在20世紀(jì)90年代，業(yè)務(wù)流程再造曾風(fēng)靡一時(shí)：企業(yè)利用企業(yè)資源規(guī)劃（enterprise resource planning, ERP）系統(tǒng)和互聯(lián)網(wǎng)等新興技術(shù)，對(duì)廣泛的端到端業(yè)務(wù)流程進(jìn)行徹底的變革。在再造工程的學(xué)界及咨詢界擁躉的鼓舞下，企業(yè)期待著對(duì)從訂單到現(xiàn)金以及從新產(chǎn)品概念到其商業(yè)化等廣泛的流程進(jìn)行變革。

可是，雖然技術(shù)的確帶來(lái)了重大的升級(jí)，但技術(shù)的實(shí)施通常未能達(dá)到超高的預(yù)期。比如，SAP或甲骨文（Oracle）之類的大型企業(yè)資源規(guī)劃系統(tǒng)為數(shù)據(jù)交換提供了有用的IT主干，但也創(chuàng)造了十分僵化的流程，在IT實(shí)施后很難改變。自那以后，流程管理通常只涉及對(duì)局部流程進(jìn)行漸進(jìn)式改變——將精益生產(chǎn)（Lean）和六西格瑪（Six Sigma）用于重復(fù)性流程，而將敏捷精益創(chuàng)業(yè)（Agile Lean Startup）方法用于開發(fā)——所有這些都沒有得到任何技術(shù)的幫助。

現(xiàn)在，這種想法的一個(gè)版本在一些企業(yè)正卷土重來(lái)，我們可望在更多的企業(yè)中看到它。這不僅需要對(duì)人工智能（AI）的欣賞和理解，而且需要重新認(rèn)識(shí)業(yè)務(wù)流程，將其當(dāng)作改進(jìn)工作的架構(gòu)。隨著AI成為一種普遍適用的通用技術(shù)，再造工程支持者最初設(shè)想的那種業(yè)務(wù)流程的徹底重新設(shè)計(jì)似乎越來(lái)越有可能實(shí)現(xiàn)。（我們中的一人——達(dá)文波特——寫了有關(guān)這一主題的首部著作）。

流程再造的提檔升級(jí)

20世紀(jì)90年代實(shí)現(xiàn)再造的技術(shù)主要是交易型、基于通信的技術(shù)。它們?cè)谄髽I(yè)內(nèi)和企業(yè)間實(shí)現(xiàn)了高效的數(shù)據(jù)采集和傳輸。另一方面，AI能夠?qū)崿F(xiàn)更好、更快、更自動(dòng)化的決策。實(shí)質(zhì)上，大型企業(yè)中部署的大多數(shù)AI涉及借助大型數(shù)據(jù)集，學(xué)習(xí)預(yù)測(cè)或分類，這反過來(lái)又有助于企業(yè)做出更好的運(yùn)營(yíng)決策。更好的運(yùn)營(yíng)決策反過來(lái)又會(huì)因產(chǎn)生更好的結(jié)果而提高效率。一個(gè)關(guān)鍵的區(qū)別是，目前的AI系統(tǒng)是真正的通用技術(shù)，不僅在生產(chǎn)計(jì)劃和控制方面帶來(lái)了巨大變化，而且在視覺影像識(shí)別與檢視、自主操作和新內(nèi)容生成方面也帶來(lái)了巨大變化。

雖然推動(dòng)AI發(fā)展的方法已存在了數(shù)十年，但實(shí)施這些方法的成本已急劇下降?；贏I的現(xiàn)代化解決方案以前只屬于數(shù)據(jù)科學(xué)家的領(lǐng)域，現(xiàn)在卻已經(jīng)足夠成熟，可以“現(xiàn)成”提供，大大降低了入門的技術(shù)難度。計(jì)算成本的下降——因云技術(shù)的廣泛使用、低成本帶寬的發(fā)展和傳感器成本的降低所驅(qū)動(dòng)——大大降低了模型驅(qū)動(dòng)預(yù)測(cè)的價(jià)格?；贏I的決策還可以納入更廣泛的自動(dòng)化背景。機(jī)器人流程自動(dòng)化（robotic process automation, RPA）等技術(shù)有助于構(gòu)建工作流程，實(shí)現(xiàn)信息密集型后臺(tái)流程的自動(dòng)化。機(jī)器人流程自動(dòng)化建立在規(guī)則的基礎(chǔ)之上，這限制了它采用基于數(shù)據(jù)的決策能力。不過，如果與機(jī)器學(xué)習(xí)結(jié)合起來(lái)，成為“智能流程自動(dòng)化”，它可以處理的任務(wù)類型遠(yuǎn)比這更多。

