《AI賦能的流程挖掘》

 

　　內容回顧

 

　　分享嘉賓：黎銘

 

　　2022年4月22日，藝賽旗聯合RPA中國共同舉辦的《透視全業務 精進全流程—藝賽旗iS-RPM產品（韓國大尺度吃奶真做爰:流程挖掘）產品發布會》在線上順利舉行。作為藝賽旗首席科學家、南京大學人工智能學院副院長黎銘教授在iS-RPM發布會上為我們帶來哪些精彩內容呢？歡迎大家閱讀。

 

　　內容主要圍繞以下六個部分展開：

 

　　一、超自動化；二、流程挖掘的現狀及痛點；三、解決方案：關鍵技術——機器學習；四、產學研合作——發力AI賦能業務及場景；五、面對全業務全流程時iS-RPM五個關鍵舉措；六、愿景。

 

　　一、超自動化

 

　　黎銘教授首先為我們介紹了超自動化的概念：隨著各種業務的不斷深入，RPA將面臨一個全業務全流程的場景，也就是說我們的應用不僅僅針對某一個具體的業務環節，而是滲透到整個企業的全業務流程中去。

 

　　在這樣的情況下，現有的RPA技術就顯得比較具體化，難以滿足整個全流程的需求。隨著業務需求的不斷擴大，自動化要往更上一個臺階去邁進，這也就是我們提出的所謂的超自動化的概念。

 

　　大致總結下來，有這樣幾個方面比較關鍵：首先要有很好的平臺支撐，要有一個強大的云平臺作為算力和資源的支撐；其次，要有標準化的API接口及一系列標準化的軟件模塊支撐；另外還必須要有一個強大的AI能力來賦能整個流程，在整個超自動化的愿景當中，AI能力在其中是非常關鍵的，它是貫穿整個自動化過程中最核心的能力。

 

　　

 

　　二、流程挖掘的現狀與痛點

 

　　接著黎教授從宏觀上為我們解讀了流程挖掘的現狀及痛點。他介紹：如果把現有的RPA作為全業務全流程的支撐的時候，將面臨以下兩大痛點：首先在解決單一流程問題時，我們可能很容易去定義清楚到底需要什么，數據及操作都可以被固化下來，然后再通過RPA自動化的方式把它寫出來。而一旦涉及整個行業的整體業務和流程的時候，一個公司可能會涉及很多不同的業務系統。比如京東就涉及業務、電商、物流及各種人員管理等系統。它可能是異構的，數據的定義方式是不同的，而且數據是分布存儲的，那么在這樣的情況下，我們就很難給出一個統一的高質量的日志文件用來幫我們厘清到底有哪些業務，主業務是什么，業務流之間的相互交錯關系是什么，以及每一個業務流當中又存在哪些具象化的分支等等。在這樣的情況下如果我們仍按照原有的方式直接上RPA的話將會給我們帶來巨大的困難。

 

　　另一方面，我們在配置RPA的時候，需要和用戶進行頻繁的溝通，去了解他在做業務流程時的真正訴求是什么，哪些流程是相對固定的，然后再通過配置把它寫好并進行自動化流程工作。這就面臨一個問題，每個人都從不同的視角出發，比如高管和中層及下面的業務員總結出來的流程可能就因為視角不同而有所差異。在這樣的情況下總結出來的流程可能會面臨覆蓋面窄、靈活性差等問題。基于以上問題，如果我們還按照現有的技術去進行RPA配置和應用的話，將會帶來大量的溝通成本，以至于到最后這個項目很難再往下推進，在這樣的情況下，怎樣去破這個局，就變成了非常棘手的問題。

 

　　

 

　　三、解決方案：關鍵技術——機器學習

 

　　基于以上問題黎教授為我們介紹了相應的解決方案：可以利用現有業務系統當中所產生的原始數據，從業務數據中自動發現、配置并運行流程，并根據業務條件與變化對自身進行適時調整。那么怎樣才能從這種裸的數據里面把那些具有內在規律及一定邏輯性的流程找出來呢？這里需要運用的關鍵的技術就是機器學習。

 

　　那機器學習到底是什么呢？黎教授這樣進行定義：它是人工智能的核心研究領域，是實現智能化的關鍵。機器學習一個經典的定義，就是利用經驗改善系統自身的性能。現如今機器學習已經成為主要的智能數據分析的手段，它也給我們提供了大量可用的一些技術，正因為它的重要性在不斷的凸顯，所以計算機領域的最高獎勵——圖靈獎就連續授予了這方面的學者。

 

