人工智能、云计算和机器学习如何解决特定技能需求的来源问题

智能自动化的投资回报率是前所未有的，并迅速成为领先创新业务的头号组织优先事项，但项目结果和实现这一目标的技能之间存在巨大的脱节。最近的一项调查发现，惊人的64%的组织认为印度的数字人才缺口正在扩大。这一数据更令人不安的是，49%的员工担心他们目前的技能在未来4-5年内会变得多余，34%的人认为这将在未来一两年发生。

在上面

一个迫切需要关注的问题是，正确的技能集不仅是实现智能自动化的专业知识，而且是如何使用这种自动化技术来取代对人员和所需技能的需求。2018年Harvey Nash / KPMG CIO调查发现，65%的CIO报告称，人才缺乏阻碍了他们的组织实现这些关键趋势/主题，由于人才短缺，67%的CIO计划用自动化来取代对额外员工的需求。

但这些自动化趋势如何取代对这些技能的需求呢?

所有这些趋势都属于机器人过程自动化，这是一种将人类执行的基于规则的重复任务自动化的设计，与其他主要软件部署相比，具有降低劳动力成本、提高准确性和提高合规性的潜力。让我们明确一点，这还不是取代人类认知行为的东西，就像人工智能一样，设置是基于预先的人类配置，依赖于特定输入的决策算法来执行决策以获得最佳输出。

通过这种自动化技术取代角色和技能的考虑正变得越来越现实，特别是当高管们考虑到通过避免额外的工资、招聘费用等而节省的巨大成本时，CIO们正在使用这种虚拟劳动力进行非常成功的测试、服务台和开发。

“机器人”或“机器人”可以被认为是一个额外的员工数量，与现有的系统、流程和应用程序一起工作，在财务、采购和人力资源等领域执行操作，模拟人类行为，并根据普华永道的数据交付200 - 800%的ROI。普华永道在4到6周的时间内构建和实施了概念验证，并展示了真实的例子，结果如下:

• 使用高级业务规则自动执行应用程序，并减少帐户对账工作30 - 40%

• 自动创建报价和取消订单。用50个机器人取代800个FTE，将处理时间从30 - 10分钟缩短，成本降低了80%

• 5万笔未支付款项在ERP系统内完成，没有人工干预。91%的开放项目在3天内完成，而不是3个月。

• 客户服务的一个很好的例子是，采用RPA来管理客户查询的接收和响应，从而节省了80%的FTE，将周转时间从8小时减少到1小时，错误率为0%

当您考虑Ai的参与时，上面的客户服务RPA部分可以进一步改进。capgemini数字转型研究所的信息技术CIO趋势报告，“将人工智能转化为具体价值:成功的实施者的工具包表明，最简单的客户面对聊天机器人可以在一年内将客户满意度提高10%。

像沃达丰这样的公司更进一步，最近的专家网络研讨会“实现数字办公:沃达丰拥抱RPA和AI统一员工和客户体验”与沃达丰集团服务有限公司创新与工程主管Eric Fradet讨论了AI/ML技术在统一和改善客户和员工体验时的智能和可预测性的重要性。云正在提供实时的客户洞察和宝贵的数据，如果利用得当，可以解释和预测客户，从而重塑他们的行为和购买意愿，远远超过任何人类同行。在网络研讨会上，Eric Fradet强调，目前许多人正在非常静态的场景中用自动化技术取代技能。面向客户的聊天机器人将只使用来自人类对手当前输入的信息，并且他们只针对这些接收到的信息。为了变得无价，人工智能系统必须从多个输入中智能地建立基于决策的算法，包括基于当前聊天的信息，然后并行地，查找历史客户数据文件(如果可用)，活动热图显示这种交互正在发生的时间点的趋势，以及基于未来的预测，以设置回复给客户，提供具有附加智能价值的聊天机器人响应……这是成功的关键增值!

缺点

这些自动化技术并非没有错误，正如前面所述，我们还没有达到这些技术反映人类认知行为或同理心的地步。它们不是在没有人工干预的情况下构建的，它们只与组织中较差的流程一样好。为了获得回报，您必须确保您的流程是干净的和更新的。

埃森哲的调查《人工智能的前景》。“重新定义未来劳动力中的管理”揭示了一些支持人工智能自动化与管理人员合作的奇妙发现，包括这一流行趋势，即在11项管理任务中增加10项。虽然从时间的角度来看是有效的，但在采用人工智能的采购技能方面，我们仍然看到与人类同行相比存在巨大的差距，并且可以在Computerworld中使用亚马逊招聘引擎来举一个关于道德的例子。不幸的是，亚马逊的实验性招聘工具使用人工智能给求职者打分，从1星到5星不等(以及人们如何评价他们的产品)，该系统使用历史数据来为正确的候选人做出算法决策。最大的问题是，在科技行业内部的10年里，男性将占据主导地位，当亚马逊机器学习专家调查细节时，他们发现亚马逊系统已经教会了自己，男性候选人更受欢迎。据知情人士透露，亚马逊的人工智能招聘人员正在惩罚那些包含“女性”一词的简历，比如“女子国际象棋俱乐部队长”，并降低了两所女子学院的毕业生的等级。

大冲击

机器学习专家Andrew Ng在《人工智能转型手册》中谈到了我们在互联网出现时看到的错误，以及推出网站的商店如何没有成为互联网公司，因为他们没有利用互联网提供的所有机会。

智能自动化也可以采用同样的方法来取代所需的技能差距。

任何典型的公司+深度学习技术≠AI公司

“为了让你的公司在人工智能方面变得出色，你必须组织你的公司去做人工智能让你做得很好的事情。”——吴恩达