AI驅(qū)動(dòng)的這種流程再造已經(jīng)開始。銀行開始利用它為客戶提供財(cái)富管理建議。保險(xiǎn)公司開始使用AI來(lái)讓客戶引導(dǎo)和承保變得更加便捷，并通過對(duì)被保險(xiǎn)人拍攝的照片進(jìn)行深度學(xué)習(xí)分析，自動(dòng)對(duì)車損和住房損壞進(jìn)行索賠估算。工業(yè)企業(yè)開始重塑維修和工程流程。即使在AI研究相當(dāng)豐富但臨床采用遠(yuǎn)遠(yuǎn)不足的醫(yī)療領(lǐng)域，一些國(guó)家的診斷和治療因基于AI的遠(yuǎn)程醫(yī)療而正得到重塑。

這一切對(duì)我們使用AI的方式、開展工作的方式以及企業(yè)的組織方式都會(huì)產(chǎn)生重要影響。為了利用這些潛在的好處，企業(yè)需要恢復(fù)以端到端的流程視角來(lái)看待他們的業(yè)務(wù)，并仔細(xì)思考AI如何能夠改造這些業(yè)務(wù)。實(shí)質(zhì)上，企業(yè)需要探究他們?cè)谀男┓矫娈a(chǎn)生了足夠的數(shù)據(jù)，以便可以提煉出可用于支持運(yùn)營(yíng)決策的模式。

AI推動(dòng)流程再造

隨著AI給業(yè)務(wù)流程帶來(lái)新的能力，企業(yè)需要重新思考所需的任務(wù)有哪些，以何種頻率，以及由誰(shuí)來(lái)執(zhí)行這些任務(wù)。當(dāng)AI伴以部分自動(dòng)化時(shí)，企業(yè)還需要決定在其流程中人類要從事什么工作，機(jī)器要承擔(dān)什么工作。迄今為止，大多數(shù)AI應(yīng)用都力圖改進(jìn)某項(xiàng)特定的任務(wù)。然而，這忽視了大局；聰明的企業(yè)現(xiàn)在將AI的引入視為重新審視端到端流程的根本原因。

在最基本的層面上，流程分析通常涉及到制約因素與機(jī)會(huì)的共存。比如，在新加坡的星展銀行（DBS Bank），交易監(jiān)控（反洗錢及詐騙偵測(cè)）經(jīng)理在一次采訪中表示，他們對(duì)銀行監(jiān)管機(jī)構(gòu)要求的基于規(guī)則的系統(tǒng)在識(shí)別結(jié)果中的高誤判率感到失望。這是制約流程的一個(gè)不可避免的因素，但他看到了一個(gè)機(jī)會(huì)，即，可以通過機(jī)器學(xué)習(xí)，利用AI來(lái)預(yù)測(cè)每個(gè)肯定結(jié)果存在的欺詐風(fēng)險(xiǎn)，并對(duì)其進(jìn)行評(píng)分。欺詐概率低的交易可以簡(jiǎn)單放進(jìn)一個(gè)“冷卻器”里幾個(gè)月，看看它們是否在同一個(gè)客戶身上重復(fù)出現(xiàn)。基于機(jī)器學(xué)習(xí)的AI系統(tǒng)用于檢測(cè)異常值，這在欺詐偵測(cè)領(lǐng)域早已有之?？墒?，當(dāng)機(jī)器學(xué)習(xí)系統(tǒng)與新的工作流程平臺(tái)和關(guān)系網(wǎng)絡(luò)分析系統(tǒng)（以識(shí)別欺詐網(wǎng)絡(luò)成員）相結(jié)合時(shí)，監(jiān)視分析師的生產(chǎn)率提高了三分之一。

