在当前充满挑战的环境中，许多公司的董事会都渴望对工作进行数字化转换，以使其能够比以前更快，更智能，更高效地执行，并使用更少的资源。实现这些目标的一种越来越合乎逻辑的方法是采用运行数字化劳动力的智能自动化。由人工智能驱动的超级资源不断发展，可以在企业中使用，并已得到IT部门的认可。这是一支数字化的劳动力队伍，随时可以接受业务专业人员的培训，以交付更复杂的任务，不仅可以在任何行业的办公室中进行，而且可以在整个企业中进行。它具有完整的完整性，运行速度比人类快150倍，零错误，并且全天候运行。通过向人类学习并像他们一样进行操作，这种数字化劳动力越来越接近人类。这是一支易于培训和投入工作，然后再经过培训以从事新工作的劳动力，同时允许人们自由地与他们一起工作或从事更多更适合其自然技能的工作。数字工作者是承担大量工作的最终团队参与者，共享者和管理者。与其他机器人不同，它们通过交织的人工智能功能积极工作，因此可以在不断变化的数字环境中轻松地进行互操作。 。他们可以阅读不同的屏幕，布局或字体，应用程序版本，系统设置，权限和语言。他们从所有IT系统中任何来源提取和分类半结构化和非结构化数据，同时提供质量检查，检测错误并将异常传递给人们以供输入。数字工作者还可以唯一地访问和读取任何当前或未来技术的用户界面，而无需进行编程。正是这种通用的互操作性功能使任何新技术都可以轻松用于业务消费，安全测试，并可以快速拖放到企业流程中。人们正在谈论使用数字工作者轻松利用人工智能（AI），深度分析以及越来越多的认知平台。自然语言处理（NLP），语音识别，情感和风险分析，机器学习（ML）和推理等。等等。数字工作者可以增强这些功能，以执行越来越复杂的端到端活动，并以企业所需的速度推动整个企业的数字化转型。在数字工作中使用人工智能和认知技术的数字工作者的影响越来越明显。以下是他们正在进行的工作的两个示例。 （1）银行业务-一家大型的多银行银行在处理大量付款，转账和贷款时要经历昂贵且容易出错的人工工作，因此使这项工作自动化也是如此。数字工作者充当多种技术和交易引擎的集成粘合剂，以捕获或创建来自客户的传入指令的图像并将其路由到计算机视觉工具。机器学习功能的进一步集成使银行可以根据通过机器检查发现的模式来解释数据，并生成结构化的工作处理表格。开发表格所需的时间已从估计的400个工作日减少到少于120个工作日。此外，由于现在已将生成的数据数字化，因此数字工作者可以根据业务规则处理数据，并通过API或系统用户界面将其自动输入到适当的系统中。该银行每年可节省数百万美元的人事管理成本，消除了按键错误，并提高了处理速度。现在，它已经赢得了赢得新客户的竞争优势，从而实现了显着的业务增长。实际上，自从部署该解决方案以来，该银行的借贷业务已经翻了一番，并且通过扩大数字员工的数量满足了不断增长的需求。 （2）医疗保健–一家主要的地区性公共医疗保健提供商正在使用数字工作者，并根据指定的临床治疗途径自动执行患者护理，只有不到1％的例外情况需要人工干预。最初的手动过程包括为每个患者收集和打印多达15条数据，包括扫描，临床测试，访问历史记录等，然后将它们扫描为PDF文件。数字员工现在可以阅读内容，提取建议原因，然后使用安全智能卡技术检索，合并和上传所有必要数据，并警告顾问该文件已准备好进行审阅。数字工作人员每周24小时主动监控案件数量，包括平均每周转诊2000次，将处理时间从25分钟减少到5分钟。基于此成功，提供商还使用了数字工作者和认知电子表格技术来自动推荐