ai業務識别技術?·中電金信研究院副院長單海軍分享了兩個觀察：通用的基礎AI平台已經解決了80%以上的行業需求，但是還有20%的長尾需求難以被解決；企業要數字化轉型，有成百上千的AI模型需求，未來要關注AI模型的生産更要關注模型的有效運營，今天小編就來說說關于ai業務識别技術?下面更多詳細答案一起來看看吧!

ai業務識别技術

·中電金信研究院副院長單海軍分享了兩個觀察：通用的基礎AI平台已經解決了80%以上的行業需求，但是還有20%的長尾需求難以被解決；企業要數字化轉型，有成百上千的AI模型需求，未來要關注AI模型的生産更要關注模型的有效運營。

·中電金信金融服務副總經理謝曉全認為，從應用的角度來說， RPA（Robotic Process Automation，流程自動化機器人）目前的發展雖如火如荼，但仍處于起步階段，面臨的痛點是：運行不穩定、場景适應力不夠、運維成本高和流程沒有遵循統一的标準和規範。

從2020年到2022年，在咨詢公司Gartner每年發布的未來重大戰略趨勢中，人工智能和超級自動化始終位列榜單中。“超級自動化”由Gartner在2019年提出，是機器人流程自動化、流程挖掘、智能業務流程管理等多種技術能力與軟件工具的組合，是智能流程自動化、集成自動化等概念的進一步延伸。

有一個有趣的比喻：作為“超級自動化”核心應用的RPA（流程自動化機器人）就好像人的手，人工智能則猶如人的大腦。在企業的數字化轉型中，往往是“AI RPA”雙管齊下。那麼在目前的發展階段，AI在應用場景中有哪些痛點，未來趨勢如何？RPA究竟解決什麼問題，如何在數字化轉型深水期真正起到“降本增效”的作用？

“AI還隻是小baby階段”

“今天都在講AI、元宇宙，其實整個中國現在正在經曆一個深度數字化轉型的階段。也就是說，随着95後到00後的年輕人成長，我們已經進入到一個數字原生的時代，數字經濟将會成為各國未來經濟的重要增長點。中國現在是全球第二大經濟體，數字經濟體量也是全球第二大，是目前全球數字經濟增長最為快速的國家。”近日，中電金信副總經理、研究院院長況文川在2022世界人工智能大會“可信AI，創領未來”論壇上說。中電金信定位為基于全棧信息技術的金融數字化咨詢及軟件提供商、重點行業數字化轉型服務專家，為中國電子旗下成員企業。

在論壇現場，中電金信研究院副院長單海軍分享了對目前人工智能平台的兩個觀察。第一個觀察是，過去幾年，行業内都在打造通用的基礎AI平台，這些通用基礎AI平台基本上解決了80%以上的行業需求，但是還有20%的長尾需求很難被解決。

為什麼會存在這樣的長尾需求呢？單海軍認為，因為每個行業的業務智能化需要有領域專用的AI模型，如同樣是一個預測模型，用于做商品銷售額預測的模型，不可以直接做房價的預測。另外，每個領域對模型的實時性要求也不一樣，比如在金融領域，模型的更新要求可能是分鐘級，甚至是秒級，因為在金融的風控領域，時延越長意味着預警越滞後，這樣可能會産生很大損失。但在電力的需求預測領域，模型的更新可能隻需要周天級，實時性要求沒有那麼高。所以不同行業及場景對AI平台的要求差别會很大，通用的AI平台挺難滿足，剩餘的20%需求需要通過領域專用AI平台解決。

單海軍的第二個觀察是，過去所有AI平台都在重視模型構建，企業簡單認為通過構建各種各樣的AI模型，就可以一勞永逸地解決業務問題。但随着大量AI模型的産生，情況已經改變了；每個企業要數字化轉型，已産生了成百上千的AI模型，這些AI模型生産後需要考慮如何有效運營。

“我們為什麼要重視模型的運營呢？一是因為如果不運營，大量的AI模型無法沉澱為企業資産，無法被企業的各類業務複用。第二個原因是，如果不運營，模型其實會‘變質’。用專業術語來講，它會性能衰退，性能衰退會對業務造成極大影響。”單海軍以風控為例介紹到，如果精準度下降，大量的欺詐業務請求都被審核通過了，那就會給銀行帶來很大損失，“所以要實時對模型進行管控，實時更新”。

