠和交叉,今天的多样化自动化选项已经开始共同发展,并融合成一个广泛的组织:一种位于应用程序层之上的架构。
这种架构即自动化架构,它将数字工作者和人工智能代理(如聊天机器人)与流程和数据工作流结合起来,并与基于事件和以集成为中心的编排相结合。
在报告中,Forrester 将自动化架构定义为一个整体业务自动化系统,它集成了多个相邻和互补的自动化技术、流程架构、组织行为和合作伙伴共同创新模型,以支持以人为中心的自动化和自主企业的目标。
因此,自动化架构是指一种系统的、企业级的自动化方法,其中多种技术完全集成到一个有凝聚力的系统中。它将流程自动化与 IT 基础架构自动化相结合,以连接整个企业的流程并协调工作。目标不仅是降低实现自动化的复杂性,还可以提供无缝的用户体验,因此距离建立自主企业更近一步。
自动化架构与超自动化非常类似,都能够为组织提供更加完备的智能自动化技术,但与超自动化略有不同的是对于组织的影响。
超自动化,通过端到端自动化技术驱动组织基于业务流程优化进行数字化转型。而自动化架构,则可以直接作用于企业的组织层面,通过这种自动化架构来保证企业能够高效应用自动化驱动数字化转型,更加注重于企业组织架构层面。
同时,自动化架构也并非市场上可用的成品。自动化架构包含二十种以上的技术,并不是目前的超自动化平台能够一站式解决的。组织可以购买形成自动化结构所需的技术,以灵活地实现数字化转型目标。
自动化架构出现的背后
自动化正在成为推动组织多层次转型的推动力,目前这一点已在业内成为共识。而现实的自动化实施情况则是,以零散方法实现的自动化技术所造成的问题,甚至比其所解决的问题还要多。大部分组织中的业务流程,都与实际实施的流程自动化范围脱节。
这也使得以成本为中心的战术自动化与数字化转型目标脱节,并会进一步阻碍组织通过自动化实现更广泛的数字化愿景。
Forrester报告认为,在自动化技术应用方面,很多组织至少会存在以下几个问题。
首先,自动化孤岛导致可能性的短视。
自动化程序纵横交错,每个程序都存在于自己的孤岛中。例如,财务团队可能使用 RPA,而 IT 团队支持低代码或人工智能,而联络中心则涉足聊天机器人。不同技术计划之间的自动化孤岛,阻碍了团队在这些融合技术之间的协同作用。
其次,过度依赖单一自动化技术导致成效不佳。
过度使用给定的自动化技术,而不考虑它是否是实现目标的最佳方法。单一技术会让组织运营缺乏整体自动化治理方法,而自动化架构师将重点放在技术上更会加重这一问题。
第三,战术自动化方法会产生技术债务。
战术自动化通常可以暂时弥补效率低下的部分,使 CIO 和 CFO 能够推迟现代化投资。战术方法,只会让低效的遗留流程和应用程序保持中断。
如果让流程在没有强有力的治理的情况下激增,最终自动化可能会变得更加脆弱。这会导致短期内的不可预测性,并造成长期技术债务,从而阻碍以后的转型。
在技术持续投入与自动化效率并不理想的长期矛盾之下,自动化架构这样的方法论的出现也就顺理成章。
在企业技术领域,应用程序是构建所有流程的核心。随着机器人流程自动化 (RPA)、低代码工具、本地集成平台 (iPaaS)、流程智能、聊天机器人和机器学习等技术的蓬勃发展,范式也发生了转变。而流程开发,也不再仅限于专门的应用程序和交付。
多样化的自动化技术的共同进化和融合,导致形成了位于应用层之上的广泛编织或“结构”。这种结构允许基于事件、以集成为中心的编排——将数字员工或人工智能虚拟代理与流程和数据工作流相结合,从而演变为数字化转型的高级乐园。
简而言之,自动化架构构成了企业重新思考其产品、服务、运营和商业模式的上层建筑,缩小工人与工作之间的距离,并释放数字差异化的机会。
自动化架构能为组织带来什么?
Forrester报告认为,自动化架构正在将多种技术结合在一起,进而降低底层应用程序和流程环境的复杂性,促进工作并赋予员工更多的权力。
同时,自动化架构还能够协调人类和机器人之间的交互。AI功能被注入到架构中,为新的参与形式提供了机会,并且这种架构的可扩展性还能够支持未来的技术引入和场景应用。
从数据应用而言,数据的可用性和有用性之间的差距缩小,企业和用户现在可以获得可用于分析和人工智能的数据。所有数据源和类型的互连,创建了一条安全且合法地跨整个业务的数据路径,这正是自动化架构的基本结构。
因此,自动化架构有助于组织以更快的速度轻松访问、安全和实施数据,从而使企业流程更加高效。
业务流程角度来看,自动化架构可以从数据集成、系统合规及数据安全等三个方面,加速组织的业务流程。
在数据集成方面,它可以通过单点访问所有数据可确保信息可靠,允许个人访问其部门以外的信息。
在合规系统方面,它能够跨越多个司法管辖区的信息渠道具有安全要求,自动化架构分配策略执行,使数据无论来源如何都可以轻松安全地访问。
在数据安全方面,所有数据,无论是在云、混合系统还是遗留系统中,都可以在自动化架构的保护伞下使用,提高效率及运营,最终提升整个客户体验。
以上这三点,都可以看作自动化架构的商业利益。
总体来看,采用自动化架构的组织,能够从战略和战术上双重适配自动化,以更多的技术与解决方案保障自动化的最大化实施。
因此,自动化在这样的组织里可以推行得更加纯粹与深入,自动化基因充斥于组织业务流程的每个单元,自动化也就能够更多的参与到企业经营之中。最终当广大组织使用自动化架构构建各自的自治组织,各种效益自然也就更高。
而随着自动化架构的深入应用,必将助力组织进一步提高员工生产力,降低运营成本,提升数据洞察力,并带来更加卓越的客户体验。
后记:如何创建自动化架构
对于如何搭建成功的自动化架构,Forrester报告给了组织五个建议:
1、数字化领域的 CEO 和负责人,必须接受并推动自动化作为“战略举措”。设定一个大胆的目标,以实现自动化推动的转型。擅长自动化的企业,将淘汰不擅长自动化的竞争对手。
2、融合分散的自动化计划,而不是让这些技术保留在自己的孤岛中。将 RPA、低代码、API、数据科学和机器学习等多种自动化技能,集成统一到一个通用框架中。
3、使用平衡计分卡来管理自动化,并提供对其真正影响的可见性。
4、让业务用户引领自动化思维,让他们构建和支持自动化。
5、使用户和客户体验成为重点。自动化设计通常没有用户体验或客户体验支持,这会让员工和客户的自动化交互体验不一致,因此组织需要将客户导引地图等客户体验工具作为自动化工具包的核心部分。
看到这里,相信大家都对于自动化架构有了一定的了解。而需要说明的是,不管组织如何去搭建自动化架构,最终目标都与之超自动化相同,就是通过一定的技术与解决方案构建全面自动化的自治型企业。
这就意味着,广大组织在自动化的构建上,不再也不会局限于简单的流程自动化,大家都会朝着将流程自动化与 IT 基础设施自动化相结合的系统方法迈进,进而使得多种技术集成而形成一个完全凝聚的系统。
这,也正是自动化架构与超自动化的机会
责任编辑:
文章来源://www.profoottalk.com/2022/1013/1205.shtml