聽過史上著名的「電車難題」嗎？

失控的電車行駛在軌道上，此時若左轉將撞向五人；直走會撞向一人，該如何做抉擇？

如果這是一台具備自動駕駛能力的電車，它可能會運算出風險與機率，最終選擇直行撞向一人，將損傷降到最低。但試想，我們是否能有更好的選擇？讓電車習得如「薩利機長」（Sully）的智慧，選擇第三條路徑——設法脫軌摩擦山壁停下，保護所有人不受傷。

如果今天這是一台具備被「超自動化」賦能的電車，也許，它就能擁有更多的決策與風險判斷力。可以視為，當「自動化」（Automation）加上了「超級」（Hyper）的自主學習能力，達到「超自動化」；就如同「英雄」進階成漫威的「超級英雄」，將帶來劃時代的改變。

何謂超自動化？企業該如何定義超自動化？

「超自動化」已連續三年入選技術趨勢報告，包括最新發布的Gartner《2022年全球十大技術趨勢》，成為入選次數最多技術之一。

Gartner預測，到2024年，組織將超自動化技術與經重新設計的營運流程整合，可協助將營運成本降低30%。

「超自動化」這詞最早於Gartner《2020年十大戰略性技術趨勢》所提出，它能快速識別、審查和自動化業務與IT流程，其整合包括AI、機器學習、RPA（機器人流程自動化）、低／無程式碼平台和流程管理工具等多種技術和平台，以「業務驅動」（Business-Driven）的方式，協助企業協作各項智慧技術，實現各類營運場景。

簡言之，「超自動化」像一個翻轉營運的流程，讓機器擁有較高程度的自我判斷能力，複製人們在自動化過程中所參與的工作，協助企業能夠以高效率、低成本的方式，最大化地實踐企業經營自動化。

檢視自身「超自動化」的成熟度，你踏上旅程了嗎？

我們究竟離超自動化有多遠呢？以下以SAS歐洲區超自動化領域負責人尚農（David Shannon）提出的決策能力成熟度模型來分享：

第零級，未自動化（Process）：手動流程和人為決策。

業務流程全仰賴個人作為，經驗、知識累積緩慢，且難以在組織內被複製與轉移。

第一＆二級，自動化（Automation）：支援決策（decision support）／增強決策（decision augmentation）。

人與自動化的流程、機器一起工作，如RPA可以支援流程自動化，替我們減少部份價值相對低且不斷重複的日常庶務；並且部份決策開始引入進階分析，和可解釋的分析模型等支援人類做出更好的決策。

第三＆四級，超自動化（Hyperautomation）：決策自動化（decision automation）／自主決策（autonomic decisions）。

決策可以自動產生之時，超自動化就真正實踐了。也可以理解為，當流程涵蓋到思考決策時，就已經可稱作「超自動化」；這時的流程無需人工的介入與干預，即可觸發、執行和結束，人為決策僅須在有提高價值或法律要求時，才需進行干預。

而要達成如此的「自主決策」，為決策流程中成熟度的最高境界，代表流程能不斷地學習、適應與自我改進與修復。

讓我們來看看某亞太區銀行，導入超自動化於信用卡業務場景中的案例。

該銀行面臨需跨入一新興市場，且許多顧客缺乏信用紀錄的情形，難以進行信用審核評估及核卡。該行導入超自動化解決方案後，從源頭的資料整併起，使用客戶社交網路、電信公司、甚至電商採購的歷史蹤跡，揭示客戶的行為模式；接著引入自動計算風險評分，快速評估新客戶的信用水準，並決定是否核卡。

現在，他們在短短五分鐘內便能決定信用額度，當場就發卡給顧客，客戶轉身就能啟用消費；對比一般金融機構要幾天的作業時間，立即拉開客戶體驗差距。在導入超自動化的前五個月內，就發行了1.1萬張信用卡，總信用額度達1,100萬美元；預計可在未來一年內，擴大至20萬張信用卡。