除此之外，單海軍認為，AI應用的其他痛點還包括對人才的依賴較高，為滿足碎片化需求需要快速生産模型，以及模型構建過程非常複雜。

關于機器學習的發展趨勢，單海軍認為有三個方面：第一是從有監督學習到無監督學習，從大樣本到小樣本，即不需要标注數據，或隻用少量的數據用于模型開發；第二是AI模型的建設更加自動化，AutoML（自動機器學習）可大幅降低模型研發的門檻，讓零基礎的人都可以輕松構建出一個AI模型，所以我們也稱之為AI智能的普惠化、民主化；第三個趨勢跟AI整個發展曆程相關，未來将從簡單的感知走向更深層次的認知。

“别看現在AI的發展紅紅火火，他其實還隻是小baby階段。因為AI現在還是基于統計原理的拟合，沒有真正的認知推理能力。所以現在讓機器看一張圖片，隻能識别圖片中有什麼物體，但它還無法理解這張圖片裡面發生了什麼故事，深度語義的視頻理解就更難了。”單海軍說。

RPA的價值有四點

據管理咨詢公司麥肯錫發布的《數字時代：人工智能将改變企業命運》報告，世界500強企業中超過70%的企業都在使用RPA。Gartner預測，2022年RPA軟件收入将達到29億美元，比 2021年增長19.5%。Gartner傑出副總裁分析師凱西·托恩博姆（Cathy Tornbohm） 表示，“通過在2021年實現 31%的增長率，RPA市場的增長遠高于全球軟件市場16%的平均增長率。”

RPA全稱Robotic Process Automation，譯為流程自動化機器人，相當于一位數字機器人員工。RPA用軟件自動化的方式模拟人工完成計算機終端的操作任務，讓這位數字機器人員工自動處理大量重複的、基于規則的工作流程任務。

“RPA一方面能基于明确的業務規則，按照數字指令操控系統，其次能模拟人工，以真實員工的方式去交互、登錄系統、打開文件、獲取數據等。第三，它能處理大量重複性工作，可以24小時持續工作，或是按照指令定時執行某些任務。”中電金信金融服務副總經理謝曉全解釋道。

根據研究機構德勤在RPA行業相關報告中的分析，如果一家收入在200億美元且擁有5萬名員工的财富1000強公司，其中20%的工作流可以用RPA自動化操作完成，那麼每年就可帶來超過3000萬美元的利潤。

謝曉全認為RPA的價值有四點，第一是最直接的降本增效。第二是能增強業務連續性，因為RPA可以無縫連接多個系統，打通業務的斷點。第三能提高合規性，按照最新合規的要求去配置流程自動執行，也減少很多人為的操作錯誤。第四即解放人力，讓員工去做更有價值的事情，促進企業組織架構的變革。

但目前，RPA還是面臨一些痛點。

首先是運行的穩定性。IT分析師傑森·布隆博格（Jason Bloomberg）在《福布斯》中寫道，RPA的主要弱點就是魯棒性差。德勤在一次調查中發現，在使用RPA的400家公司中，30%到50%的RPA項目在一開始便失敗了，63%的RPA項目沒有按時交付。

業内人士分析，RPA的魯棒性差表現在兩個方面，一是自适應較弱，RPA的工作機制是完全模拟人工操作，一旦用戶出現任何細小流程變化、業務系統更新、數據邏輯調整等，就需要工程師重新配置RPA流程；二是依賴性較強，本地化部署是RPA目前主要的實施策略，在本地化部署過程中，客戶不同的硬件設備、操作系統、網絡環境、業務系統架構、網絡安全機制等都可能成為影響RPA穩定運行的因素。在RPA部署實踐中，遇到操作系統不兼容、業務系統元素識别沖突、網絡延時導緻流程死循環的場景非常常見。而複雜的業務流程一旦中斷，面對繁複的自動化流程腳本文件，可能很難快速排查問題，人力成本耗費巨大，甚至會影響業務的正常開展。

謝曉全認為，RPA不穩定性的根本原因在于存在邏輯斷點。“因為它是用非侵入式的方式，所以目标軟件是不會把操作的結果反饋給RPA系統的。這樣從業務角度就形成一個邏輯的斷點，也就是說沒有任何反饋就斷在這裡。”

怎麼續上這個斷點？謝曉全介紹，現在RPA采用視覺反饋的技術，獲得執行結果的反應，然後根據這個結果再處理，整個業務形成閉環，這樣就會使系統的穩定性大大提升。

除了穩定性問題，第二個痛點是場景适應力問題。“我們希望RPA把所有的場景智能化，但事實上現在隻能做到50%，因為場景複雜，且有各種各樣的不同場景。”謝曉全說。

第三個痛點是運維成本高，因為要處理異常和任務目标變化，導緻開發人員、運維人員要适應場景修改機器人，所以應用成本很高。

第四個痛點是，關于RPA目前業界沒有遵守統一的标準和規範開發，各個廠商都采用自己的流程規範，所以整個流程資産都不能通用。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!