取消
搜索历史
热搜词
原创
活动
转型理念
ENI专访
【CIO说】 第225期

数智化工具实践之RPA+GPT与AI+AIGC:引领企业运营革命

作者:ENI
摘要:在数智化转型的浪潮下,企业如何借助新兴技术提升运营效率和创新能力,已成为行业关注的焦点。近日,在ENI经济和信息化网举办的一场活动中,知名消费品企业CIO Frank在演讲中分享了他们在RPA、GPT、AI、AIGC等数智化实践中的宝贵经验。

  • 知名消费品企业CIO Frank: RPA+GPT在企业数字化中的应用

    “通过RPA从局部试点到集团范围的逐步推广,我们深切感受到了自动化带来的生产力提升。在此过程中,我们也对GPT进行了思考并尝试将其应用于实际场景中。然而,考虑到法律法规的制约,我们并未直接将GPT投入实践,而是将其作为一个思考跳板,更多的转向了AI技术的全面研究和应用。从RPA到GPT,再从AI到AIGC,我们希望在每一个数字化的风口,制造企业都不要落后。”

    在数智化转型的浪潮下,企业如何借助新兴技术提升运营效率和创新能力,已成为行业关注的焦点。近日,在ENI经济和信息化网举办的一场活动中,知名消费品企业CIO Frank在演讲中分享了他们在RPA、GPT、AI、AIGC等数智化实践中的宝贵经验。

    RPA+GPT在企业数字化中的应用

    业务应用:近300个自动化流程成功实施

    Frank分享了团队在RPA领域的探索与实践心得,并总结出RPA应用的五大规律:操作的标准化与固定化是整合与配置的关键,也为后续开发与维护提供了便利;RPA的持续工作能力使其特别适合于高频、重复的工作流程;流程的可复制性,可将采购流程迅速扩展至整个供应链,显著提升了工作效率;在多部门协同场景中,RPA展现了出色的协同布局能力;RPA的长期应用激发团队进一步探索其在管理层面的潜力。

    随后,Frank通过具体案例展示了RPA如何在实际业务中发挥巨大作用。该项目横跨采购、客服、品质中心等多个部门,通过RPA的应用,实现了流程的高度自动化与效率的显著提升。

    在采购环节,RPA将原本ERP系统操作简化为一个步骤,为四名采购人员每天节省了112分钟的工时。在仓储环节,发货流程由RPA在1.8分钟内完成,效率惊人地提升了83%。在客户服务领域,RPA将原本6分钟的材料录入请求处理时间缩短至仅1分10秒,耗时减少了80%。在销售模块,订单录入等任务自动化后,单个订单处理时间缩短至4分40秒,效率提升67%。

    基于上面的成功实践,团队提出了在全链条打通应用RPA的设想。计划分三步实施这一战略:首先在生产销售的前链路中实现与各类系统的无缝对接;其次在五大工厂的所有模块中全面推广RPA应用;最后在每个模块中深入挖掘可从RPA切入的自动化处理细节。Frank介绍到,目前已在全集团范围内成功实施了近300个RPA自动化流程。

    如何推广:先识别行业痛点,再展现应用价值

    “作为一种创新工具,RPA在企业的推广应首先聚焦于找到其局部适应点,然后再到集团范围进行推广。这与我们过去推广BI、ERP或OA等系统的策略有异曲同工之妙——核心都在于先识别行业痛点,再展现应用价值。”

    Frank进一步介绍了推广过程中的三个核心步骤。首先是实现“速赢”,在自动化程度提升22%-45%的阶段,流程自动化显著地将员工从繁重的重复性劳动中解放出来,这一成果在短短三个月内便得以凸显。紧接着,团队对流程进行了全面再造,从IT系统到价值流程,再到RPA的深入实施,都进行了细致的优化,效率能进一步提升13%-38%。最后通过重新设计公司的运营模型、改进工作方式,效率再次提升了7%-18%。

    RPA的推广应用是一个多步骤的过程。一旦明确了RPA的推广策略,便可在整个组织中广泛发掘应用机会,并对其进行深入的价值评估与排序,从而制定出更为精准的自动化实施路线图。Frank介绍到,在实施层面,团队首先获得了公司高层的坚定支持,并在各部门积极探寻应用方向和板块,与业务部门深入沟通具体场景。随后,团队进行全面的业务调研,与场景深度融合,精准抽取关键信息,以评估RPA的可行性。同时,在架构开发和项目实施推广的每一个阶段,团队都注重分享成功案例和经验,以确保整个过程的顺利进行。

    落地过程:实现IT与业务的有效融合

    Frank谈到,从RPA项目需求层面开始,我们聚焦于产品需求和服务需求两大核心。产品需求涵盖工作台与服务器配置等硬件方面,而服务需求则包括咨询、培训与开发等环节的人力资源投入。

    在RPA评估流程上,我们进一步细化了评估标准。除了考虑任务的重复性、标准化程度及人力成本外,还特别重视复用性和科学决策的准确性,赋予其高优先级。同时,也会兼顾实效性和合规性,将其作为中等优先级。最后,考虑人力成本优化,将其作为后续优化的步骤。这样的评分体系有助于更系统地推进自动化流程,实现从人工到自动化的平稳过渡,进而提升整体效率。

    “业务部门提出了众多需求,但在项目启动时我们会与财务、经管部门紧密合作,共同关注整个价值链的关键环节。” Frank提到,为确保项目有序推进,我们制定了详细的12个月拆分计划,并引入评分机制来全面评估流程价值。在评估过程中,我们综合考虑了人力成本、时效性和准确性等多个因素。针对某些非标流程,我们进行了定制化的二次开发,并根据其难易程度和价值链重要性进行了排序。这一做法帮助我们清晰地识别出业务价值链中优先级高、实施难度低的流程,为后续工作提供了有力指导。

