根據麥肯錫最近的一項調查，只有不到三分之一的組織將人工智能用于多種業務功能。擴展AI轉換似乎是此領域中最重要的挑戰，根據我的經驗，這里的主要限制因素是AI項目通常需要大量的人工工作，從而導致項目冗長且昂貴。

但是，如果人工智能可以幫助組織實施人工智能呢？

新技術和新概念最近進入市場，以幫助加速和改善AI實施過程。盡管大多數這些技術仍在成熟中，但它們已經為采用這些技術的組織帶來了可觀的收益。

人工智能實施項目通常包括：

1.確定和評估人工智能機會。

2. AI程序的設計和實現（包括編碼）。

3.這些AI程序的維護。

對于這三個步驟中的每一個，我將描述可用的新概念及其影響。

1.確定和評估人工智能機會

人工智能機會可以從兩個層面上進行識別：過程或數據。在過程級別，有兩種技術可用：過程發現和過程挖掘。在數據級別，該技術稱為數據發現。

選擇合適的AI機會來實施至關重要。但是，過程和數據分析，文檔編制，評估和優先級劃分工作量很大。它們包括采訪，觀察，收集和分析數據。結果，此階段通常需要兩到六個月的工作。

流程發現

Kryon Systems于2018年6月推出了首個過程發現技術。這是它使用的關鍵步驟：

1.觀察：在用戶計算機上安裝了一個程序。當用戶執行日常工作時，它無縫記錄他們的點擊，用戶界面對象和處理步驟，并截取屏幕截圖。該數據被發送到機器學習應用程序進行分析。

2.流程評估：經過幾天的記錄，您將剩下一個儀表板，其中顯示了已觀察到的流程的列表。系統通過將其自動化，分析標準（例如過程的長度或執行過程的人員數量）的潛在好處來對它們進行排名。

3.詳細的過程分析：所顯示的儀表板應允許您訪問每個過程的文檔，并以顯示過程變型的流程圖的形式出現。

以我的經驗，這種解決方案可以使AI的實施速度比正常情況下快三到五倍，同時將發現的用例數量增加大約兩個。

流程挖掘

現代流程挖掘解決方案由初創公司Celonis于2016年推出，其目的與流程發現工具相同。它們的區別在于它們分析過程數據的方式。與使用計算機視覺和用戶界面對象記錄的過程發現解決方案相反，過程挖掘解決方案使用從ERP等系統中提取的日志。