[银行RPA案例]利用RPA和AI技术，这家互助银行打造“灯塔”项目

Heritage Bank成立于1875年，是澳大利亚最大的互助银行，拥有60家分行。在其漫长的历史中见证了无数的技术变革浪潮——从打字机到互联网以及两者之间的一切。

然而，这家公司近几年正面临一项新的挑战：数字化。

如今，Heritage正面临一群全新的竞争者，其中包括精通数字技术的初创金融科技公司、纯数字的“新型银行”等。与此同时，澳大利亚强劲的经济吸引来众多全球金融供应商，使得这个行业的竞争愈发激烈。

为满足数字化需求而转型

三年前，Heritage智能自动化和流程优化经理主要负责Heritage流程改进的监管工作，他的团队意识到必须通过让自身营运实现现代化来保持竞争力，但在受到高度监管的金融领域，这件事情说起来容易做起来难。

Johnston解释说，“Heritage正从一家拥有部分数字化的实体银行向一家拥有部分实体的数字化银行转变。我们仍在发展分支网络，并将其视为业务的重要组成部分。但我们同时也在进行数字化发展，无论客户在哪里，我们都能与其进行互动。”

和所有公司一样，Heritage经历了成长的阵痛。

对公司来说，客户体验（CX）和员工体验（EX）是两个十分关键的问题，当然，这也是大多数公司的重要问题。
相关的举措包括优化内部流程以吸引并留住客户和员工，这两者在竞争激烈的金融业都极其重要。毕竟，客户希望在所有接触点都有无缝的体验，与此同时，员工都希望为处于技术前沿的雇主工作。

按照现在的标准，自动化、人工智能和机器学习都处在科技进步和创新的前沿。然而尽管自动化和智能化的需求激增，很多企业却都难以将它们在自己的工作流程中进行实施部署，这也是Heritage开始研究自动化时的处境。

为了提高自动化的开发和执行效率，咨询顾问为Heritage介绍了机器人流程自动化（RPA）的新型解决方案，通过软件为重复性的业务流程任务实现自动化处理，例如发现模式、数据整理以及在客户关系管理（CRM）数据库中填写相关信息以推动销售。

Johnston坦言，他一开始对此持怀疑态度。但当他看到RPA为组织带来真正价值时，他被这项技术打动了。

解决方案：UiPath RPA平台

在Forrester Wave报告中审查过多家领先的供应商之后，Heritage调查了UiPath——这是一家通过快速实现流程自动化来简化数字化转型之路的企业。

UiPath在Heritage自动化道路上的每一步都提供了引导，为其团队提供帮助并全面阐释RPA的工作机制。
自2017年开始使用UiPath以来，Heritage已经成功为大约80个面向客户的后台和中台流程实现了自动化。这些流程分布在运营、支付和联络中心服务等各个领域。

Johnston现在拥有一个由全职RPA开发人员组成的小团队，和银行中的业务冠军一同在公司的RPA卓越中心（CoE）工作。他们一起训练机器人学习业务流程，然后为这些业务流程实现自动化。

“这些机器人正在围绕欺诈警报向银行核心系统输入信息，”Johnston解释说，“他们将备注录入我们的客户关系管理系统，这些备注和地址发生变化的转账、支付处理以及众多其他事情有关。我们的机器人甚至会在公司内网上发布促销、周年纪念和生日信息等。”

不过，直到最近，Heritage才将人工智能（AI）纳入到他们的工作流程中。

Heritage是如何发现AI和AI Fabric的

下面是Heritage发现第一个AI使用案例的详细过程。

金融违法行为报告

Heritage的AI之旅从一个RPA用例开始。

Heritage的相关团队偶尔会与执法部门合作，生成交易记录和其他数据。当必须从核心银行系统、CRM系统和其他应用程序中手动提取数据时，这个过程将会非常耗时。

使用UiPath，Heritage创建了一个机器人，它能够理解输入指令（例如时间、日期、地点和交易类型），并从多个系统提取数据来编写报告，从而避免无数个小时的繁琐劳动。

在这个项目完成不久后，团队又收到其他请求，来改善贷款业务的生活指出报告管理

生活支出报告

监管机构向金融机构施加的压力正愈发增大，要求他们在评估贷款时更好地调查生活支出。与之前的案例一样，此过程涉及手动从多个数据来源中提取数据。

Johnston的团队需要找到一种方法来筛选来自不同地区的大量数据，定位特定类型的交易，并迅速将其分类。该团队构建了能够挑选关键词并对特定交易进行分类的自动化原则。当时，这个系统能够对大约40%到50%的交易进行分类——这意味着仍有大量人工劳动不可避免。

此时，Heritage团队面临的是一个真正的机器学习挑战。团队需要找到一种方法，在远超自身熟悉的更大规模上对交易进行分类。他们请求UiPath团队介入并帮助构建和测试一个定制的机器学习模型。当UiPath使用了其AI Fabric平台后，AI正式进入了Heritage。

AI Fabric是一种工具，它允许数据科学团队和RPA团队使用拖拽式开发、专有和自定义模型、模型版本化及更新后的端到端可见性、性能更新等功能，快速将AI应用到RPA工作流程中。

