超级自动化的正确打开方式

超级自动化解构

超级自动化（Hyperautomation）已经连续三年被Gartner列为战略级技术趋势之一，开篇我们先回顾下Gartner对于超级自动化的定义：

超级自动化是一种以业务为驱动，组织用来快速识别、审查、自动化尽可能多的业务和 IT 流程的方法。超级自动化涉及多种技术、工具或平台的协调使用，包括：

l 人工智能 (AI)

l 机器学习

l 业务流程管理 (BPM) 和智能业务流程管理套件 (iBPMS)

l 集成平台即服务 (iPaaS)

l 低代码/无代码工具

l 机器人过程自动化 (RPA)

l 事件驱动的软件架构

l 封装式软件

l 其他类型的决策、流程和任务自动化工具

从定义可以看出超级自动化是一个以自动化流程为方法、创造组织业务价值的技术集框架，并不能以简单的技术原理来诠释，本文会对涉及的要素进行拆解，为帮助大家更好地理解超级自动化能为企业带来的商业价值，我们把讨论的边界框定在“企业业务流程”范围内。

所谓流程就是一系列活动的组合步骤，有输入的资源，也有输出的成果。如下图所示：

流程解构图

输入的原材料、人力、设备，通过各种流程（生产流程、运输流程、开发流程等）输出为商品（食品、汽车、软件等），是一个价值创造的过程，并且“流程”由多个活动组成，每个活动又由操作对象和操作任务组成，需要自动化流程就需要对活动进行自动化，活动自动化则需要对操作对象和操作任务进行分类使用合适的超级自动化子集内的技术。为方便大家理解，简单做了些分类和技术组件匹配的关系：

活动匹配的超级自动化技术

正如上图所示，每个活动中操作对象和操作任务的不同，所对应使用的超级自动化技术也不同，每种技术都有一定的局限性，而真正的业务流程往往是复杂的，需要各种自动化技术无缝协作，通过使用超级自动化技术的组合，可以克服依赖单一自动化工具的方法的一些限制。这使组织能够超越单个流程的限制，并自动化几乎所有乏味且可扩展的任务。

超级自动化发展趋势

“农业时代”主要的生产力是人自身的劳力和经验，到“工业时代”主要生产力变成了靠能源运转的机械设备，如今，“信息时代”主要的生产力是科学技术，人们通过研发创新科学技术、实现辅助、扩充、替换、超越人的能力。

国际劳工组织（ILO）的数据也证实了这一趋势：在新冠疫情爆发之前的最后一年（2019年），全球失业人口总数为1.87亿。一些旧的工作岗位，在新冠元年（2020年）之后将可能不复存在。新冠疫情加速了数字化和智能化进程，预计到2025年，自动化将取代8500万个工作岗位。在疫情之后，新踏入职场的毕业生，可能会面临和上个世纪末参加工作的年轻人截然不同的劳动力市场。

不难看出，信息技术、数字技术正在慢慢取代人类的重复性劳动，而技术主要代表就是超级自动化，随着超级自动化技术集内的各种技术不断发展深化，超级自动化发展的趋势也在向完全取代和超越人的方向发展。

我们认为超级自动化会分三个阶段进行演进：

l 超级自动化-执行

l 超级自动化-智能

l 超级自动化-创造

“超级自动化-执行”

该阶段是以替代人们的重复劳动为目的，应具备的领域能力是执行系统。执行系统以iBPMS、LCAP、iPaaS、RPA、OCR、NLP等技术为主，致力于用协作流、执行流、数据流打破企业组织壁垒和资源孤岛（业务孤岛、应用孤岛、数据孤岛），激活企业活力。

在信息化时代初期，各个企业通过传统流程软件（OA、BPM、ITSM等）让人在线，但是很多执行动作是线下的，比如一位销售同事要为客户申请发票，需要先在OA上进行申请，申请完成后由相关负责人进行审批，审批完成后再流转到财务老师，财务老师线下登录到财务软件进行相应操作、导出电子发票后邮件给对应的销售同事。企业内的信息化系统是对某个职能或某个场景下部分工作的抽象、实际使用会存在一定局限性，并且信息化系统所产生的数据也会形成孤岛，这里就需要引入执行流（iPaaS+RPA等）连接信息化系统，用数据流（iPaaS等）连接信息化系统所产生的数据，这样通过超级自动化将企业价值链下的人在线、系统在线、数据在线，如下图所示：

