为什么无聊的工作能获胜
有两个原因，两者都与风险有关，而非雄心。
第一个原因是重复性工作是可衡量的。你已经知道发票的数量、索赔排队时间以及支持工单的成本。当你自动化了某项可衡量的工作时，你可以在一个季度内证明结果。而自动化一项新事物，你会花一个季度时间争论它是否有效。
第二个原因是无聊的 80% 是数据量最大的地方，而数据量是将小改进转化为实际数字的关键。将一项任务从每月执行两次减去四分钟，这是一个舍入误差。但将同样的任务从每月执行九百次减去四分钟，就能释放出人员。经济效益由频率驱动，而非自动化智能程度。
困难的 20% — 定价异常、有争议索赔以及监管机构可能会询问的问题 — 目前应由你的员工处理。这确实很困难，这是你的利润和声誉所在的地方，也是学习人工智能在你业务中行为的最糟糕地方。
如何找到它
不要进行调查，询问人们希望自动化什么。你会得到一个愿望清单。相反，看看工作排队的地方以及信息重新输入的地方。
- 系统之间重新输入：任何人从一个屏幕读取并另一个屏幕手动输入的信息都是一个候选人。电子邮件到 ERP、PDF 到表格、门户到 CRM。
- 无结构输入的前台：发票、送货单、索赔、简历、RFQ、检查报告。任何以 PDF、照片或段落形式呈现，需要有人将其转换为字段的信息。
- 分流和路由：工单、投诉和入站请求，人只读一遍就决定由谁处理。
- 模板起草：状态更新、标准响应、长线程或文档第一稿的摘要。
- 对账：比较应匹配的两份清单并解释为什么不匹配。
根据数据量、输入的一致性以及错误成本为每个候选人打分。从高数据量、一致输入和低错误成本开始。这种无聊而精准的方法是恰如其分的。
异常是真正的设计问题
这是大多数首次项目失败的地方。一个团队自动化了正常流程，达到 85% 的准确率，庆祝成功，然后发现 15% 的案例需要更长时间处理，比整个过程在之前花费的时间还多。异常没有上下文，无人负责，队列不断增长。
设计好回退机制，然后再设计自动化。当系统不确定时，会发生什么？谁会看到它，他们会看到什么，以及他们有多少时间？一个能够端到端处理 70% 的案例并干净地将其余案例转交给人的过程，胜过一个声称 90%，但将剩余案例丢入无人看管的收件箱的项目。
故意设定信心门槛。对于发票编码，你可能接受 2% 的错误率，因为下游检查会捕获它。但对于任何涉及付款或患者的情况，你需要将更多案例转交给人工处理，并接受较低的自动化率。这个门槛是一个商业决策，而非技术决策，属于负责该流程的人。
前六个月应该是什么样子
选择一个流程。在改变任何内容之前对其进行仪器化，以便你了解基线触及时间、每笔交易成本和错误率。在八周内将某种狭窄的自动化推入实际使用环境。再次测量相同的指标。
然后再做一次，再做第三次。复合成长的不是单个自动化，而是你的团队学会了这些系统可靠擅长什么，你的数据因为某项依赖而变得更干净，下一个项目需要一半的时间。
承载乏味、繁重和高数据量的工作是这项技术目前真正擅长的事情。首先给它这个负担，并让你的员工专注于需要他们的决策。如果你需要帮助选择第一个流程并证明数字，这是我们提供的服务。