随着人工智能为业务流程带来新功能，公司需要重新考虑需要哪些任务、以何种频率执行以及由谁来执行这些任务。当人工智能伴随着部分自动化时，公司还需要决定人类将做什么以及机器将在他们的流程中做什么。迄今为止，大多数人工智能应用都试图改进给定的任务。但这忽略了更大的图景；聪明的公司将人工智能的引入视为重新审视端到端流程的理由。
从最基本的层面上讲，流程分析通常涉及约束和机会的混合。例如，在星展银行新加坡一家银行的交易监控经理在接受采访时表示，他们对银行监管机构要求的基于规则的系统识别的高误报率感到沮丧。这是流程不可避免的限制，但他看到了使用人工智能预测和评分每个阳性结果的欺诈风险的机会，使用机器学习。欺诈概率低的交易可以简单地放在监控室里几个月，看看它们是否会在同一个客户身上重复发生。基于机器学习的人工智能系统在欺诈检测领域已经很成熟，可以检测异常值。但当机器学习系统与新的工作流平台和关系网络分析系统（用于识别欺诈网络成员）相结合时，监控分析师的工作效率提高了三分之一。
另一个很好的例子是壳牌，壳牌长期以来一直是一家以流程为中心的公司，目前正在供应链、运营和维护等领域开展一项重大人工智能计划。作为其中的一部分，壳牌正在重新设计其工作流程。
例如，考虑能源和化工厂、管道、海上设施以及风能和太阳能发电场的监测和检查工作。这项工作过去完全由检查员和维护技术人员亲自完成，但人工智能可以缓解这种限制。现在，许多低附加值的检查任务可以由机器人和无人机远程完成。一些壳牌设施规模非常大，以前手动检查所有东西需要数年时间——现在，无人机和机器人被引入以自动化这些流程并帮助缩短周期时间。
由于这些变化，检查员和维护技术人员现在可以重新考虑他们的日常工作。他们可以专注于更高价值的活动，例如优先考虑项目，或者如果他们在现场，则执行更高级的验证。与此同时，新的任务正在出现，例如对图像进行注释以改进检查算法或管理目前正在生产的数千个机器学习模型的训练过程。以前的物理工作流程现在由多学科团队管理，主要执行数字任务。
这种转变带来了一些阻力。起初，很难说服检查员，但随着他们了解到图像处理可以在更短的时间内提供类似的精度，他们逐渐被说服了。此外，壳牌还让这些工程师重新思考他们在远程监控中心的工作流程，使他们能够推动变革。
壳牌发现，这种人工智能支持的再造过程正在成为一种永久的运营方式。每个单独的项目可能只需要一两年的时间，但他们越多地使用数字、数据和人工智能来重新设计流程，他们就越能看到进一步发展的机会。这一点尤为重要，因为该公司正在转型成为一家净零排放能源公司。
流程改进传统上一直是运营经理的专属领域。因此，企业很少在人工智能项目中制定明确的再造计划。为了真正发挥人工智能的力量，流程设计和改进活动应纳入人工智能计划。最成功的此类计划越来越多地由“产品经理”策划，他们的目标是成功部署系统，包括所需的业务变更。一些企业指定一名产品负责人来管理业务变更，并指定一名产品经理负责技术交付。一些企业还参与“设计思维”练习，这些练习与再造式分析部分重叠，即如何重新设计工作流程和活动以满足客户或内部需求。
虽然我们已经看到多个再造与人工智能开发同时进行的例子，但还没有足够多的企业认识到流程变革的必要性。无论是否称之为“再造”，更明确地说明再造角色和活动（包括高级设计、详细流程、前后成本和周期时间的测量以及所需技能和培训的分析）都会有所帮助。这些活动对于 AI 项目的成功太重要了，不能听天由命，也不能让聪明的经理记住再造运动。
由于以自动化为重点的项目对流程有直接影响，而且比其他形式的 AI 更有可能只涉及增量变化，因此它们更有可能包括一套正式的流程改进步骤。没有流程改进工作，任何自动化项目都不会顺利进行。公司的自动化既是一种面向流程的参与，也是一种技术参与。我们发现其他几家公司将流程改进和自动化相结合，但我们希望看到更积极的流程变化和更强大的 AI 技术（如机器学习）的结合。
人工智能正迅速成为一种无处不在的技术。一旦热度消退，它将成为与 ERP 系统、统计软件包甚至电子表格一样的标准。更多的公司可以使用人工智能平台来重新设计他们的流程。人工智能是一种达到目的的手段，而不是目的本身。从长远来看，那些懂得如何在流程重组的更广泛背景下将其用作新工具的公司无疑将从人工智能中获得最大收益。
相关资讯
