在自动化与人工智能的合力推动下，全球企业正在步入一个创造价值的新纪元。
预计市场将涌现出一系列高潜力的AI应用实例；
企业的日常运营和复杂流程管理方式将面临根本性的变革，人工智能的崛起正加速企业自动化进程，促成价值的快速增长；
RPA技术也正在延伸至新的应用领域，包括桌面自动化和后端支持。
在UiPath最新发布的白皮书《2024年UiPath自动化和AI趋势》中，深入探讨了预计在2024年及未来几年内将成为自动化领域重点的七个趋势。报告展示了一系列迅速发展并极具潜力的使用案例，而且还着眼于未来可能引领变革的创新技术，以及在人工智能推动下，组织和社会将如何进行根本性的转变。公众号后台回复“2024趋势”，可下载原版白皮书。
趋势1：高级管理层在自动化的帮助下抓住Al的价值
如果说2023年是AI炒作之年和希望之年，那么2024年就是Al落地之年。
报告显示，全球高管对AI充满期待，看好其推进增长、创新和生产率提升的潜力，以及满足客户需求的新方式。2024年，焦点转向实现AI投资的实际回报。尽管大多数企业都在努力发展AI能力，有资金投入，但超过三分之四的企业还未能扩展AI应用以获得显著成效，实施上存在差距。
为此，许多企业计划到2024年底分配资金加强AI建设。他们期待自动化与AI的结合能够放大优势，据麦肯锡预测，这种融合能每年提升生产率0.2-3.3%。
根据UiPath委托贝恩公司进行的研究，70%的高管认为AI驱动的自动化对行业未来至关重要，45%的高管看到了自动化与AI整合的行业革新潜力。他们相信AI与自动化不仅能提高效率和生产力，还能推动新产品和服务的发展，利用数据，并增强个性化服务。
预计到2025年，美国在AI上的投资将达到1000亿美元，而全球投资总额将翻倍至2000亿美元。
趋势2：高级Al+自动化用例变得炙手可热
“成熟的价值生产者”和“随时可用”便是最好的回报。
高管们追求的是AI用例能迅速带来显著的商业价值，特别是那些与自动化结合的应用。预计这些应用在2024年的需求将持续增长。
其中一个关键应用是智能文档处理（IDP），它在文件处理众多的行业（如银行和保险）中，可以显著提升效率并降低成本，且它的成效很快显现。其他例子包括解析大量通信数据的通信挖掘，深度分析业务流程的流程挖掘和任务挖掘，以及加速高质量应用开发的自动化测试。
这些AI和自动化结合的应用能够减轻实施负担，使企业即便在建设AI能力的过程中也能快速收获成果。
智能文档处理（IDP）的市场预期在2023至2030年间的复合年增长率（CAGR）为30.1%。
趋势3：透明组织成为端到端的焦点
流程挖掘和任务挖掘魅力四射；数字孪生旗开得胜。
在X光和MRI技术发明之前，医生通常难以充分获取对患者进行准确诊断和治疗所需的信息。类似地，最近企业管理者也面临着无法全面了解组织运作、诊断问题和实施解决方案的困境。
现代流程智能技术集成了高级流程挖掘、任务挖掘和通信挖掘的AI能力，极大地改善了运营管理。这些工具允许组织跨系统连续监控和分析流程，类似于“企业MRI”，它们可以识别和实施高回报的解决方案以提高工作效率。
领先的组织更是创建了业务的数字孪生模型，这使得他们能够实时、精准地洞察企业内部的运作，并在实施变更前模拟改进方案的潜在效果。
早期采用者的成果显示，维护组织的透明度可以显著提升效率和产出。因此，预计从2024年开始，这些技术的采用率会迅速上升。
高管们普遍看好流程智能技术与自动化、AI的结合，认为这将优化流程（86%同意）并提高生产率（79%同意）。
流程挖掘预计在2021至2030年间将实现49%的复合年增长率。
趋势4：LLM赋能虚拟更加智能
超强“副驾驶”实现飞速发展，可以帮助人们游刃有余地应对各种日常工作。
最近调查显示，65%的美国高管预计生成式AI和大型语言模型（LLM）在未来3至5年将显著影响他们的组织，但60%的高管表示至少需要一年时间才能部署首个解决方案。然而，很多企业软件供应商已经将其集成以提供实际应用。