企业价值链超级自动化应用图

通过超级自动化改造后，申请发票的流程就会简化并且高效，销售同事发起发票申请流程，经过审批后，流程会自动连接财务系统导出电子发票，并自动把电子发票发邮件给最终客户。

企业经历了多年竖井式开发，面对市场激烈竞争，当业务运营部门需要灵活制定销售运营策略时，信息化系统往往无法满足业务端灵活多变的业务诉求，此时业务运营部门就会让人在各个烟囱（信息化系统）之上按照策略来回手动操作，所以经常看到运营人员为完成一个业务流程，需要打开多个网站、操作多个软件、并用通讯工具进行数据传输、最后打开OFFICE工具进行记录。我们在帮用户用多种自动化工具将整个业务流程自动化同时，更重要的是赋能了用户能通过低代码/无代码非侵入式快速构建业务流程、打通系统和数据孤岛的能力，解决了部分IT无法快速匹配业务变化的矛盾，提升了企业敏捷力、运营效率、用户与员工体验，这也是VUCA时代每个企业必须具备的能力。

“超级自动化-智能”

该阶段能基于领域认知，使用AI能力，让自动化更加智能，应具备的领域能力是执行系统+分析决策系统。分析决策系统以AI+ML+大数据技术+iBPMS+流程挖掘等技术为主，致力于为自动化赋予数据洞察的能力，代替和超越人的分析决策能力，并根据分析决策的能力对现有业务流程进行重塑，挖掘更大的商业价值。

在超级自动化的定义里不仅仅是可以自动化尽可能多的流程，还有如何识别出可被自动化的流程和审核现有流程是否具备被自动化和流程重塑的条件，超级自动化是一套围绕业务流程持续精进的闭环框架，下面简单拆解下执行系统和分析决策系统之间的关系：

“超级自动化-智能”阶段解构图

如上图所示，分析决策系统需要能根据不同流程、快速围绕某个场景从不同数据源进行数据汇聚、数据治理、数据模型构建、算法模型构建，最后该场景通过数据服务进行变现。分析决策系统可以根据不同业务需求构建多个分析场景，与执行系统协作主要有几种形式：

发现：任务挖掘与流程挖掘，引入流程科学的方法分别对不同层级流程进行识别，同时发现可以改进的点，任务挖掘主要使用记录员工PC界面操作来识别流程（5级流程）、主要聚焦实际操作步骤。流程挖掘主要通过抽取不同业务系统的日志数据来还原业务流程（L1-L4层级），附上企业流程层级图（越高层级的流程越靠近企业核心业务）。

企业流程层级图

l 触发：根据分析场景的结果触发工作流执行，常用于识别风险后的阻断等场景。

l 调用：在工作流执行过程中调用分析场景服务，常用于智能决策、智能审核等场景。

l 挖掘：根据工作流执行过程信息，分析流程可以进行改进，流程挖掘不仅可以发现流程，也可以对现有流程做改进分析或者应用于价值流图的分析。

超级自动化-智能阶段不仅仅是在执行的时候更加智能化，其真正的价值是通过技术手段让企业的业务流程发生质变，通过技术手段重塑流程，带来巨大的商业价值与企业竞争力，商业价值提升主要分为两个层次：

l  局部提升：针对复杂决策场景，引入AI能力，赋予智能决策的能力，比如外卖行业里的外卖员调度算法、12306售票系统的算法、酒店行业的空房率优化算法、制造业的库存周转率优化算法等。复杂场景下基于规则为代表的JAVA应用已经无法胜任，需要引入AI应用进行局部优化，而针对行业关键指标的优化直接关乎企业整体运营效率能否极大提升。

