你是否接到更多的AI广告电话？是否越来越难以寻求人工客服的帮助？随着科技的发展，系统中越来越多的出现自动化处理模块，用来提升系统处理效率。那么，如何理解自动化处理系统？在何种场景下可以应用？如何搭建自动化处理系统？本文将试图回答这些问题。
认识自动化
信息技术的发展，可以初略分为信息化、自动化与智能化三个阶段。当前，系统可依据输入的内容自动化输入反馈信息，可极大提高工作效率，更好为用户/客户服务。
何为自动化？
自动化在百度百科中的解释：是指机器设备、系统或过程（生产、管理过程）在没有人或较少人的直接参与下，按照人的要求，经过自动检测、信息处理、分析判断、操纵控制，实现预期的目标的过程。采用自动化技术不仅可以把人从繁重的体力劳动、部分脑力劳动以及恶劣、危险的工作环境中解放出来，而且能扩展人的器官功能，极大地提高劳动生产率，增强人类认识世界和改造世界的能力。
那么指针对在软件行业中，我将此提炼为：自动化是指系统按照设定要求，经过自动计算、分析判断，实现预期目标。采用自动化技术，可提高使用者、被服务者的操作效率与使用体验，增强经济效益。
自动化的价值与意义？
系统自动化处理，将极大提高人员工作效率，从繁重重复的工作中将人解放出来，提高工作效率，将生产力放置于更有价值的地方，更多的创造价值。
应用自动化
系统搭建业务运转过程中，会积累产生很多数据。所产生的数据往往很多以单据形式存在，在业务处理时，往往存在大量的人工处理环节，其大致可以分为几类：A、数据量大处理费事，如财务账单审核等；B、数据量小需及时处理，如业主维修订单等。借用系统自动化处理可极大提高效率。
何种场景可以自动化？
场景一：人工操作机械重复，但可以通过逻辑判断处理，其输入输出可以枚举。如派单，在小区下个维修单后，可以通过维修师傅负责片区或负责类型，自动派单给他，维修师傅在接受到该维修单后，可判断自己是否可处理，若可以处理则自我解决，若无法处理则转交他人。在这个过程中，第一个派单中，其判断逻辑清晰，输出结果可以验证真伪，故可以自动化处理，在自己无法处理转派时，其带有现实中复杂的情况，如维修零部件缺失、业主上报事件错误等，无明确处理逻辑或无法枚举结果，故无法系统自动处理。
场景二：无复杂操作，但可极大提高用户体验。如人工客服中，若在系统设定上班时间为9：00-20：00，则用户输入反馈内容后，会提示当前客服已下班，可留言明天处理等；均为增加简单设置后可极大提高对用户体验。
场景三：针对无明确最优解，可通过计算得出较优解，但若人工操作工作量大。如滴滴下单后分配司机、如京东下单后分配出货仓库。在滴滴下单后，虽司机可以抢单，但超时未接单时，其会分配司机接单，该分配逻辑结合司机位置、目标路径（上车下车点）、司机常跑区域等内容，计算得出较优解；此时需注意，该司机针对单笔订单无法证明为最优解、但与人工处理派单相比，从大量数据出发相比，其一定优于人工操作。
场景四：新技术的出现，如语音识别、图像识别等，为利用新技术模拟人脑决策后，可以在部分领域中替代人操作的技术（笔者了解不多，有误请指正）。如客服，目前可模拟人工对话等。该种技术可在部分领域自动化判断，替代人力，但其为技术角度需不断迭代优化，故不在本文考虑。
如何信任自动化？
在落地使用中，因会出现业务方对系统的不了解，存在不同程度的疑惑，在上述分析中，不同场景下其难易程度不同，其信任程度也不同。
针对场景一，在系统自动处理单据中，因不同判断标准具备灵活性，故在实际使用中，往往需要实际运行一段时间，基本2周左右，若无问题产生，均可获得业务信任，其难点在于如何考虑完整的输入输出，对于异常行为能进行系统兼容化处理。