另一個(gè)很好的例子在殼牌公司，我們中的一個(gè)人（杰文斯）在該公司領(lǐng)導(dǎo)AI計(jì)劃。長(zhǎng)期以來(lái)，殼牌一直是一家注重流程的公司，目前正致力于在供應(yīng)鏈、運(yùn)營(yíng)和維修保養(yǎng)等領(lǐng)域開展一項(xiàng)重大的AI計(jì)劃。作為其中的一部分，殼牌正在再造其工作流程。

比如，我們可以看看能源及化工廠、管道、海上設(shè)施以及風(fēng)力和太陽(yáng)能發(fā)電場(chǎng)的監(jiān)測(cè)和檢查工作。這項(xiàng)工作過去完全由檢查員和維修技術(shù)人員親自完成，但AI可以緩解這一制約因素?，F(xiàn)在，許多低附加值的檢查任務(wù)可以由機(jī)器人和無(wú)人機(jī)遠(yuǎn)程完成。殼牌公司的一些設(shè)施實(shí)在太大，過去需要花費(fèi)數(shù)年時(shí)間來(lái)手動(dòng)檢查所有的東西——現(xiàn)在他們開始引入無(wú)人機(jī)和機(jī)器人來(lái)實(shí)現(xiàn)這些流程的自動(dòng)化，并幫助縮短周期。

由于這些變化，檢查員和維修技術(shù)人員現(xiàn)在可以重新思考他們的日常工作。他們可以專注于確定項(xiàng)目?jī)?yōu)先次序等價(jià)值更高的活動(dòng)，或者，如果他們?cè)诂F(xiàn)場(chǎng)，可以進(jìn)行更高級(jí)的驗(yàn)證。與此同時(shí)，新的任務(wù)正在出現(xiàn)，比如為圖像添加標(biāo)注，以改進(jìn)檢查算法，或?qū)ΜF(xiàn)在運(yùn)行于生產(chǎn)中的數(shù)千個(gè)機(jī)器學(xué)習(xí)模型的訓(xùn)練過程加以管理。以前屬于體力工作流程的東西現(xiàn)在由多學(xué)科的團(tuán)隊(duì)進(jìn)行管理，這些團(tuán)隊(duì)主要從事的是數(shù)字任務(wù)。

這一轉(zhuǎn)變必然會(huì)有一些阻力。起初，說服檢查人員的難度很大，可是漸漸地，他們開始被說服，因?yàn)樗麄兛吹?，圖像處理在遠(yuǎn)更短的時(shí)間內(nèi)可以提供相似的準(zhǔn)確性。此外，殼牌正讓這些工程師重新思考他們與遠(yuǎn)程監(jiān)控中心的工作流程，從而讓他們有能力推動(dòng)這一變革。

殼牌逐漸發(fā)現(xiàn)，這種由AI支持的再造過程正在成為一種永久性的運(yùn)作方式。每個(gè)單獨(dú)項(xiàng)目可能只需耗時(shí)一兩年，但他們?cè)绞鞘褂脭?shù)字、數(shù)據(jù)和AI來(lái)重新設(shè)計(jì)流程，他們就越能看到進(jìn)一步發(fā)展的機(jī)會(huì)。這一點(diǎn)尤其重要，因?yàn)樵摴菊谵D(zhuǎn)型成為一家凈零排放的能源公司。

