核心观点与关键数据
什么是流程智能（PI）？
流程智能（PI）通过捕获结构化和非结构化数据，并利用人工智能进行解读，为企业提供业务流程运行的透明度，识别瓶颈和异常，并作为改进流程的单一信息来源。与侧重于系统层面和结构化数据的流程挖掘不同，PI 提供端到端可见性，包括人类活动和非结构化数据，并利用 AI 指示流程改进和价值创造的机会。
当前流程状态：
- 52% 的组织优先投资流程挖掘工具，49% 已在使用，34% 计划实施。
- 流程改进的主要驱动力包括：增强可见性（43%）、提高效率（17%）、更好的决策（15%）、成本降低（15%）。
- 流程改进的主要挑战包括：变革阻力（27%）、数据不足（20%）、缺乏明确愿景（8%）、领导力支持不足（7%）。
流程智能的六大益处：
- 解决数据质量挑战：PI 采用零集成方法，无需连接后端事件日志和应用程序数据库，通过 AI 驱动的观察加速实施，降低总拥有成本，快速实现价值。
- 实现战略自动化：通过提供工作流程的最大可见性，识别瓶颈和量化价值，PI 可以识别战略自动化机会，降低无效自动化项目的风险。
- 运营卓越（OPEX）：PI 提供人、流程和技术的最准确 representation，通过自动化数据驱动的流程发现、标准化、优化和持续监控，增加 OPEX。
- 改善监管合规：PI 识别合规差距、标准操作程序（SOP）和服务水平协议（SLA）的偏差以及根本原因，并监控与合规和 SLA 阈值相关的指标。
- 增加战略一致性：PI 的可见性功能和可操作的见解可定制业务目标，通过使用相同的数据支持多个功能，作为跨职能的单一版本真相，促进战略一致性。
- 端到端可见性：通过整合来自多个来源的数据，创建整个流程流的统一视图，增加透明度和明智的决策，促进利益相关者之间的协作。
人工智能和生成式 AI 的影响：
- 23% 的受访者认为生成式 AI 对流程改进的影响最大。
- AI 驱动的数据收集：AI 可以解释大型数据集，生成指标和数据驱动的见解，增强数据科学家的分析能力并简化数据提取。
- 与流程“对话”：生成式 AI 的对话能力允许组织询问其流程的效率，例如“哪些是关键的应用程序使用趋势？”或“什么导致了我们接触中心生产力的最大下降？”
- 预测能力：AI 的先进预测能力允许主动解决问题，通过历史数据、“假设”分析和模拟，分析潜在情景以优化决策。
- 生成式 AI 的三个价值层级：
- 基础层：数据生成和增强。
- 中间层：增强的可解释性和上下文建议。
- 高级层：战略优化和创新。
专家观点：
- Sanofi 的 Christian Müller 认为 PI 是效率、有效性和数据驱动决策的驱动者，不投资 PI 的公司将难以在快速变化的市场中生存。
- Nokia 的 Rajesh Rao 认为 PI 通过运营、决策、风险与合规和客户为中心的视角提供独特见解。
- 两位专家建议新 PI 用户应“从全局角度思考”（超越职能），结合技术使用经典流程管理工具，并衡量 PI 对流程的影响。
实施流程智能的实用步骤：
- 获得利益相关者的认可：提前确定所有利益相关者，沟通 PI 的价值并强调 ROI，设定清晰的路线图。
- 确定战略用例：选择与组织更广泛目标一致的用例，开发小规模的概念验证（POC）以评估实用性和收益。
- 选择正确的工具：工具应反映更广泛的业务战略和选定的用例，考虑易用性、价格点、数据安全措施、供应商声誉、支持与培训机会，以及报告生成、可视化能力、劳动力智能能力和可操作性等功能。
- 确保拥有正确的技能：鼓励沟通、持续改进、解决问题、变革管理、协作和批判性思维等“软技能”，并培养云计算、数据分析和处理 AI 模型等“硬技能”。
- 变革管理：准备和支持员工利用技术，增加用户采用率并减少对变革的抵制，建立强大的反馈循环，将 PI 视为持续数据驱动运营的文化转变。
生成式 AI 的价值层级：
- 基础层：数据生成和增强。
- 中间层：增强的可解释性和上下文建议。
- 高级层：战略优化和创新。
工作场所影响：
- PI 允许按个人级别监控绩效数据，可能用于衡量、基准测试和奖励或惩罚员工。
- 监控个人行为可能引发隐私担忧和员工对过度监控的恐惧。
- 策略减轻员工担忧：透明度、员工参与、平衡方法、强调个人成长和生产力提升。
伦理 AI 和隐私：
- Skan 通过全面的数据管理、高级数据加密、细粒度监控控制、访问控制和审计以及合规性，解决数据隐私和安全问题。
未来趋势：
- 技术融合：PI 通过融合流程挖掘、任务挖掘、数字采用监控、劳动力智能和数字孪生等工具而发展。
- 生成式 AI 和边缘 AI：边缘 AI 驱动的 PC 将使 PI 从纯粹的智能或监控工具转变为代理革命的加速器。
- 数字流程和运营孪生：允许在虚拟环境中模拟、分析和优化运营。
- 多模态 AI 集成：整合多种数据类型，提供更全面的运营理解。
案例研究：美国领先的医疗付款人加速以 Skan 的流程智能为特色的再工程、转型和自动化
- 该公司旨在每年降低 20 至 40 个基点的运营成本，需要增强跨人、流程和技术的可见性。
- Skan 被部署在四个主要商业实体中，针对多个端到端流程，涵盖客户服务、账单、索赔管理和医疗管理等业务部门。
- Skan 帮助建立了可靠的过程基线，识别了标准化和优化的机会，并推动了运营卓越。
- 结果：识别出超过 5000 万美元的潜在节省，案件处理周期缩短了 31%，每个全时员工每年节省 3700 美元，确定了 50 多个自动化机会，每年节省 1800 万美元。
结论：
流程智能（PI）通过提供端到端可见性、增强数据质量、支持战略自动化、改善运营卓越、加强合规性、促进战略一致性和提供端到端可见性，为企业带来显著的益处。随着 AI 和生成式 AI 的发展，PI 将继续演变，通过技术融合、边缘 AI、数字孪生和多模态 AI 集成，推动企业向数字优先、人类参与的运营模式转型。
