我新入职的“同事”们,既能干脏活累活,又不内卷,真香!

2022 年 3 月 21 日 AI前线
作者 | Taryn Plumb
译者 | Sambodhi
策划 | 冬梅
疫情让那些由 AI、ML 和 RPA 驱动的数字员工走向生产线。

首先,让我们来认识一下 Tara。

Tara 是一名事务筛选分析员,她的日常工作就是不断地查看警报信息、检查警报的审核和处理、利用谷歌或 OpenCorporates.com 等第三方来交叉引用信息对系统进行调整,从而提高自动化效率。

“我的职责就是识别潜在的风险交易,无论是来自个人还是机构,” Tara 解释道,她强调了遵守监管的重要性。“制裁是件严肃的事情。这真的是一项很重要的工作。”

Tara 是一种很复杂的机器人:她有名字、有面孔、有个性、有简历、还有丰富的行业专业知识和经验。她是由智能自动化和机器人流程自动化(robotic process automation,RPA)公司 WorkFusion 开发和部署的六个数字“同事”之一。

数字化劳动大军正在崛起

WorkFusion 首席执行官 Adam Famularo 表示:“今天,各行各业的公司都面临着前所未有的劳动力短缺情况,而要找到、雇佣和培训那些能够从事复杂的工作,需要每天进行大量数据驱动的决策的知识型员工,更是难上加难。”

Adam Famularo 指出,由于疫情原因,各行业都处于员工大量流失的困境中,尤其是在保险业和金融业,形势更为严峻。公司可以通过“永不疲倦、不能分心、表现完美的数字同事”来扩大自己团队的“战斗力”。

众多行业的公司日益依靠数字员工来完成各种工作的自动化和简化,而这些由人工智能、机器学习、机器人流程自动化和分析技术驱动的虚拟员工也变得更加先进。

根据 Forrester 的《工作的未来》预测,到 2030 年,自动化将在一定程度上改变 80% 的工作。Forrester 预测,在财务 1000 强企业中,将有更多的公司高管寻求人工智能、聊天机器人、机器人和智能技术来解决员工的经验、薪酬和监管方面的压力。

为了满足这些需求,出现了越来越多的超越传统 RPA 的公司,WorkFusion 正是其中之一。这个赛道里的其他公司还包括 Digital Workforce、Thoughtful Automation 和 Tangentia。

总部设在纽约的 WorkFusion 近日宣布,公司已经发布了其新的人工智能驱动的数字劳动力,这些劳动力能使用智能自动化与银行、金融、保险和其他行业的人类团队一起合作。正如 Famularo 所解释的那样,这些新的“团队成员”在到达工作岗位时都经过了足够的培训,能够迅速提升工作效率,能够独立工作也能与人类员工协同工作。

而且 他们是以人格化的形式出现的。公司聘请了一些演员来代表他们,所以它们都有面孔,以及名字、头衔、以前的工作经验以及大量复杂的技能清单。潜在客户可以通过公司网站查看他们的简历,也可以观看他们介绍自己的工作和技能的短视频。

根据 Famularo 的说法,这种数字员工的人类形象是由 WorkFusion 的客户推动的。他说:“有了名字和面孔,就更容易与它们互动,并将它们与它们所做的工作联系起来。而真正实现这一目标的,正是这些数字化劳动力。”

认识一下 Tara 的 AI“同事”们

除了 Tara 之外,公司还开发了保险承保人 Ilana,负责收集、审查和分析新的业务申请,对账户进行资格审查,并将报价输入公司的报价和评级系统;还有客户身份项目分析员 Kendrick,负责审查客户身份文件以保证质量,并确保身份证明被采集并输入公司数据库。其他数字团队成员包括制裁筛选分析员 Evelyn、客户尽职调查项目分析员 Darryl 和客户服务协调员 Casey。

WorkFusion 预计将在今年晚些时候部署更多的数字员工:客户拓展分析员 Carlos、调查分析员 Isaac、贷款业务分析员 Laticia 和销售业务分析员 Shawn。