    项目上线时,业务部门会再次梳理业务痛点、价值分类和总得分,确保每项RPA实施都经过深思熟虑并满足业务需求。这一过程中,业务部门的决策和财务经管部门的支持发挥了关键作用。项目的成功得益于业务部门的主导和多方协作,这也是许多企业和制造业在推广RPA时需要关注的重要方面:实现IT与业务的有效融合。

    价值体现:自动化就是生产力

    自动化就是生产力。Frank介绍到,在RPA的推广应用中,我们与财务、生产、制造及采购等多个模块紧密合作,一年内成功开发了近4000个应用,累计运行时长突破10000小时,培养了300余名掌握相关技能的员工。为确保推广的连贯性,我们还为不同基地和部门制定了周密的备份方案。

    这一年多来,RPA为企业节省了超过6000人天的工作量,相当于一个RPA能够顶替6名员工的工作,并估算出RPA每年可为公司节省700万的人力成本。Frank继续提到,在使用RPA一年半后,我们进行了全面的复盘,深入评估了其对人效的提升作用。复盘结果显示,在行业中,高达62%的员工每天需花费4.5小时处理数据查找等重复性任务。

    针对这一发现,我们根据员工时间的分配情况,将工作划分为职能性、重复性、判断性和创造性四大类。分析结果显示,一线员工如客服和运营人员主要承担重复性任务,而中高层管理人员则更多地投身于判断性和创造性工作。由此我们得出结论:公司效率的核心竞争力在于员工在非重复性工作上的时间投入比例。为了提升这一竞争力,高管和中层必须聚焦于创造性工作,避免沉溺于琐碎、重复的日常任务。Frank表示,这一洞见也为我们后续在GPT和AI领域的探索和应用提供了有力的指引。

    GPT探索:全员可用的数据搜索工具

    “我们着眼于打造一个全员可用的数据搜索工具,而公司领导希望能更上一层楼,具备深度学习和独立思考的能力。这也是我们GPT应用的主要探索方向。”Frank介绍到,在移动端上,员工可以轻松地搜索数据,并依托云端实现即时查询。通过语音交互,员工能够随时向GPT询问如“华北今日销售额”等关键信息,从而在任何地点都能得到即时的决策支持。

    在使用GPT的过程中,公司领导对数据准确性提出了严格要求,包括对不同方言和文字的精确理解。提问的质量对于获取准确答案至关重要,Frank表示,“为此,我们对GPT进行了专门训练,使其能够根据语境智能调整查询时间,提供更精确的结果。”

    关于GPT的探索,在短期内,GPT的文字处理能力已非常出色;中长期内,我们需要不断提升使用GPT的技巧,提出更有针对性的问题和关键词;长期来看,我们的愿景是让GPT成为公司不可或缺的一部分,融入各个部门的日常工作中。为此,我们设定了2025年为实现这一目标的关键时间点,现在正全力以赴为实现这一目标而努力。但Frank也提到,在推进过程中,我们必须始终关注法规和政策环境,确保一切活动合法合规。

  • 知名消费品企业CIO Frank:AI+AIGC业务实践与未来探索

    AI实践:将经验从20家门店扩展至600家

    在深入探索AI在制造业应用的过程中,Frank介绍到,我们聚焦于算法结构、数据建模及实际应用等多个层面。在算法方面,我们研究了包括遗传算法、基因算法在内的多种先进算法,并将其应用于动态优先级设定、预留模型构建等实际场景中。在数据建模领域,我们引进了高级人才全面负责数据准备、模型训练及上线等关键环节。而在实际应用层面,我们积极探索了AI在生产线自动化、数据采集、智能故障排查等多个领域的广泛应用。

    “相较于传统数据功能需要1-2年的漫长实现周期,我们采用的深度学习方案如RPA和GPT能够在短短1-3个月内快速实现沉淀。更为惊艳的是,引入AI后,我们甚至能在30分钟内开始现场使用,充分展现了AI在快速启动、低成本、高效率及自我迭代方面的显著优势。”

    以我们在华东昆山的实践为例,通过AI算法训练,我们成功将经验从20家门店扩展至600家,并实现了数据模型算法的快速调整,赢得了运营中心的高度认可。在另一案例中,AI数据分析帮助我们及时发现了某生产设备在周二异常高的故障率,经深入调查后,我们迅速制定了有效解决方案,显著降低了故障率。

    同时,我们还携手百度等合作伙伴,共同探索了AI在监控领域的创新应用。通过实时监控生产线员工的操作行为,我们能够及时发现并预警疲劳、不合规或违法操作,确保生产安全。此外,我们还利用AI大模型对订单进行智能排查,实现了人机料法环的产能平衡及跨地区工厂的协同作业。

    AIGC探索:始终坚持从实际出发

    “尽管过去一年里AIGC受到了广泛关注,但不少企业在急于求成的过程中忽视了这一点,过分夸大了其能力。因此,我们始终坚持从实际出发,寻找最适合的AIGC应用路径。”

    通过在设计源头引入AIGC技术,我们成功推动了深度业务场景的变革。例如在设计环节运用AIGC技术创建虚拟代言人、降低品牌宣传成本等创新举措,我们已经充分验证了AIGC在提升工作效率、降低成本以及推动业务模式创新方面的显著潜力。

    尽管AIGC在国内的兴起只是近一年的事情,但我们在实际应用中已经深刻感受到了其在品牌设计、IP代言以及更多潜在业务领域的巨大发展潜力。Frank表示,“展望未来,我们期待AIGC能在财务、人力资源等更多领域实现广泛应用并为企业带来持续的价值提升。”

1 2

更多

分享到微信 ×

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

Baidu
map