目前热门的领域之一是“副驾驶”式虚拟桌面助手。这些助手能理解工作环境和任务，并以易于理解的语言与用户互动。它们能迅速学习并自动执行任务，使工作流程更高效和顺畅。
这些基于生成式AI的虚拟助手正减轻许多人的工作负担，并且易于采纳，无需克服复杂障碍。
虽然虚拟助手可能永远无法完全替代人类同事，但在70%的知识工作者可获得AI支持的今天，它们将是随时可用的助手。
对客户服务代表来说，基于生成式AI的对话助手平均可以提高他们14%的工作效率，而对于新手和低技能的工作者，这一提升甚至可达35%。
据预测，全球智能虚拟助手市场规模将从2022年的52亿美元增长到2032年的620亿美元，年复合增长率为28%。
趋势5：自动化领域出现新一波的“自动化”
Al在自动执行自动化流程方面实现了巨大飞跃。
自动化的讽刺之处在于，它过去常需依赖繁琐的手动设置才能启动。然而，随着“无需动手”的技术进步，2024年预计将看到这一状况的显著变化。以下是几个关键更新：
- 无代码实现变得简单，只需要提出问题：“你能创建一个自动完成这项任务的流程吗？”到2024年，无论是开发者还是业务用户都能向自动化平台提出这样的问题，技术进步使得将自然语言指令转换为自动化的工作流程、测试案例、流程挖掘以及特定任务的执行成为可能。
- 增强型AI将赋予机器人自我诊断和修复能力，提升其在执行自动化任务时的韧性和自适应水平。
- 新的生成式AI和分析技术使得复杂工作的自动化成为可能，如阅读文档、解析非结构化通信，以及执行数据提取、编辑和输入的模型训练，极大降低了实现智能自动化流程的时间、所需专业知识和劳力。
这些进展预示着自动化流程即将变得更加智能化，2024年及以后，这一领域的创新与增长将不断加速。
低代码和无代码开发预计将显著削减成本（达170%）和开发时间（达190%）。
趋势6：安全Al成为行动和创新的焦点
我们都在努力地、认真地改善Al的风险/收益等式。
企业领导者认识到人工智能（AI）的潜力和风险。据毕马威一项调查，约一半的高管表示已有成熟的AI治理政策，43%的高管正在制定相关政策。
组织在追求有效的AI治理时，需要考虑超出自身政策制定和实施的范畴，同时向技术伙伴寻求支持，包括：
- 集成AI治理：企业软件供应商已开始将先进的AI控制措施集成到产品中。
- 人机交互：企业越来越多寻求技术供应商的支持，改进人机互动，简化操作流程，提高异常检测的效率，并简化审核及反馈流程。
- 揭示隐性AI：在复杂的企业系统中，隐藏的决策规则和AI模型需要被发掘和优化，这可能成为流程挖掘和任务挖掘的新趋势。
- 咨询需求增长：AI治理已成为众多合作伙伴，从大型系统集成商到专业顾问公司的热门咨询主题。
2024年对于许多组织而言，是转化其AI治理理念为具体行动，从而推动AI成功的关键一年。
趋势7：开始重新定义工作
我们运用人类独特的想象力和聪明才智，构想与机器的全新关系。
当前，大型语言模型（LLM）已经具备了完成至少80%工作者的一些工作。预计到2030年，多达30%的现有工作能被自动化。这引发了对工作本质和未来技能需求的深刻思考，以及如何有效地与机器合作。
到2024年，关键的行动将启动以解决这些挑战。企业领袖和决策者将专注于三个核心方向：
- 向那些工作中已经融入AI助理的专业人士学习。从编程到医疗再到客户服务，这些领域的经验将指导未来工作设计，并确定AI影响较大领域的核心技能。
- 考量虚拟员工对劳动市场的影响。在某些地区，雇主在增聘虚拟员工时必须通知工会或政府。2024年的趋势将是制定反映各方利益和视角的政策和方法。
- 重新界定关键技能，并改进技能培养方式。探讨未来是否更需敏捷的工程师而非仅仅是程序员，以及技能的质量与数量哪个更加重要。2024年将开启关于如何重塑这些能力和重训员工以适应新角色的讨论，并设计教育系统以适应“生成式AI”的新时代。
在美国900多种工作中，96%的工作类型包含一些可以通过技术辅助完成的任务。
公众号后台回复“2024趋势”，可下载原版白皮书。
文章信息来源UiPath官网，由RPA中国编译整理发布。
如有侵权，请联系删除。