　　事實上在科學界機器學習早就引起了大家的關注，有很多重要的學者，紛紛在science這樣經典的期刊上去撰文指出機器學習的重要性，更值得一提的是，各國政府都把機器學習看成非常重要的資源和一種戰略性的技術，比如近期國務院發布的《新一代人工智能發展規劃》，就將機器學習列為需要重點研究的關鍵基礎理論之一，另外白宮也有類似的人工智能的白皮書，里面也提到了機器學習是人工智能的重要技術。除了國家對這方面非常重視以外，工業界更是真金白銀的投入，積極進行機器學習方面的研究，并且有大量機器學習的技術，已經應用在相應的產品當中。

 

　　

 

　　四、產學研合作，發力AI賦能產品及場景

 

　　在機器學習方面，南京大學擁有非常好的研究基礎，南京大學是我國開展機器學習研究最早的單位，在這方面積累了很豐富的經驗。目前南京大學已經形成了以機器學習為特色的重要的學科增長點。為了應對國家對人工智能在人才培養和科學研究方面的需求，2018年南京大學在C9高校里邊率先成立了人工智能學院，是我國C9高校中首個人工智能學院，致力于建設人工智能領域國際一流學術重鎮和拔尖創新人才培養基地，并且面向產業的需求來進行一些應用的創新。在這過程當中，南京大學也和很多企業保持了良好的合作關系，其中之一就是和藝賽旗公司開展了長期的富有成效的合作。

 

　　

 

　　五、面對全業務全流程時實施iS-RPM五個關鍵舉措

 

　　在和藝賽旗的合作過程中，黎教授通過不斷的分析總結從五個方面展開為我們分享了在面對全業務全流程時實施iS-RPM的五個關鍵舉措：

 

　　1、理解客戶操作意圖：面向全流程全業務時，首先一步需要在不同的業務場景下面，去理解用戶操作的意圖，做這件事到底是什么意思？做這樣的操作到底為了完成什么樣的業務？如果這一步能夠完成，那我們就可以一定程度上大大降低和用戶之間的溝通成本。

 

　　2、建模核心業務流程：有了對這些意圖的了解以后，就能夠根據用戶的意圖、目標去建模整個核心的業務流程，然后再將核心業務流程提取出來，在這樣的基礎上形成自己的一些解決方案。

 

　　3、場景化的流程推薦：現有的很多方法，實際上在這個過程當中，僅是形成了一個可視化的業務流程給你看。事實上在這個過程當中很多人忽略了流程所存在的場景，不同的場景對流程的需求可能是不同的，因此在建立了核心業務之后，我們提出了一個叫做場景化的流程，并且可以給相應的用戶提供合適的業務流程的推薦。

 

　　4、RPA流程自動生成：提取到核心業務流程之后，可以先使用機器學習算法來自動識別其中的自動化機會，然后將其中重復性高且機械的操作序列應用代碼生成技術，直接生成RPA工程，使用機器人來代替員工操作，進一步提高工作效率。

 

　　5、RPA流程自適演進：既然我們面向的是全業務全流程，那這個業務和流程也需要根據用戶及企業的需求不斷進行演進和調整，有些流程可能在一年前、兩年前它是合理的，但是隨著業務的更迭，這個流程就不太合適了。當發現了不合適之后怎么去做？這就需要RPA根據整個行業的業務變化進行自適的演進。

 

　　

 

　　關于理解用戶操作意圖，黎銘教授給出的主要解決方案就是要讓RPM能夠自動去觀察用戶的流程，然后我們再去理解分析建模的操作意圖。并列舉了金蝶財務軟件及高等數學的例子來說明同一事物的多義性,基于此黎教授介紹，南京大學原創研究了面向多義性對象的MIML學習范式，這項技術應用與iS-RPM正可以解決多義性對象的學習問題。

 

　　

 

　　接下來黎銘教授講了核心業務流程建模。這里黎教授強調我們要摒棄以頻繁項為基礎的模式發現方法，對業務流程的上下文、業務間因果關系進行精確建模，獲得更加貼合實際的模型和分析結果。基于上述情況我們提出了一種新型的深度學習模型cFlow來解決這樣的問題，cFlow可以深度挖掘關鍵業務邏輯關系，然后根據整個流程業務的上下文進行合理統一的建模。黎教授緊接著分享到，在前面兩步完成后我們應該根據場景來進行相應的流程的推薦在這個過程當中需要根據場景自身的特性完成建模。

 

　　另外iS-RPM產品核心技術就是RPA流程自動生成技術，這項基于機器學習的代碼自動生成的技術，能夠對整個的RPA流程進行相應的自動生成和配置。企業對流程的改進不是一次就能成功的，需要一個可持續的監控改進，這里黎教授提到了基于研究團隊提出的面向開放動態環境的機器學習技術，可以自動感知、自動適應流程自動化及業務變化。

 

　　

 

　　六、愿景

 

　　演講最后，黎教授呼吁大家共同努力，通過對各種關鍵的機器學習算法技術的攻關和突破，使得RPM這樣一種應用能夠實現對整個企業的全業務、全流程的相應的建模，以及自動化的服務。這也是我們共同的愿景。