机器人程序自动化（Robotic process automation/RPA）：软件机器人，或者说「bot」，可以通过模仿人类与软件应用程序的互动方式来执行日常业务流程。企业开始采用 RPA 配合认知技术（比如语音识别、自然语言处理、机器学习）来自动执行感性的和理性的、曾经是人类专属的任务。[8]

二、机器智能如何创造价值

对于 CIO 来说，应用机器智能将需要一种新的数据分析思考方式——它不仅仅是一种创建静态报告的手段，也是一种利用更大、更多样的数据语料库来自动执行任务和提高效率的方法。

在机器智能方面，以下是可供 CIO 参考的一系列机会：

认知见解（Cognitive insights）：机器智能可以提供深度的、可操作的可视性——不仅是针对已发生的事情，还有正在发生和即将发生的事情。这可以帮助企业领导人进行预先决策以帮助工作者提高其工作表现。例如在全球各地的呼叫中心，服务代表使用多功能的客户支持程序来进行产品答疑、订单处理、帐单问题调查及其它客户服务。在很多这样的系统中，工作者一般必须在屏幕之间来回跳跃以访问所需回复特定查询的信息。

认知参与（Cognitive engagement）：机器智能价值树的下一个层次是认知代理（cognitive agents），即采用认知技术来与人进行交互的系统。目前，这种技术更多应用于消费者服务而非企业服务。它们响应语音命令来降低恒温器温度或打开电视频道。然而也开始出现了一个新的应用领域，有一些商业任务和流程可受益于这种认知参与。它们或许能提供复杂的信息，执行一些数字任务，比如病人入院或推荐产品和服务。它们可能会在客户服务方面提供更大的商业潜力，也即认知代理可能通过处理帐单或帐户交互、应付技术支持方面的问题以及回答员工人力资源相关的问题来取代一些人类代理。[9]

认知自动化（Cognitive automation）：在第三个——可能是最具破坏性的一个——机器智能的机会中，机器学习、RPA 和其它认知工具深入发展特定领域的专业知识（例如产业、功能或地区方面）然后自动化相关任务。我们已经看到设计有自带机器智能的设备用来自动化那些传统上由训练有素的工人所进行的工作。例如，一家医疗保健初创公司正在应用深度学习技术分析放射学图像。在其测试中，该系统在判断恶性肿瘤方面已达到人类放射专家 50 % 的准确度。[10]

在教育领域，嵌入于线上学习计划中的机器智能性能模仿了一对一辅导的优点，即通过跟踪学习者在问题处理任务期间的「心理步骤」来诊断他对知识的错误理解。然后它们向学习者提供及时的指导、反馈和解释。[11]

三、来自先行者的经验教训

协作机器人（CO-BOT），而不只是机器人（ROBOT）

面对长期的低利率、竞争的加剧以及不断变化的客户和市场的动态所导致的成本压力，全球保险商美国国际集团（American International Group Inc./AIG）启动了战略重组来简化其组织和提高运营效率。其中一部分内容涉及了对日益增加的技术债务以及一个努力维持运营稳定的分布式 IT 部门的处理。

据 AIG 全球首席技术官 Mike Brady 称，通过将 IT 部门重组成一个向 CEO 汇报的单一组织，AIG 奠定了创造新企业技术范式的基础。这一转型的第一步涉及基本能力的建立，为此该团队制定了一个分成三部分的方法：

稳定（Stabilize）：整体网络性能需要改进，因为用户几乎每天都会经历十分严重的中断，而且虚拟网络性能每周都会下降一次。

优化（Optimize）：此策略专注于自助服务、自动化和成本效率。

加速（Accelerate）：为使处理进度迅速向前推进，该团队实施了一个 DevOps 战略来创建一个连续集成/连续部署工具链和流程流了来实时地部署软件。