超自動化能替企業帶來什麼效益？

然而，超自動化真的能帶我們飛？抑或僅是一個華麗的新詞藻？

為了更確定超自動化的效益，SAS早先打造了一個超自動化概念驗證平台，並以銀行業信貸場景應用作為試驗，我們稱之為「AI銀行」（AI Bank）。

「AI銀行」的打造是應用微服務（Microservices）架構，整合所有傳統系統、串接第三方金融科技API、開放銀行數據等，協助銀行業複雜的客戶旅程，實踐端到端的自動化。我們在其中看到它展現出幾個顯著效益：

1. 初次接觸就達成體驗最佳化

與客戶的初次互動體驗，往往是引入新客最重要的一環。若與客戶初次接觸時，能同時達成身分驗證（KYC, Know Your Customer）、迅速掃描分析反洗錢（AML）風險，還可將所有顧客操作程序複雜度降至最低，除了搶下第一印象，更能捍衛企業風險。

AI Bank就在此技術基礎下，與開放銀行、金融科技服務等數據相整合後，還大幅簡化客戶認證的旅程。如傳統銀行需要50個信貸申請的頁面站點才可完成，AI銀行僅需五個頁面站點；核貸時間也從五天，縮短至僅需三分鐘即可完成。

2. 保護客戶遠離詐欺犯罪

數位化的發展，也為金融詐欺犯罪提供了更多的詐欺途徑，銀行需要使用擁有的數據來快速識別可疑的犯罪活動；但傳統銀行的「資訊孤島」狀況，以及繁多手動作業與低效流程，限制了銀行識別與打擊詐欺犯罪的敏捷性。導入超自動化後，銀行可將詐欺建模、風險建模評分等嵌入每個業務流程，可迅速識別可疑行為、追蹤潛在詐欺犯罪，並自動預先阻止或追查他們的行徑，以防止損失發生。

過去要讓這些AI模型進入營運環境需費時好幾個月，但應用超自動化的「AI銀行」則僅需30分鐘。

3. 增強勞動力與協助員工技能提升

AI銀行協助銀行節省五分之一人力，整個信貸流程從需要100%人力支援，到其中僅20%需要人力介入。超自動化帶來的影響，就像將原先僅能說一動做一動、靠規則設定（rule-based）的自動化系統，從菜鳥小助理蛻變成具有獨立思考能力的資深助手。除了能照樣將基礎、重複的業務完成外，還增加了判斷能力，多帶了大腦來上班！

如此能釋出原先需全力投入在此的人力，讓員工專注於監管「資深助手」、創新業務與客戶服務等更具有價值，且機器無法取代的業務上。

4. 提高投資報酬率（ROI）

ROI為企業衡量技術投入的關鍵指標，也是最強誘因。超自動化讓企業內的數據更好地流通、加速決策流程，降低人力成本，同時也提高運行績效。如AI銀行便成功地讓完成信貸的人數，較傳統銀行增長超過三倍；換言之，信貸業務也增長了三倍。（延伸閱讀｜AI如何找回「變心」的消費者？2022年零售業五大新規則）

永遠不能忽略的前提：負責任的創新

引入了超自動化的解決方案後，人類在許多領域上皆擴增了能力；但若沒有人為適當的介入與監控，某些技術可能會失去控制，轉變為傷害人類的能力。

SAS近期便發起了「負責任的創新」行動，對內實行SAS數據倫理措施（Data Ethics Practice），其中負責措施的總監湯森（Reggie Townsend），近期更被任命為美國商務部國家人工智慧諮詢委員會成員，為美國總統與美國國家人工智慧辦公室提供建議。

SAS希望能確保在一切的科技與技術發展中，皆本持著科技應為人類謀取更大的福利的原則，而非帶來更多隱私風險以及種族、性別等偏見。

當我們借力AI、超自動化之時，實踐負責任的科技創新並非附加條件，而是必要條件。倘若人工智慧無法公平、公正地造福人類，便無法達到權衡與平衡，帶領人類取得更深刻的理解，開創更美好的新世界。