PS：以规则为代表的JAVA应用是人类思想的抽象，人类习惯于将复杂问题抽象、提炼、简单化，以第一性原理来解决复杂问题，而以AI为代表的应用则通过用复杂去应付复杂，凭借庞大的计算能力去解决问题，譬如AlphaGo打败人类围棋冠军就代表某些领域的上AI应用的超越。

l  全局重构：当局部关键指标使用AI应用进行优化提升的同时，围绕AI应用的业务流程也会随着进行改变，这个改变等同于重建重塑，比如线下支付流程变成了现在的移动支付，原来柜台开户需要去现场现在可以线上开户，原来被动查询到现在的主动推荐，这都是技术升级后对我们生活和工作的流程进行重塑后的产物。

“超级自动化-创造”

该阶段是在Smart基础上，整个业务流程可以自学习、自适应实现自我认知，可完成创造力的工作将整个智能业务流程闭环，人无需再参与业务流程，超级自动化可自行运转。应具备的领域能力以执行系统+分析决策系统+感知系统等技术为主。随着人工智能技术赋能的加深，超级自动化的感知认知能力显著提升，计算机视觉和智能语音语义技术，赋予了超级自动化看、听、说能力；知识图谱、神经网络技术和类脑计算，赋予了超级自动化逻辑推理、类比演绎能力；智能人机交互技术，有效提升交互效率和用户体验，人作为被服务方，向超级自动化提出需求，超级自动化会自行处理，最后将结果和产物交付于人。

目前阶段AI的创造能力相对较弱，人的创造力之所以强大在于人可以跨界连接，把不同领域的点进行抽象，发现相似性并连接在一起后，新的创意诞生了，AI的知识图谱还是有一定局限性，想实现高阶跨多个知识域连接，AI领域还有很多路要走，但是在一些实践中可以看到这样的趋势。在设计类工作场景，AI已经能完成一些平面设计工作，比如阿里鲁班系统，它能根据用户输入设计需求进行风格元素进行多种平面组合，经过评估网络（感知）对平台组合进行评分，将评分高的作品给到用户，2017年双11期间，鲁班一天制作了4000万张海报，并且每张海报都是根据商品图像特征专门设计的，下面用超级自动化-创造阶段的解构图来解释这个场景的实现：

“超级自动化-创造”阶段解构图

第一步：用户输入平面设计需求。

第二步：分析决策系统根据之前导入的大量设计素材，经过一系列的神经网络学习，输出空间+视觉的设计框架。

第三步：执行系统根据空间+视觉的设计框架，选取各种平面元素（背景，主体、修饰等），规划出多个最优生成路径，完成图片设计。

第四步：输出多个设计图，并最终交给“感知系统（感知系统提前对好作品进行过学习）”对输出的设计作品进行评分。

第五步：决策系统将评分较高的作品让执行系统交付于用户。

从上面案例里可以看到，设计框架和评分体系都来自于大量人工标注的素材导入来训练神经网络，“创意”会被导入素材的范围所局限，想真正达到现在人类设计大师的水平，我们还需持续努力，持续探索。

超级自动化载体

从超级自动化发展趋势来看，每个阶段都会给企业带来巨大的商业价值，作为信息时代新型生产力的超级自动化，我们在市场上看到了RPA、流程挖掘、低代码、iPaaS、iBPMS、对话式AI等超级自动化各能力子集的厂商，都在解决局部问题，但超级自动化所有能力归一的整体解决方案或者产品形态的载体是怎么样的呢?本章节会告诉大家精鲲理解的答案。