誰(shuí)應(yīng)該領(lǐng)導(dǎo)AI支持的流程變革？

流程改進(jìn)傳統(tǒng)上完全屬于運(yùn)營(yíng)經(jīng)理的領(lǐng)域。正由于此，企業(yè)很少制定有明確的再造計(jì)劃來(lái)配合他們的AI項(xiàng)目。為了真正利用AI的力量，流程設(shè)計(jì)和改進(jìn)活動(dòng)應(yīng)該被納入AI計(jì)劃。最成功的AI計(jì)劃越來(lái)越多地由“產(chǎn)品經(jīng)理”來(lái)協(xié)調(diào)，他們把系統(tǒng)的成功部署（包括所需的業(yè)務(wù)變化）作為他們的目標(biāo)。殼牌公司指派了一名產(chǎn)品負(fù)責(zé)人來(lái)管理業(yè)務(wù)變化，還指派了一名負(fù)責(zé)技術(shù)交付的產(chǎn)品經(jīng)理。一些企業(yè)還致力于“設(shè)計(jì)思維”活動(dòng)，這與再造風(fēng)格分析有部分重疊，即對(duì)工作流程和活動(dòng)需要如何重新設(shè)計(jì)進(jìn)行分析，以滿足客戶需求或內(nèi)部需求。

雖然我們已經(jīng)看到了流程再造與AI開發(fā)同步進(jìn)行的諸多例子，但還沒有足夠的企業(yè)認(rèn)識(shí)到流程改變的必要性。無(wú)論這是否被稱為“再造”，更明確地表示流程再造的作用和活動(dòng)——包括高層設(shè)計(jì)、具體的工序流程、前后成本與周期時(shí)間的衡量，以及分析所需的技能和培訓(xùn)——會(huì)十分有用。這些活動(dòng)對(duì)AI項(xiàng)目的成功實(shí)在太重要，不能心存僥幸。

由于以自動(dòng)化為重點(diǎn)的項(xiàng)目對(duì)工序流程有直接的影響，而且相比其他形式的AI，更有可能只會(huì)發(fā)生漸進(jìn)的改變，所以它們更可能包括一套正式的流程改進(jìn)步驟。比如，在Voya Financial公司，流程改進(jìn)團(tuán)隊(duì)內(nèi)部有一個(gè)自動(dòng)化卓越中心，任何自動(dòng)化項(xiàng)目都要先經(jīng)過流程改進(jìn)工作之后才能進(jìn)行。該團(tuán)隊(duì)的負(fù)責(zé)人向我們表示，該公司的自動(dòng)化既是面向流程的努力，又是一項(xiàng)技術(shù)活。我們發(fā)現(xiàn)，還有好幾家公司將流程改進(jìn)與自動(dòng)化結(jié)合起來(lái)，不過，我們還希望看到更激進(jìn)的流程變革與機(jī)器學(xué)習(xí)等更強(qiáng)大的AI技術(shù)相結(jié)合。

AI正迅速成為一種無(wú)處不在的技術(shù)。一旦炒作偃旗息鼓，它會(huì)成為與企業(yè)資源規(guī)劃系統(tǒng)、統(tǒng)計(jì)包、甚至電子表格一樣的正常事物。AI平臺(tái)可以被為數(shù)更多的企業(yè)用來(lái)再造他們的流程。AI是實(shí)現(xiàn)目的的一種手段，本身并非目的。從長(zhǎng)遠(yuǎn)來(lái)看，那些了解如何在更廣泛的流程再造背景下將其用作一種新工具的企業(yè)，按理會(huì)從AI中獲得最大收益。

托馬斯·達(dá)文波特是巴布森學(xué)院（Babson College）信息技術(shù)及管理學(xué)杰出主席教授（President’s Distinguished Professor），麻省理工學(xué)院數(shù)字經(jīng)濟(jì)計(jì)劃（MIT Initiative on the Digital Economy）訪問學(xué)者，以及德勤AI業(yè)務(wù)的高級(jí)顧問。

馬賽厄斯·霍爾韋格是英國(guó)牛津大學(xué)薩伊德商學(xué)院（Sa?d Business School at the University of Oxford）運(yùn)營(yíng)管理學(xué)美標(biāo)企業(yè)教授（American Standard Companies Professor）。

丹·杰文斯是殼牌公司負(fù)責(zé)計(jì)算科學(xué)與數(shù)字創(chuàng)新的副總裁。他在擴(kuò)大殼牌各業(yè)務(wù)的數(shù)字和數(shù)據(jù)科學(xué)技術(shù)方面發(fā)揮了關(guān)鍵作用。

時(shí)青靖 | 編輯