重複性工作贏得了無趣的工作
每個運營團隊都依賴於一小部分需要真正判斷的決策，以及大量不需要的步驟。有人打開一封電子郵件，找到購買訂單號碼，將其與ERP系統進行核對，發現數量偏差兩項，寫信給供應商，等待三天，再次追蹤。重複四百次每周。
這種工作從未出現在策略演示中。它也是AI首先回報的地方，而且是顯著地。
為什麼無聊的工作獲勝
有兩個原因，兩者都與風險有關，而非雄心。
第一個原因是重複性工作是可衡量的。你已經知道發票的數量、索賠排隊時間以及支持工單的成本。當你自動化某種可衡量的工作時，你可以在一個季度內證明結果。當你自動化一種新事物時，你會花一個季度爭論它是否有效。
第二個原因是無聊的80%是體積所在，而體積使一小項改進成為實際數字。將一次任務從每月進行兩次縮短四分鐘只是一個計數誤差。但將相同任務從每月進行九百次縮短四分鐘則可以釋放一個人。經濟學由頻率驅動，而非自動化智慧如何。
困難的20%——價格例外、有爭議索賠以及監管機構可能詢問的問題——應該暫時留給你的人員。它確實很困難，是你的利潤和聲譽所在的地方，也是在業務中了解AI行為最糟糕的地方。
如何找到它
不要進行調查，詢問人們希望自動化什麼。你會得到一個願望清單。相反，看看工作排隊的地方以及信息重新輸入的地方。
- 系統之間重新輸入：任何人從一個屏幕閱讀後再手動輸入到另一個系統的步驟都是潛在的自動化對象。電子郵件到ERP、PDF到表格、門戶到CRM。
- 無結構輸入在前台：發票、送貨單、索賠、簡歷、RFQ、檢查報告。任何以PDF、照片或段落文案形式抵達的人必須將其轉換成欄位。
- 分流和路由：工單、投訴和來件請求，人只讀一遍後才決定由誰處理。
- 根據模板起草：狀態更新、標準回應以及對長線討論或文件的第一稿總結。
- 對賬：比較應匹配的兩個清單並解釋它們為何不匹配。
根據體積、輸入一致性和錯誤成本對每個潛在對象進行評分。從高體積、一致輸入和低錯誤成本開始。這種無聊且恰當的組合是許多初級項目失敗的原因。團隊自動化了快樂路徑，達到了85%準確度，慶祝，然後發現15%的案例現在需要比整個過程在自動化前更長時間來處理。例外沒有上下文，無人負責，隊列不斷增長。
設計回退策略，而不是先設計自動化。當系統不確定時會發生什麼？誰會看到它，他們會看到什麼，以及他們有多長時間？一個能夠端到端處理70%的案例並乾淨地將其餘15%交給人的過程，比一個聲稱90%但將剩餘案例丟入無人監控的郵箱的過程更有效。
明確設置信心門檻。對於發票編碼，你可能接受2%的錯誤率，因為下游檢查可以捕捉到它。但對於任何涉及付款或患者的事情，你會將更多案例交給人處理，並接受較低的自動化率。這個門檻是一個商業決策，而非技術問題，並且屬於負責該流程的人。
前六個月的目標
選擇一個過程。在改變任何東西之前，先對它進行儀器化，以便你知道初始觸及時間、每筆交易成本和錯誤率。在八週內將某種狹窄的自動化方案推入實際使用環境。再次測量相同的指標。
然後重複一次，再重複一次。複合增益不是來自個體自動化，而是你的團隊學會了這些系統可靠地擅長什麼，你的數據因為某項依賴它而變得更乾淨，下一個項目需要一半的時間。
承擔沉重、高體積的無聊工作是這種技術目前真正擅長的地方。首先讓它承擔這種負荷，並將你的人員保留在需要他們做出決策的工作上。如果你需要幫助選擇第一個過程並證明數字，這就是我們提供的服務。