随着 AI 的知名度和有效性日益提升，企业有必要思考如何充分利用这项技术实现流程智能。麦肯锡公司研究显示，2024 年企业对人工智能工具的使用量急剧增长，近四分之三的受访公司至少在一项业务职能中应用了 AI 工具。从大型语言模型到各类生成工具，AI 已成为技术领域的焦点，人人都想借助这一工具实现业务突破。然而，在将重要的流程管理任务托付给技术之前，我们必须审慎考量 AI 中的 “智能” 要素。
任何 AI 的效能都取决于其依赖的数据，它缺乏外部的灵感与创造力，只是依据指令对现有材料进行处理。比如，若指令是寻找行为模式，AI 虽能完成任务，但并不理解这些模式的实际意义。在流程管理中，许多 AI 应用依赖于这种模式，流程挖掘便是典型例子。
在流程挖掘中，AI 代理在企业内部系统收集大量数据点，寻找能引起业务分析师关注的模式，进而建议将其作为可通过自动化改进的流程活动。但这种方法存在明显缺陷：一方面，实际创建流程的工作仍需流程专家完成，尽管数据能指出关键要素，却需要人类分析师将其整合为优化后的流程图；另一方面，若系统预设为寻找特定活动类型或功能，可能会错失实现流程卓越的真正契机，因为 AI 只能处理它所理解的流程操作，无法突破训练框架进行创新。
AI 在流程卓越中并非无用武之地，若运用得当，它将是极具潜力的强大工具。我们不应让 AI 盲目地收集可能的流程，而是要将其打造成流程卓越的工匠。具体而言，首先要改变训练方法，不是教 AI 识别可能的流程操作，而是先训练它如何构建一个优秀的流程，包括教授流程编写原则，如从例外中识别日常事务的重要性、任务如何分组为活动以及动作如何引导流程步骤等，为 AI 提供清晰的构建框架。
然后，为 AI 提供构建模块。企业团队日常开展的任务本就需要捕获、映射和优化，一线人员清楚这些任务内容，而传统 AI 可能只能识别部分任务。此时，可将 AI 作为员工的流程合作伙伴，员工通过简单指令，让 AI 检查工作流程，吸收围绕常见任务的操作。这样，AI 无需梳理海量活动和迭代，就能将最佳流程实践应用于明确示例，生成简洁文档，为持续改进奠定基础。业务分析师也能从解读大量 AI 报告，转向实际优化流程执行工作，因为捕获和映射工作已由训练有素的 AI 助手完成。
通过上述方式，AI 能充分发挥优势，让团队专注于实现业务目标。当团队指示 AI 跟踪日常活动时，对 AI 工具的流程方法培训投入，能确保任务转化为可靠的流程文档，且不影响正常工作。流程专家可将重点放在自动化、优化和持续改进上，无需再从基层捕获内容。
人工智能在各业务领域的作用和效力将不断增强，流程管理也不例外。企业应积极探索如何更好地利用 AI 技术，把握通过 AI 实现卓越的机遇。
相关新闻推荐
