機器學習技術的發(fā)展已使人們能夠從企業(yè)的各種結(jié)構化或非結(jié)構化內(nèi)容中提取更多的信息和情報。

據(jù)行業(yè)人士分析，有兩種力量正在推動機器學習技術和其他支持人工智能技術的使用激增：非結(jié)構化內(nèi)容的驚人增長和使用機器人流程自動化（RPA）可以實現(xiàn)與內(nèi)容相關的流程自動化。

Cognilytica說，在文檔、圖像、電子郵件、在線數(shù)據(jù)和視頻之間，企業(yè)中高達90%的內(nèi)容是以非結(jié)構化數(shù)據(jù)的形式出現(xiàn)的，并且以每年驚人的55%至65%的速度增長。

因此，調(diào)研機構Everest Group Research公司表示，智能的自動化技術正在使用機器學習，其中機器人流程自動化（RPA）與內(nèi)容相關的流程相交并且互操作。機器學習技術的發(fā)展使得人們有能力從企業(yè)的各種結(jié)構化或非結(jié)構化內(nèi)容中提取更多的信息和情報。

機器學習是指使機器能夠以監(jiān)督和無監(jiān)督的方式“學習”從而提高準確性和性能的軟件。在涉及捕獲文檔和使用機器人流程自動化（RPA）進行處理的過程中，機器學習和其他人工智能技術可以從數(shù)千種不同的文檔中學習，例如處理發(fā)票或處理供應商訂單。

盡管如此，Digital IQ技術和解決方案全球提供商ABBYY公司創(chuàng)新官Anthony Macciola表示，組織在使用機器學習解決方案時通常會犯五個常見錯誤：

數(shù)據(jù)點1：過于復雜的機器學習功能

為了訓練基本的非結(jié)構化內(nèi)容用例，組織有可能使用需要大量數(shù)據(jù)的機器學習工具。使用經(jīng)過驗證的機器學習工具，這些工具包含高級算法，可以使用小數(shù)據(jù)集進行訓練，并且可以在幾個小時內(nèi)完全投入生產(chǎn)，而不需要在一個樣本集中使用數(shù)十萬個文檔來啟動項目，這可能需要數(shù)周甚至數(shù)月的時間。

數(shù)據(jù)點2：過于依賴機器人流程自動化（RPA）

機器人流程自動化（RPA）通過連接到原有系統(tǒng)和外部數(shù)據(jù)源來提高效率而備受贊譽。它可以快速部署，其數(shù)字工作者易于配置，一旦就位，他們就可以像人類一樣執(zhí)行工作。機器人流程自動化（RPA）和機器學習技術之間的最大區(qū)別是機器人流程自動化（RPA）專注于重復的結(jié)構化工作，而機器學習旨在理解結(jié)構化和非結(jié)構化內(nèi)容。機器人流程自動化（RPA）需要機器學習技術來為其數(shù)字工作者提供智能內(nèi)容，從而為他們提供認知技能，以提取有用的信息并獲得智能，從各種形式的內(nèi)容中學習，獲取文檔的含義和意圖以及增加決策能力。

數(shù)據(jù)點3：假設他們知道將機器學習技術應用于何處

企業(yè)啟動自動化項目時，并不總是選擇要啟動的正確流程。這是因為許多公司在組織過程知識上被分隔開來。此外，高層管理人員不參與日常工作流程，也缺乏流程文檔，因此越來越難以真正發(fā)現(xiàn)哪些流程已準備好進行自動化。在項目開始之前，將流程智能結(jié)合起來，將使企業(yè)全面了解在何處應用機器人流程自動化（RPA）和機器學習解決方案，以及它們對組織的預期價值和節(jié)省——所有這些都基于數(shù)據(jù)，而不是基于意見或偏見。

數(shù)據(jù)點4：錯過高價值的業(yè)務案例

通常，企業(yè)將依靠常規(guī)知識并選擇常發(fā)生的任務，因為它看起來可以帶來很好的效果。但是，這種臨時的流程選擇方法可能會忽略其他帶來更好投資回報機會的商業(yè)機會。雖然從對組織的干擾或與終用戶的交互影響小的區(qū)域開始是完全可以接受的，但是應該記住如何在整個組織內(nèi)快速輕松地“登陸并擴展” 機器學習。

數(shù)據(jù)點5：認為可以一勞永逸

這項工作并不僅僅是因為企業(yè)已經(jīng)訓練了算法并部署了數(shù)字工作人員。通過監(jiān)視和衡量自動化對上游和下游的影響來確保持續(xù)的協(xié)議遵從性，并防止瓶頸轉(zhuǎn)移和可能對其他地方的流程產(chǎn)生負面影響。監(jiān)控數(shù)字勞動力以及實施整個端到端流程與規(guī)劃和執(zhí)行同樣重要。