译者 | 李睿
审校 | 孙淑娟 梁策
在企业系统进行智能自动化的过程中，各个阶段的展开就像剥洋葱，本文亦将逐层对其论述。
2021年，超智能自动化(HIA)着实让人眼前一亮。迈入2022年，其重要性亦将在未来以多种方式持续彰显。根据Zinnov Zones咨询公司最近发布的一份超智能自动化市场发展的调查报告，这一领域将以50%～55%的年速度增长，到2026年，其价值将从2021年的24亿美元突破180亿美元大关。交易生态系统对超智能自动化的需求稳步上升，3%～35%的超智能自动化交易额将超过50万美元。
这一趋势突显出大型企业已发生根本性转变，他们不再只关注自动化对效率和节约成本的作用，而是更关注它在提升利益相关者体验和业务弹性方面的效果。
咨询公司Gartner将超自动化定义为一种业务驱动的规范方法，企业可以用它来快速识别、审查和自动化尽可能多的业务和IT流程。超自动化涉及多种技术、工具或平台的协调使用，包括人工智能、机器学习、事件驱动的软件架构、机器人流程管理(RPA)、业务流程管理(BPM)、智能业务流程管理套件(iBPMS)、集成平台即服务(iPaaS)、低代码/无代码工具、打包软件以及其他类型的决策、流程和任务自动化工具。
值得注意的一个重点是，为了从基于自动化方法的战略(部署RPA、人工智能或机器学习的战略)平稳过渡到基于自动化成果的战略(用最佳可选方法实现目标业务成果)，企业正在迅速成熟。但是，这种成熟尽管已在观念上实现，在执行层面上大多数企业仍被一些因素掣肘，例如缺乏编写良好的超智能自动化策略、无法发现用例、缺乏各种自动领域的人才，以及急于求成等等。
超智能自动化是一场马拉松，而不是短跑比赛
选择超智能自动化是一场马拉松，而不是短跑比赛，所以要看到成果需要时间。因此，耐心至关重要，且要产生预期结果常常需要正确的策略支持。另外，要赢得马拉松，运动员也往往要内心十分强大，因此要实现超智能自动化，企业也需确保有足够强大的流程核心。
“流程输出之旅”或“核心输出之旅”将帮助企业有条不紊地完成智能自动化过程。这一过程就像剥洋葱，层层展示出企业在智能实现途中要遵循的规律。
洋葱的“顶芽”构成了需要实现自动化进程的核心。企业应从这里出发，仔细观察流程，对流程和任务进行深挖，并评估现有流程图，查看非增值部分，对这些部分优化后再向前推进。
在洋葱“顶芽”外层的三层“洋葱皮”分别代表一种更高阶的自动化方法，通常按逻辑进行，帮助企业通过自动化实现确定的具体目标。第一层代表用户界面(UI)级别的自动化，最佳实现方式为机器人流程管理(RPA);第二层寻求业务流程的自动化，以便为终端用户提供卓越的客户体验;而第三层代表通过应用人工智能和机器学习获得智能见解。
而对于洋葱的最外一层，是假设内部流程和业务已经优化的情况下，着眼于应用物联网、边缘分析和人工智能以为企业提供有助于未来决策的指导性分析。
如下图所示：
超智能自动化采用的洋葱分层方法
如果流程未优化且仍效率低下，简单对其采用机器人流程管理(RPA)、业务流程管理(BPM)或人工智能/机器学习解决方案是不合逻辑的，企业也无法因此获得自动化方式带来的潜在好处。同样，当业务流程由于数据流不足而无法优化时，采用人工智能和机器学习也没有意义。数据是人工智能和机器学习的动力，当底层业务流程和案例管理方法效率低下时，这些数据的来源无法得到优化，采用人工智能/机器学习也不会获得任何回报。
因此，在全球使用人工智能解决方案的企业中，有25%存在约50%的失败率也就不足为奇。同样，因为采用方式未成熟、低效而产生较差结果，大约有30%～50%早期企业RPA项目遭遇失败。
不过，上述方法还是非常灵活的。如果企业进行自动化审计并发现他们已在上面的第二层(使用RPA实现自动化)，那么自然可以继续向第三层、第四层和第五层前进。
所以企业可以从他们认为存在机会的地方开始，但仍将遵从这些层次结构作为指导。
结论
超智能自动化如洋葱般分层推进的方法是非常有条理的。它可以优化流程，利用RPA将流程上层的用户界面(UI)级例行任务自动化。随后则使用BPM工具将业务流程自动化，利用丰富的业务和流程级数据池，对其应用人工智能和机器学习以获得见解。最后，当数据池真正强大且流程得到优化，就可以使用物联网和边缘分析进行预测性和指导性决策。
这些层次具有一种内在趋向，即从正在进行的阶段包住其他阶段，从而促进对正在完成工作的关注。因此，这些洋葱皮就好像智能自动化之旅中的每个阶段，企业随之层层推进，从而系统地迈向智能自动化进程。
原文标题：The “Onion Peel” Approach to Hyper Intelligent Automation，作者：Ved Prakash
