在当前充满挑战的气候中，很多企业的董事会迫切希望对工作进行数字化转型，以使其执行速度更快、更智能、更高效，并且采用比以前更少的资源。实现这些目标的一种越来越合乎逻辑的途径是采用运行数字劳动力的智能自动化。一种人工智能驱动的、不断发展的超级资源，可用于企业并已获得IT部门的认可。这是一支数字化员工队伍，随时准备接受商务人士的培训，以交付更加复杂的工作，不仅可以在任何行业部门的办公室，而且可以在整个企业中完成。
它具有完全的完整性，运行速度比人类快150倍、零错误、全天候运行。通过向人类学习并像他们一样运作，这个数字化的劳动力正越来越接近人类。这是一个很容易被人训练并投入工作的劳动力，然后重新接受新工作的培训，同时让人们自由地与他们一起工作，或者做更多更适合他们天生技能的工作。
数字工作者是承担大量工作量的最终团队参与者、共享者和管理者，与其他机器人不同，他们通过交织人工智能功能来主动工作，从而在不断变化的数字环境中毫不费力地进行互操作。他们可以阅读不同的屏幕、布局或字体、应用程序版本、系统设置、权限和语言。他们在所有IT系统中从任何来源提取和分类半结构化和非结构化数据，同时提供质量检查，检测错误并将异常传递给人们以供输入。
数字工作者还可以唯一地访问和读取任何当前甚至未来技术的用户界面，而无需编程。正是这种通用的互操作性功能使任何新技术都可以轻松地用于业务消耗，安全测试并迅速拖放到企业流程中。
人们正在谈论使用数字工作者轻松利用人工智能(AI)、深度分析和越来越多的认知平台;自然语言处理(NLP)、语音识别、情感和风险分析、机器学习(ML)和推理等等。数字工作者可以增强这些功能，以执行越来越复杂的端到端活动，以企业所需的速度推动整个企业的数字化转型。
数字化工作
使用工智能和认知技术的数字工作者的影响越来越引人注目。以下是他们正在完成的工作的两个示例。
(1)银行业务–一家大型的多行银行在处理大量付款、转账和贷款时遭受了昂贵且易于出错的人工工作，因此自动化这项工作也是如此。数字工作者充当多种技术和事务引擎的集成粘合剂，以捕捉或创建来自客户端的传入指令的图像，并将其路由到计算机视觉工具。机器学习能力的进一步整合使银行能够根据机器检查发现的模式解释数据并生成结构化的工作处理表格。
开发表格所需的时间从估计的400个工作日缩短到不到120个工作日。而且，由于生成的数据现在已经数字化，数字工作者可以根据业务规则处理这些数据，并通过API或系统用户界面将其自动输入到适当的系统中。该银行每年节省了数百万美元的人员管理费用，同时消除了按键错误，并提高了处理速度。现在，它已经赢得了赢得新客户的竞争优势，从而实现了显著的业务增长。实际上，自从部署该解决方案以来，该银行的贷款业务已经翻了一番，并且通过扩大数字员工的数量满足了日益增长的需求。
(2)医疗保健–一家主要的区域公共医疗保健提供商正在使用数字化工作者，并按照指定的临床治疗路径自动化患者护理，只有不到1%的例外情况需要人工干预。最初的人工过程涉及为每个患者收集和打印多达15条数据，包括扫描、临床测试、访问历史记录等，然后将它们扫描到一个PDF文件中。
数字工作人员现在可以阅读内容，提取推荐原因，然后使用安全的智能卡技术检索、合并和上传所有必需的数据，并警告顾问该文件已准备好进行审阅。数字工作者每周24小时不间断地主动监控案件量，包括平均每周2000次转诊，将处理时间从25分钟缩短到5分钟。
基于这一成功，提供商还使用数字工作者和认知电子表格技术自动对患者进行了自我推荐，以接收和验证数据，对患者进行注册，分配约会并向患者确认详细信息。诊所给患者的信将自动翻译成他们的主要语言，并发布在提供者的患者门户网站上。
该提供商现在正在为眼科和内窥镜患者的临床编程建立新的自动化系统，该自动化系统使用数字化工作者和认知工具来分析非结构化数据，识别共同主题，对数据进行分类，并为治疗记录推荐可能的编码输出。
结语
最终，数字工作者提供的工作可能性几乎是无限的。例如一家大型保险公司将机器学习和视觉处理与数字工作者一起使用，将评估事故索赔的时间从56分钟减少到5秒。仅早期的试点每年就节省了500万美元，腾出3.9万小时的工作时间。只要停下来想想工作速度的转变和由此带来的时间节省。再也没有比那些智能型组织更能适应未来发展的需要了。
