自从调研机构Gartner公司提出“超自动化”(Hyperautomation)这个术语以来，超自动化在商业领域引起了广泛的关注。超自动化将流程自动化的多个组件结合在一起，以增强自动化工作的能力。它融合了人工智能(AI)、自然语言处理(NLP)、深度学习、高级分析、视觉/语音分析以及流程挖掘等数字转型技术，并以机器学习流程自动化(RPA)为核心实现复杂流程自动化。

与简单优化任务流程的自动化不同，超自动化具有额外的机器人智能，使流程更加智能。以下是2020年端到端的十大超自动化用例。

1.银行与保险

在银行业、金融服务业和保险业中实施超自动化，可以增强银行和金融业务流程的处理能力。非常适合监管报告、市场营销、销售和分销、银行服务、支付操作、借贷操作、后台操作、组织支持等业务流程。超自动化还能够防止可疑行为，因为由人工智能算法授权的智能自动化解决方案可以有效地监控交易，并主动识别欺诈活动。由于索赔处理是保险业最关键的流程，它可以从超自动化技术中获益。

2.医疗保健

医疗保健是一个受严格监管的领域，其中流程优化、合规性、更好地为患者服务是关键优先事项。但是，超自动化为医疗保健生态系统提供了一个很好的机会，可以提供更多的商业价值，并以合理的成本提供优质的患者护理服务。

3.零售数字化

电子商务的出现推动实体零售店向数字化转型。这是至关重要的，因为当今的客户有更多的选择来满足他们的需求。在这种情况下，超自动化技术可以帮助零售商在订单管理、付款、运输、仓储和库存、供应商管理、风险管理、采购、数据监控等业务领域实现自动化。

4.客户服务

随着客户的期望值快速增长，组织需要通过客户所在的所有渠道，不断提高的专业性和主动性，及时解决客户面临的问题或担忧。通过集成智能自动化等超自动化技术，组织可以完全实现端到端流程的自动化，同时增强其他仍需要人工监督和控制的流程。它们可以在吸引客户使用任何数字或实时接触点方面发挥优势。Amazon Go杂货店是有效的客户服务的超自动化示例之一。

5.反洗钱

欺诈活动的迅速增加是支付行业的主要问题之一。然而，许多公司已经实施了强有力的反洗钱措施，并从源头上打击洗钱活动，避免对组织和社会造成进一步的损害。机器学习流程自动化(RPA)、人工智能和机器学习等超自动化技术，可以进一步使组织能够以高度自动化的方式持续监控其生态系统。结合RPA机器人收集相关数据和流程来验证客户记录和检测欺诈。

6.建筑

建筑行业在技术方面比较复杂，需要保证工作人员的人身安全。在这一领域中使用超自动化不仅能使组织转变其业务运作方式，而且还能增强员工的安全性和能力，使他们能够更快地利用可用资源和更少的错误完成工作。这项技术还允许他们将时间和精力用于其他重要的工作。

7. 提高员工技能

对员工进行再培训或提高技能，可以增加组织充分利用其业务战略的机会。根据UiPath公司对全球各地的组织员工进行的一项调查，86%的受访者表示，他们希望雇主能提供培训新技能的机会，而83%的受访者希望雇主能给他们更多机会来提高现有技能或增加新技能。机器学习流程自动化(RPA)可能导致了裁员，但同时也为愿意提高技能的专业人士提供了许多新机会。

8.技术整合

如今，组织越来越多地转向混合云或多云基础设施，在这种基础设施中，集成是效率过程的一个组成部分。由超自动化驱动的系统集成使它们能够无缝通信，确保重要系统都能访问集中式数据。

9.数字敏捷性

机器学习流程自动化(RPA)、机器学习、人工智能等技术通过消除可能的人为错误，使自动化服务变得轻松。它们可以提高生产率，节省时间，降低成本。随着所有自动化模式的紧密合作，组织可以具有超越单一技术的优势，实现真正的数字化敏捷性和大规模的多功能性。

10.提高投资回报率

投资回报率(ROI)是一个关键的绩效指标，它使组织能够确定其盈利能力的支出。无论组织的规模或行业如何，提高计算投资回报率都是非常有价值的。通过使用高级分析软件，组织可以根据自动化的任务和节省的成本来分析投资回报率。

此外Gartner公司预测，到2024年，组织通过超自动化技术和重新设计其运营流程可以将运营成本削减30%。

原文标题：Hyperautomation: Top 10 Use Cases of End-to-End Automation in 2020，作者：Vivek Kumar  

来源：51cto