相反，我們應該將GenAI視為向更自主企業邁進旅程中的另一個重大轉變或階段。每個階段都建立在前一個階段的基礎上，擴展了可以自動化的流程數量并增加了潛在價值。

為每家公司所擁有的重要但常常手動的工作流程部署更多的流程自動化，是通向GenAI的技術演變中的一個關鍵步驟。對于許多企業來說，這也是它們希望加快速度，解放員工以專注于更具戰略性和附加值的活動的一個可靠起點。 

以下是軟件自動化從RPA到我們今天看到的AI驅動的自動化的演變過程。 

第一代：RPA 

第一代通用的軟件自動化是RPA，可以描述為可以編程來使用“機器人”自動化重復性任務的軟件，可以將其視為為企業提供的額外一雙手，幫助將乏味的任務從員工的待辦事項列表中移除。根據我們的經驗，20%到30%的企業任務可以通過RPA實現自動化，這些額外的手幫助企業降低成本、提高生產力并改善運營。 

以抵押貸款處理為例，進行抵押貸款質量檢查傳統上非常手動且耗時。為了減少這些工作量，金融機構可能會創建一個RPA機器人來審查表格并確保初始數據的準確性，必要時將更復雜的審查交給員工處理。通過RPA進行這種變更可以加快質量檢查過程，減少欺詐，節省資金，甚至使金融機構可以考慮更多的抵押貸款申請，幫助更多客戶購置新房。 

第二代：智能自動化 

過去幾年中出現的第二代軟件自動化是智能自動化，這是機器學習和流程自動化的結合。智能自動化擴展了RPA可以完成的功能，增加了文檔處理、任務和流程挖掘以及處理非結構化內容（如電子郵件）的能力。第二代智能自動化可以使大約30%到40%的組織流程任務和工作流實現自動化，結果是更加完整的自動化工作流。智能自動化將自動化從僅僅是一雙額外的手提升為整個工人，同時支持更大的組織利益。 

作為一個具體的例子，假設一家醫療機構希望實施一個多步驟流程來驗證患者的合規資格。雖然僅靠RPA可以在某種程度上提供幫助，但智能自動化可以用于比較多個來源——網站、患者名單、電子表格、電子郵件、音頻錄音等，以識別誰符合資格以及誰的狀態發生了變化，并向員工提供明確的后續步驟。機器學習為流程自動化提供了優勢，促進了更復雜的自動化，從而將更多的任務從員工的工作中解放出來。 

第三代：AI驅動的自動化 

如今，我們已經進入了第三代，AI驅動的自動化，通過增加大型語言模型（LLMs）和GenAI，使流程自動化更進一步，這項技術可以幫助企業大大擴展更多自主工作流的數量，以創建更精簡和高效的業務運營。AI驅動的自動化的認知和上下文感知能力，通過這些復雜的大型行動模型（LAMs）連接復雜的工作流和企業應用程序，擴展了流程自動化團隊的技能組合。我們估計，AI驅動的自動化有潛力自動化40%到80%的組織流程任務，從而釋放員工的時間，使他們能夠專注于更具戰略性、有意義和有價值的工作，并通過減少企業應用程序中的手動步驟和相互依賴性實現顯著的成本節約。 

為了說明AI驅動的自動化的實際應用，考慮一下醫院中醫療提供者的資質認證過程。傳統上，收集和驗證醫生的資質以提供可接受的護理標準是非常手動的，需要幾個月才能完成。通過將AI驅動的自動化應用于申請過程——自動化審查申請并確定是否滿足標準，同時考慮到其他國家的培訓等細微差別——醫院可以將流程時間縮短50%或更多，使合格的提供者能夠在更短的等待期內獲得執業特權。 

公司通常會經歷每一代自動化，成為一個更自主的企業，支持和賦能員工發揮最佳工作表現。即使在今天有AI驅動的自動化，RPA和智能自動化仍然在當前的自動化旅程中具有優勢。在審視你自己組織的情況時，請問自己：“我們公司目前處于這些階段中的哪一個階段，我們希望達到什么程度？”