针对场景二，在系统自动设置中，其有明确判断标准，只要规则清晰，在经过测试后，均可令人信服，其在实际落地中，难点在如何从用户、从业务角度出发，带来更好的体验设置，可支持更多的可配参数。
针对场景三，在系统代替人工自动做决策时，存在业务方无感知的情况，故向业务方证明系统的价值是有必要的。其在使用中，可能出现单个处理合理性很低的情况，容易遭到业务人员的巨大反力，故在实际推动中，需建立大量数据处理监控平台，跟踪总体数据监控运行指标无明显偏差，还需搭建异常监控，对单个个体存在巨大偏差的进行人工校正。获得业务信任需注意两点：1、总体比人工处理效果好，且处理效果好，迭代后可持续优化；2、偏差可控，不可结果之间差异极大，否则会带来极大的不信任感。
搭建自动化
在自动化搭建中，重点主要在系统自动处理逻辑。在系统中，搭建自动处理模块，服务端在处理相关相关业务模块时，先调用该模块，进行判断分流，若符合设定规则，则按照规则返回设定结果。故在自动化搭建中，需重点考虑搭建规则设置模块。
基本考虑逻辑
搭建设置模块，一般依据业务机制，搭建或简单或复杂的规则块。搭建规则的原则为：不重不漏，彼此独立，设定规则的目的为：快速处理、达到预期，在设定规则时，需保证每一种类型均可在系统内按照设定流转，但不可出现模棱两可的判断节点。如在系统按维修地点下单时，那只需按照下单人所在区域（可地理围栏、可按行政划分如小区社区名称），在不同范围配置不同人员即可，在设定配置时，不可一个区域配置2人，此时系统将出现2个解，不符合目的，需增加其他后续逻辑判断，将结果筛选为一人。还是刚才的例子，若维修人员很累，需换班操作，如一三五为A，二四六为B，周日日不处理，那系统在处理判断时需按地理围栏先行判断，再按照人员上班日期进行分派，那遇到周日时，可以按业务处理，如按预期上门时间分派对应人员。同时也可遇到意外，如A近期身体不舒服去了医院，希望B顶替，故需要人工介入操作，可以人工转派。
对于此类问题，在搭建系统时，若流程简单，则产品设计相对简单，在此不多加描述。在逻辑复杂时，为系统搭建中考虑后续拓展性与兼容性，需按照每一层级不同的判断标准，进行不同配置，并在层级间建立绑定关系。还是按上述例子，在配置时不可直接按区域划分，直接在上面设置A为一三五等，虽然这种设计可满足当前场景，但其不利于拓展；可按如下设计，先分析该逻辑判断，其为2层判断，地理位置为第一层，时间为第二层，故需先按区域划分，并增加时间规则配置模型（如模型1为全周，模型2为一三四，模型三为二四六），再建立地理位置与时间配置的绑定关系，后再建立人员与规则的绑定关系。如此建立，可为后续拓展判断逻辑提供支持，也可为当前逻辑判断增加更多扩展性。
业务中结合算法的思路
随着技术的发展，复杂系统中越来越多的利用算法，在大量难以通过明确逻辑判断的事情下，通过算法的大量计算得出最优解，将解决更多的场景，如之前提到的滴滴分派司机。此种处理方式，因在公司中，多为算法工程师专门解决内部复杂逻辑及落地实现，故笔者仅从产品角度分析如何推进该问题。算法因其不可完全确定的计算结果，故首要解决的是目标结果，即通过该算法，其目的是何，其结果可以有多个目标，其在目标中可以有刚性目标，也可有弹性目标，但需确认其中的优先顺序。如在按照货物选择出货仓库时，因一件商品可以从多个仓库出货，同时出库价低的可能离目的地远，还需考虑到中间的配送价格因素，但一辆车可多处取货多处送货，其判断结果因素很多，故需设定多个目标值方可达成目标，故从公司角度出发，考虑净毛利最大（商品毛利-单间配送成本），且为一块区域内最优，即平均值最优；在运行一段时间后，发现部分车辆存在送货点多达45家的情况，一天无法配送完成，故增加送货点不可超过25家的设定。