在AI Fabric和UiPath自定义模型的帮助下，Heritage有望在生成生活费用报告时对大约90%的数据挖掘流程实现自动化。

Johnston说，“12个月前，这个流程中为每项贷款申请增加了一小时的人力投入。我们正在做大约1000个在线申请，其中不到一半来自现有客户。所以，500个贷款需要500个小时的手工劳动。这严重延误了贷款申请的流程。”

如今，借助UiPath，金融从业人员可以自由办理更多贷款。此外，贷款申请过程也比以前快得多，这反过来也改善了Heritage的CX和EX。

其他潜在的AI用例

Johnston指出，除去金融犯罪和生活费用评估外，团队还可探索其他自动化机会。它们包括：

• 自动验证。验证返回文档非常耗时。人工智能可以进行文档分类，并提高该流程效率。
• 客户管理。有很多可以提高数据质量的机会。例如，通过识别客户移动模式并确定移动者及移动原因，供应商可从中受益。
• 客户服务。公司可以利用AI创建次优报价，让客服人员在打电话时更有效率。通过使用AI Fabric，可以在客服人员与客户沟通时，通过有人值守机器人提取模型、收集数据，并将信息快速传递给联络中心的客服人员。

使用AI进行自动化时常见的障碍

作为一个高度专精于RPA和AI技术的人，Johnston通过解释如何克服障碍，为考虑开展自动化项目的金融公司提供一些明智的建议。

1. 资本争

很多时候，公司就只是简单地缺乏资金来投资自动化和智能技术。
Johnston解释说，“互助银行的一个独特的挑战便是资本争夺，在互助银行，我们增长一级资本的唯一方法便是留存收益。用一种高成本效益、高效率的方法进行自动化的必要性很大。我们在技术上投资的每一块钱都将不再能用于投资增加银行贷款。所以，我们需要比大多数其他机构都更紧密地平衡投资和增长。”

2. 寻找顶尖人才

如今，大多数金融公司希望使用的数据分析类型都要求开发者的技能超过一般水准。他们需要专业的工程师和数据科学家，而这两者都很难吸引，雇佣和留存的成本也很高。因此，目前全球在数据科学、自动化和人工智能方面存在着巨大的技能短缺——这使得大规模实现自动化变得困难。

3. 组织结构

在大多数公司中，数据科学团队和RPA自动化团队彼此独立运作。这使得将人们聚集在一起进行项目协作变得很困难。

Johnston解释到，“数据科学和自动化团队经常是分离的，然而，在我们的组织中，这两个团队都要向CFO汇报，某种程度上来说这很少见。在IT、财务和运营部门，我们都有数据和自动化团队在工作。这也可以成为业务中关乎其他职能的战略。虽然将两个团队聚在一起富于挑战，但我们并不需要太多去想是否应该把他们聚在一起来解决同一个问题。从自动化的角度来看，有很多唾手可得的、相对简单的、基于规则的流程可以进行自动化实施，而这将让大多数组织忙上至少好几年。”

4. 执行ML模型

AI Fabric是一个机器学习模型交付系统，它能够让组织将机器学习模型投入实际使用，并帮助组织从模型中提取商业价值。替代性的解决方案通常非常复杂、昂贵，并且需要安装第三方软件。

这是企业在实施和扩展AI技术时的最大障碍之一。数据科学家通常需要花费他们工作时间的25%来部署模型，这些时间原本可以用来理解使用案例和构建模型。

重新思考自动化

Johnston和他在Heritage的团队成员对于UiPath的解决方案十分满意。Johnston表示，AI Fabric尤其易于使用；它很灵活，可以用于任何类型的自动化。

需要指出的是，UiPath在技术上被Gartner归类为超自动化公司，Gartner将该领域列为2020年十大战略技术趋势之一。
UiPath提供多种多样的人工智能解决方案，让客户能够实现更多流程的自动化。例如，UiPath为文档理解、计算机视觉和流程理解提供了解决方案。

RPA团队应该更广泛地考虑通过AI和RPA技术的结合而可以利用的自动化机会，同时，更多的公司需要接受由自动化来驱动数字化转型的理念。企业需要提高和培养自动化和数据科学技能，组织需要开启一场广泛的、跨组织的观念转变。

提示：为了成功，专注交付

不能只将思想局限于对AI技术的有效管理。为了让技术能够真正扩散，组织高管和管理层需要看到更多的实际成果。
在一项研究中，大约20%的公司表示他们期待大规模部署人工智能。

2019年，只有大约4%的公司表示他们计划在整个企业中部署人工智能，而许多其他公司还停留在试点阶段。很大程度这是因为，企业认为在扩大项目之前，它们需要专注于理解人工智能的基本原理。因此，许多公司都在原地打转，未能有效推动业绩成果。

为了获得最佳结果，企业应该考虑从单一用例开始，了解该特定流程的基本原理和业务影响，然后以系统的方式将该流程推广到其他用例上。

在数字化转型中，这被称为“灯塔”项目。其理念是试验一种新技术，然后在不同的环境中战略性地部署“灯塔”。