人工智能现在已经强大到足以实现后台办公的自动化

那么，人工智能到底是如何优化更普通的后台功能的呢?

看到后台自动化带来更大好处的公司是那些专注于相同主要领域的公司:会计、IT和人力资源。从取代财务部门的手动数据输入和发票到人力资源部门的表格填写，看到更大性能的组织要么正在实施，要么已经引入了自动化。

并且根据自动化无处不在，这些具有数字思维的首席信息官知道，为了增强他们面向客户的体验，他们的后台职能也需要有效和集成。

自动化是推动数字化转型的明显催化剂，它预计到2025年，70%的组织将实施…自动化以提供灵活性和效率。为了加强预期的增长，统计预计自动化市场到2025年将达到近2.18亿(约2.65亿美元)，2020年将达到约1.44亿(1.75亿美元)。

尽管自动化在飞速发展，但一些办公部门采用自动化的速度很慢，或者不太可能。管理大量敏感流程的部门需要一定级别的情商比如说。人力资源和法律部门可能会落后于采用，法律部门也面临着遗留态度的挑战。尽管人力资源的招聘方面肯定会受益于自动化，但随着企业采用简历筛选工具，心理测验，以及其他数字流程。

而是知道从哪里开始。有许多因素需要考虑，包括财务和技术因素，此外还有反对引入自动化的态度，以防这会影响他们的角色。这是一个权衡，以确定是否值得去除人为因素。

迷失在翻译中

组织必须问自己的第一个问题往往是澄清术语本身。“你在找什么，机器学习或人工智能?你知道区别吗?大多数公司不会。他们认为机器学习和人工智能只是同义词——但事实并非如此。"

科技公司，机器学习是一个完全被动的——而且昂贵得多的——工具，而人工智能允许将过程教给工具。机器学习被错误地视为只需最少努力就能实现的完美解决方案。事实上，选择它来完成它不适合的任务是非常昂贵的，类似于激光眼科手术(LASIK)的早期采用者。现在这贵得吓人，“这就像LASIK手术刚推出时每只眼睛10万美元一样。好消息是，价格正在下降，你会觉得它只有500美元。”

与此同时，对于构成关于人工智能对话的三个关键术语是自然语言理解(NLU)、自然语言处理和自然语言生成(NLG)。用儿童学习说话的比喻来描述他的公司在广泛的行业和部门中使用的技术。首先，学习如何理解来自父母的命令，然后学习这些命令的情感，然后开始理解意义。然而，直到后来，他们才以一种有意义和有见地的方式来表达这些话。

尽管受到批评，还是将人工智能，作为改变世界的工具。总有一天，我会和我的机器说话，它们会和我说话，给我我想要的信息。我认为是一项革命性的技术，它将改变世界，改变我们与系统交互的方式，改变我们从数据中获取信息的方式。

自动化可能是一列失控的火车

在大型企业的情况下，不仅仅是人工智能可以为他们的客户做什么，而是人工智能如何帮助他们扩大自己的业务。我用这个类比来说明自动化列车以大约100英里的时速行驶，人类技能以每小时10英里的速度行驶，这两列火车最终需要汇合。阻碍人类技能的问题在于各自公司的高管。他们没有投资人类技能来提升未来。"

虽然人工智能在后台自动化方面的价值最常被引用的指标是节省的时间，但核心应该是改善员工的环境。围绕人工智能使用的培训和教育应该包括简单任务的自动化如何让员工从事更有成就感和基于技能的工作，即使由于自动化而减少的600万小时工作对利润是积极的。

接下来发生的是，当你雇佣一个税务人员，或者一个财务人员，或者一个人力资源人员的时候，你雇佣他们是因为他们拥有最高级的技术技能，你不会雇佣他们去做基本的、平凡的工作。

增加而不是消除人情味

实施此类项目的一个主要问题是锚定输入这些系统的数据。这个问题的核心是人类制造的偏见。现在遇到的主要问题与偏见和公平有关，以及人工智能是否只是自动化人类的偏见和偏见，这肯定是我们已经看到的。

尽管这些数据最初可能看起来没有偏见，但人工智能工具往往会定位代理变量，这些变量可能会使数据严重偏向传统上富裕或同质的地区。这是对以人为本的关注的补充，比如当他们的工作不再存在。“这类软件的目标基本上是消灭人类。因此，我们确实面临着如何处理这类问题并试图解决它们的问题。”

虽然的前景将人类从劳动力中移除行业数据显示，这是一个令人担忧的问题IT专业人员他们希望增加工作岗位，而不是减少工作岗位。“我们是一种增强工具，而不是人类的替代品，”他现在(完全去除人类)是不可能的，不知道这是否真的有可能，与人类一起工作。

当与许多工程师和技术人员(尤其是开发人员)交谈时，总是指出，就像你作为开发人员的工作是编写告诉计算机如何操作的代码一样，律师的工作几乎就是编写告诉人类、组织、实体如何互动以及如何在他们的关系中操作的代码。

与此同时，可以为提出要求的员工组织一次不在办公室的回复。这个可以告诉员工，在任何一天，他们的同事坐在办公室的什么地方，并建议可能的午餐时间。尽管如此，自动化业务的某些方面并不感兴趣。例外是道德或纪律问题。尤其是通常由人力资源团队处理的问题，是非常微妙的情况。