在利用算法计算中，可能存在已知数据量不足以做出判断的情况，需按照目前增加沉淀数据，用更丰富更完整的数据，得出更好的算法结果。
在系统自动化处理中，特别是采用了AI自动化处理系统，因其具有结果不可预知的特定，为使算法可不断迭代优化，使其每一次结果均能符合迭代要去，故需预算其性能，故可设立仿真系统。仿真系统，顾名思义为模拟某种事物，在此处可模拟线上生产环节，可通过切换不同的算法版本，经过对同一数据不同算法的模拟测试，获得结果后进行比对，从而判断算法迭代的性能。
搭建中配套系统
在搭建系统自动化处理过程中，考虑到其大批量处理数据，为防止系统出现不可预知的风险以及可以清晰了解系统当前处理状况，故可增加数据监控模块，对系统处理量，处理关键指标进行监控，可了解当前运转情况。如在刚距离派单中，可增加对下单量、处理量、人员被分配量等指标，那业务人员可及时了解到系统当前处理状态，也可对不和谐点及时做出人工干预。同时结合上述业务信任问题，通过数据的可视化也可极大增加业务对其的信任度。同时可针对关键指标设定预警指标，若在观察中出现指标异常的情况，可及时发出预警，并通过短信/钉钉等方式发出提醒，便于人工快速介入。
在搭建系统自动化处理模块时，因其具有大批量快速处理的特性，故其操作修改权限及日志均需注意控制。在搭建自动化处理系统中，在搭建主流程后，因各种参与判断指标等会随着业务的发展不断调整、或因设定值不合理而更正，故可将其参数界面配置化，减少因修改参数而带来的频繁升级。同时在设计时需考虑，各种判断逻辑的参数化，如周六给B，可周六与B的绑定关系也看参数化，故可实现在逻辑思路外，其余均可考虑编辑配置。
适用场景
自动化处理系统在一定程度可以替代人工，那其优劣势分别有哪些？
优：可以极大提高人工效率、不会犯简单操作性错误、可以因处理及时提高适用体验
劣：存在不确定性，灵活变通性较差，只能死板按照设定处理，面对业务快速发展变化，存在滞后性
自动化处理系统已经越来越多的应用到各种场景中，但其在几种场景下，目前难以替代人工：
1、需制定决策计划，如购买商品产生售后问题，其处理判断及过程难以自动化
2、关键核心数据处理，当前虽然财务系统可自动对账、清分、开票等流程，但财务作为数据核算、财务报表等方面仍然无法替代
3、需线下联动，如居家维修等
可以适用的场景：
1、逻辑清晰，可以用明确业务规则明确的处理流程
2、逻辑复杂，计算量庞大，仅人力无法计算得出，只得依托系统代为计算
3、可明确优化人机交互体验
常见误区分析
常常会有这样一个误区，数据积累沉淀后，往往想在自动化中将其纳入考虑体系。
此处这种思维混淆了自动化的目的与结果，为解决业务问题可以只需考虑必要因素以及实际场景来的，而不是容纳数据处理量越多越好，而数据沉淀很多为结果的展示记录，不可用结果去反推目的。如在维修中，一个小区只有一个维修师傅，那么用户下单后只需按照单据类型派单即可，无需也没必要考虑其他因素，但在派单后会出现相关数据积累，如该师傅处理效率、日均处理量等相关数据，这些数据可与其他小区比较，当数据出现明显差异时，可进行针对性培训提升，但这并不能作为派单的依据，因为完成此任务这个目的下，无需考虑。
那是否意味着数据积累就没必要了呢？数据积累呈现作为指导业务快速决策、快速判断，是从上而下管理的有效手段。是作为数据指导业务的关键基础，合理利用可以在后续发展中体现出越来越大的价值。
总结收尾
自动化可以极大提高人员效率，使用在工作中后，可以极大提升效率。
本文试图通过对自动化的解读，谈到搭建自动化以及搭建中的注意事项。算是对以往工作的回顾梳理，也希望对各位读者能有所帮助。
本文为个人工作中的粗浅感悟，欢迎各位一起讨论交流~