继AlphaGo在围棋上碾压人类后，DeepMind再放大招！这次战场转移到了基础科学研究领域：蛋白质折叠结构的预测。在有蛋白质结构预测的“奥运会”之称CASP全球竞赛上，DeepMind推出的AI工具AlphaFold以优异成绩碾压了人类专家。事实上，早在2017年10月，DeepMind就在一次公开采访中表示，团队开始对人工智能在药物开发中的应用感兴趣，而新药开发的关键一步，就是对靶点蛋白质三维结构的精准测算。如今这个新闻正好过去一年的时间，DeepMind也向世人再次证明了深度学习在又一全新场景中的巨大潜力。无论是AlphaGo还是AlphaFold都能得到关于人工智能最新发展的趋势，这也是深度学习技术与传统技术的结合。那么，关于业务流程，我们如何在这个人工智能大行其道的时代下如何深思并加以利用呢？
在今年九月，我们曾有一篇《如何区分Workflow、BPM与RPA》的文章介绍了RPA（机器人流程自动化）。RPA事实上是将机器人作为虚拟劳动力，依照预先设定的程序与现有用户系统进行交互并完成设定好的任务流程。RPA可以对“重复性高的、逻辑确定并且稳定性要求相对较低的流程进行自动处理。相对于普通劳动力来说，RPA可以很大程度上提高企业自动化程度、节省多余的劳动力成本、提高企业流程执行效率及准确度。
BPM作为企业核心及零散流程需求的协作平台，很好地解决数据孤岛问题，而与RPA结合正好是流程自动化最好的实践。在生产链、营销连、供应链、财务链和IT治理等多个领域都具有突出的价值。
有别于RPA技术让机器人可以在“单一的、重复的、标准化的流程”上做出处理，AI甚至可以理解组织内的决策，并应用统计分析来制定围绕这些决策的规则，应对更为复杂的商业环境，如果说RPA就是机器人的神经网络，那么AI是机器人的大脑。
从1956 年Dartmouth学会上提出了AI的初步定义，到如今2018年许多人工智能技术正逐步落地，人们开始直面审视这些新技术的同时，人工智能已经开始帮助企业实现部分业务地自动化。AI正从“抽象而宽泛的概念”剥离成为了“确实有效的技术手段”，这种转变对于自动化业务流程管理方面也带来了巨大的变革。
对于企业数字化转型来说，人工智能与业务流程管理可以说是互为臂膀。人工智能可以帮助自动执行日常任务，改善用户界面并分析大量数据。数据分析，机器学习和人工智能的预测分析功能可以使企业中的许多基本决策过程自动化，而不是继续关注处理单一、重复的流程。 McKinsey＆Company咨询公司估计，人工智能可以将任何特定工作中45％以上的工作流程自动化，使工人能够专注于一些更高层次的、技术疑难型工作。
想象一下，当你周一早上到达办公室的场景：你从AI和机器学习系统中找到数百项关于业务流程改进的建议。每个建议可能需要数周时间才能在整个组织中进行社交并实施。现在，想象一下这种情况在每一天中发生，你会意识到，这种情况下，人——才是业务流程优化中最薄弱的环节。
那么我们如何才能最好地利用人工智能和机器学习，这对人类和人力组织有利？对企业来说，答案在于开发一个强大的人工智能和机器学习平台，它能够理解我们的目标和期望，可以过滤发现，运行和测试模拟，然后向企业决策者提出一些优先选择的建议。
为了使这些AI和机器学习系统实现任何一个实际工作，为其提供数据必须是可用的、准确的、标准化的和及时性的。事实上，BPM作为工作入口，沉淀了大量这样的企业数据。BPM作为企业协同和业务的载体，具有最全面、最及时的企业数据系统，这位AI和机器学习提供了坚实的数据基础。
另一方面，BPM系统积累了大量丰富可用的业务逻辑，能确保数据打通和融合。利用AI和机器学习，企业管理者可以确保他们的业务流程能够以足够的运作速度对变化做出反应，以捕捉AI和机器学习带来的洞察力所带来的竞争优势。
传统的自上而下的商业模式不再适用于当今瞬息万变的商业环境。互联网的发展，也让企业意识到必须允许更多的工作人员来参与到企业的决策中来，这不仅需要把这种层次的决策深入贯彻到业务流程线的过程中，公司的效率和创造力也需要得到了有效分配。因此，通过人工来分析历史数据中的模型和预测显然比不上AI的速度。在巨大繁复的业务背景之下，人工智能可以准确预测出哪些工作需要完成、哪些工作提前完成。
虽然AI在完全集成到业务流程之前还有漫长的周期，但企业需要积极采取信息化调整，以便将来可以成功实施匹配人工智能技术。这种调整的关键点在于数据和流程的打通，并且企业需要将其业务流程数字化，以便可以使AI更好地抓取未来的数据。
相关新闻推荐