我们先从生产力开始剖析，下图是对于“生产力”进行要素拆解，同时与超级自动化不同阶段匹配的变化关系：

超级自动化对于生产力的影响

l 执行阶段：劳动资料增加人机交互可以直接自动化完成部分重复的工作，并且劳动对象会由原料扩展到应用系统和应用数据。

l 智能阶段：人机交互能力进行增强，能帮助人进行辅助决策或者智能决策，并联动执行系统，完成生产劳动。

l 创造阶段：当超级自动化技术有自我认知之后，它可以和人一样归为劳动者，通过SmartAgent实现感知、采集、控制等能力对劳动对象进行生产劳动。

随着新生产力的获得，企业的生产方式和劳动者工作方式都会随之改变，所以面对企业超级自动化是一种新的生产方式，而面对企业员工超级自动化是一种新的工作方式，VUCA时代，企业生产方式需要不断精进和创新对抗熵增，生产方式的精进会直接影响企业员工的工作方式，身处企业价值链各个环节的员工、系统、设备工作所产生的数据又可以成为生产方式改进的基础数据，通过流程挖掘分析企业核心业务流程的改进点，通过超级自动化技术能力，对企业核心业务流程进行自动化、智能化创新，提升企业核心竞争力。见下图：

超级自动化产品形态

超级自动化产品分为两部分：超级自动化门户和超级自动化平台。

超级自动化门户是让企业和员工、客户、生态伙伴感受到超级自动化带来极大便利性的入口， 同时能基于企业内部实体团队和虚拟团队构建不同的服务空间即服务单元，每个服务单元可对外（企业内部、企业外部、合作伙伴）提供服务，并通过超级自动化让这个服务线上化、自动化、智能化。在完成服务单元外部服务时，服务单元内部人员可以在工作台进行协作和完成个人事务工作，超级自动化也可以对工作台人员协作自动化、个人工作自动化，并通过人机交互窗口进行服务单元聊天沟通、查询数字资产、知识库检索、任务命令下达、数据报表查询、趋势分析等任务辅助员工完成创造性工作，并且配置平台能支持低代码/无代码的拖拉拽方式，对自动化、数据流、审批流、AI服务、数据服务进行编排组装后快速上线，真正帮助企业完成业务流程自动化、智能化。

超级自动化平台是超级自动化的技术平台，分别由业务自动化编排模块、数据治理模块、数据流编排建模模块、AI算法模块、可视化模块、SmartAgent模块等构成，这部分主要围绕本文之前提到的执行系统、决策分析系统、感知系统去构建，在此不做扩展。

超级自动化平台也作为企业核心流程进行挖掘，识别改进点，并通过超级自动化技术手段优化和重塑的技术底座。

同时超级自动化会随企业内部应用的范围及使用超级自动化能力的深度，给企业带来的价值会越大，具体见下图：

超级自动化使用范围与能力阶段对应价值

超级自动化是软件工程的抽象

超级自动化是一个较宽泛的概念，只要能为业务流程赋能的技术都能囊括在内。同时文中提到的技术组件，我们能发现身边很多的商业软件也在按照这种模式构建自己的产品体系，Salesforce从2018年开始已经收购约600亿美元价值的超级自动化产品组件（RPA、IPaaS、数据集成等产品），前不久Salesforce也推出了全新业务流程自动化平台。微软也从2015年开始布局，陆续收购iPaaS、数据集成、RPA工具，目前产品形态和超级自动化理念非常契合。Servicenow从2017年后开始收购iPaaS、RPA、数据集成、流程挖掘、AI等领域的公司，帮助自己从ITOM市场顺利切入ITBM市场，覆盖HR、财务、安全等领域。

第一代商业软件针对某个领域、某个职能、某个场景开发软件，其软件抽象的能力较差，客户的一些个性化需求，都需要请外部服务商来定制化开发。

第二代商业软件在原来所在领域上，对核心能力进行了抽象，可自定义核心能力。比如流程软件，可以自定义流程。

第三代商业软件已经把软件工程构成的元素，都可以以配置化的方式构建出来，变成一个平台级产品，力求诠释世界。

商业软件变迁

从第三代商业软件代表（Salesforce、Microsoft、Servicenow）身上能看到，超级自动化就是软件工程的抽象。我们也看到身边的RPA厂商通过增强AI能力，低代码厂商/BPM厂商在增强自己的iPaaS能力，流程挖掘厂商在增强自己的自动化能力，都在向超级自动化迈进，这个领域，可被超级自动化的场景足够多，每个场景都值得深钻，希望这篇文章能帮助到大家，给予一些启发。