WorkFusion 对金融服务和保险的关注决定了最初的分组。“我们希望确保自己在金融服务和保险领域拥有丰富的专业技能。”Famularo 表示,公司的目标是“在某一特定工作岗位上进行深度开发,并在未来将其应用于不同的行业。”

这些数字员工可以按照原来的方式进行部署,公司也可以根据自己独特的业务和流程来对它们进行定制。Famularo 说,一个或一百个 Kendrick 或 Casey 可以被整合到业务功能中。它们具有可扩展性,在每次任务和交互过程中,其人工智能内核都会持续地学习并提高。在安全的内部、私有云、管理服务云和 SaaS 环境中工作的时候,WorkFusion 网络允许它们分享洞察力、技能和知识,从而不断地提高和升级。这个网络也会把绩效结果汇总起来,这样公司就可以对它们的有效性进行评估。

Famularo 表示:“这是一种数字员工的自我学习生态系统。”

他着重指出,这种虚拟劳动力能够替代人类员工完成“脏活累活”,使它们的人类同事能够处理更有影响力的高级任务和项目。他说,要读懂并分析电子邮件和文件,并评估一项事务是否应该被完成,“这些都是我们可以通过数字劳动力做得更好的事情。”

为了开发这些虚拟员工,WorkFusion 基于十年的复杂业务自动化的工作经验。根据 Famularo 的说法,它们的与众不同之处在于,它们可以让所有的工作都实现自动化,并且通过深度机器学习来不断地提升自己。它们可以在很短的时间里投入使用,在降低成本、加快合规性、增强客户和员工体验的同时增加价值实现时间。

“它们是全方位的数字知识工作者:可以完成所有工作。” Famularo 说。

随着数字员工的数量增加,WorkFusion 平台将会变得更加智能。Famularo 说:“每一个 Evelyn 的出现都让我们的生活更加美好。”

归根结底,“公司都在渴求人才,”他补充说,所有 AI 公司未来都需要努力的方向是:“要如何利用数字劳动力来承担更多人类工作?”

毕竟,这个时代人才最贵。

原文链接:

https://venturebeat.com/2022/02/07/the-great-resignation-gives-birth-to-digital-employees-powered-by-ai-ml-and-rpa/

今日荐文

点击下方图片即可阅读

Arm停止俄罗斯业务;拼多多回应“六万人砍价不成功” ;多款APP上线算法关闭键 | AI一周资讯


你也「在看」吗?👇

登录查看更多
0

相关内容

机器或装置在无人干预的情况下按规定的程序或指令自动进行操作或控制的过程, 是一门涉及学科较多、应用广泛的综合性科学技术。
《美国太空部队的数字化服务愿景》,17页 pdf
专知会员服务
38+阅读 · 2022年4月4日
数字全景白皮书:2022年企业数字化技术应用10大趋势
专知会员服务
38+阅读 · 2022年2月16日
专知会员服务
72+阅读 · 2021年8月3日
专知会员服务
132+阅读 · 2021年3月13日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
173+阅读 · 2020年1月1日
「东南亚小腾讯」的故事,到了转折点
36氪
0+阅读 · 2022年3月6日
新 IDE 出现,程序员迎来危机?
CSDN
0+阅读 · 2022年2月22日
Facebook 招不到工程师
InfoQ
0+阅读 · 2021年11月21日
大家都在谈论的AI思维到底是什么?
微软研究院AI头条
0+阅读 · 2021年10月12日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Accurate ADMET Prediction with XGBoost
Arxiv
0+阅读 · 2022年4月15日
Adaptive Synthetic Characters for Military Training
Arxiv
45+阅读 · 2021年1月6日
VIP会员
相关VIP内容
《美国太空部队的数字化服务愿景》,17页 pdf
专知会员服务
38+阅读 · 2022年4月4日
数字全景白皮书:2022年企业数字化技术应用10大趋势
专知会员服务
38+阅读 · 2022年2月16日
专知会员服务
72+阅读 · 2021年8月3日
专知会员服务
132+阅读 · 2021年3月13日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
173+阅读 · 2020年1月1日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员