数据中心自动化已经存在多年了，但现在进入IT部门的更复杂形式有可能解放或潜在地替代员工。 机器人过程自动化（RPA）可能是最重要的技术示例，它们显著地重塑了IT操作模型。
RPA工具旨在创建一个机器人部队，可以接管手工、基于规则的IT部门的工作。但RPA是更广泛的自动化的一部分，范围从简单的脚本和宏，到融合自动化和人工智能的仍然新兴的认知平台。 Gartner研究副总裁Susan Tan说，“一切形式的自动化”绝对会对就业市场产生重大影响。 “IT部门需要较少的人才和不同的技能。”
对于这些不同的技能，自动化可能引发20世纪90年代的复苏：业务流程重组。自动化一个破坏或低效的过程没有任何意义，所以要思考。这种重新设计减少可能导致IT人员对需要重新思考和重新设计流程的需求增加。 伴随自动化，AI准备影响IT商店的方向及其所需的技能。IT部门的AI正处于起步阶段，因此这里的发展可能会追踪自动化的影响。但结果也可能会同样引人注目。
自动化的双刃剑
无论是增加自动化水平还是增加技术人员，释放他们做不同的任务或取代它们，都是IT部门和整个行业面临的问题。 Tan指出，相对简单的自动化形式将会自动执行诸如数据输入，故障单解决或基础设施配置等常规重复任务。
她说：“所有可以自动化的重复性任务都将自动化。 做这些重复任务的人将被替换或释放，以做不同的事情。” 这些替代任务可能包括使用分析技能的员工发现利用企业数据和利用新兴技术的机会。
Tan表示，IT人员可能可以或可能无法提高执行此类功能所需的技能水平。 “问题是，那些时间被释放的人实际上能做那些更高附加值的活动吗？”她问。
德勤律师事务所董事总经理David Schatsky同意这一评估：“关于自动化对就业的影响的问题现在一直被问到，谈论工作比谈论任务更难，例行重复不需要大量技能的任务正在消失，不管人们是否做，失去工作始终是个问题。。” 自动化技术（如RPA）的经济学尚未充分体现，但对IT运营模式的影响可能会很快显现。
Schatky说：“我认为你现在在IT部门看到了RPA，但是在许多IT部门，它仍处于初期阶段。他补充说，未来十二至十八个月内，重大影响将会展开。 在这一点上，IT组织将面临一次选择：削减员工或保留他们以转换到更高层次的工作。 “这真的取决于组织和他们的人才战略，”Schatsky说。
通缉：过程重新设计技能
一些信息技术部门确实可以为工作人员准备好，一旦摆脱了较低级别的工作，即可承担新的IT角色。另一种可能性：重新培养IT人员在RPA技术本身及其周围的机会。CIO和行业顾问建议，业务流程重组可能成为自动化的热门技术。 洛杉矶市首席信息官Ted Ross表示，RPA加强了对业务流程重组的需求。
他说：“如果我自动化一些东西，那么我的既得利益就是自动化15个步骤而不是100。” Ross指出，为了帮助员工了解如何在数字化之前完善流程，洛杉矶IT部门将工作人员送到精益六西格玛培训。通过市长预算和创新办公室，促进了培训。
普华永道美国咨询业务首席技术专家Chris Curran也注意到自动化IT部门需要重新设计流程过程。 “我怀疑我们会看到的更多的是记录当前的流程，所以他们可以脚本化和自动化，”他说，“而且，还要退步并寻找重新设计它们的方法，并简化它们，以便他们可以使用新工具进行自动化。”
一旦过程重新设计工作完成，该任务就转移到软件机器人的关心和喂养。Tan设想了一个包含许多任务执行软件实体的“机器人农场”的未来，它们都需要培训，维护和升级。 “有人必须成为机器人老板，”Tan说，机器人至少暂时不能管理或维护自己。
强调异常管理
Tan说，机器人最终可能会自我管理和自我修复，但在此期间，技术专家将需要纠正行为不端的机器人，这些机器人在新的RPA功能可用的情况下学习执行不良流程并执行更新。
自动化的另一个增长是更多地关注IT运营模型中的异常管理。随着RPA和其他形式的自动化变得越来越普遍，具有分析和故障排除技能的人可以看到更高的需求。 三级通讯公司首席信息官Atilla Tinic表示，他的公司在软件机器人领域做了一些工作，重点是IT人员在操作组中执行的一些更乏味的手动任务。
他指出，以服务为导向的架构和平台整合——例如订购和计费系统的结合——也有助于减少体力劳动。 在这样的环境中，随着业务事务在自动化和集成系统中不间断地流动，IT操作人员将不会被要求进行实时的键盘干预。
但是，他们将需要研究那些在这个过程中停顿的交易。因此，Tinic表示，他认为，信息技术公司的运营方面应该更加注重异常。 Tinic解释说，“操作人员”成了调查员，“为什么这笔交易不是从这里转移到这里？”
AI已来临
AI可能是摆脱IT运营模式的下一个技术浪潮。AI可能扮演许多角色，从提供认知能力到处理机器人技术到启用自然语言处理聊天室。 CIO需要能够弥合业务、用户和技术之间差距的人。
Gartner副总裁Susan Tan 认为，对数据科学家的持续需求，他们可以生成和验证假设，创建算法并了解AI的方面，例如机器学习和深度学习。但数据科学方面的技术人员并不容易找到。 “数据科学家是非常重要的，”Tinic同意，“我们不会为数据科学家组织的组织工作。”
相反，Tinic表示，他的做法将是演进系统工程师，以便更加分析和加速数据科学。他说，3级的技术团队已经部署了各种各样的AI。用途包括加强网络安全，识别可能出现的系统问题和优化资源的模式——确定哪个员工将尽快完成特定任务。 培训IT人员是克服数据科学家短缺的一种方法。
另一个是获取可以将业务用户变成公民数据科学家的软件工具。业务团队开始使用自动化数据科学过程元素的工具。 无论如何，随着AI进入IT部门，重组和重新安装似乎是不可避免的。
IT招聘公司Robert Half Technology的高级执行总监John Reed表示，AI可能会改变一些人的工作方式和每天使用的技能。 “技术专家的力量在于他们能够灵活而且不断学习，这将有助于他们改变我们的工作步伐。”
但是他们最终学习的可能来自实验，而不是正式的知识计划。普华永道的Curran表示，他是示范实验室的大信徒，作为一个机制来帮助确定组织需要吸收特定技术的技能。“AI域是完美的实验，”他说。 Curran表示，AI实验可以帮助确定需要什么样的技能开发和培训，以及可能需要什么样的第三方帮助。 “我认为这是一个最佳实践——有能力进行动手实验。”
修建桥梁
随着自动化和AI继续发展，CIO将需要能够缩小人与机器之间差距的人。 Tan说：“在AI世界，你需要人们，与人和技术都能合作的人。首席信息官需要能够弥合业务、用户和技术之间差距的人。” Tan表示，组织将依靠拥有技术知识和商业头脑的人们，向业务利益相关者提供如何应用自动化和AI等技术应对其业务挑战的建议。
她说：“你必须定义你要解决的问题，然后利用技术来解决这个问题。机器人不会这样做。” 英特尔的作家，未来学家和前首席传教士Steve Brown表示，企业需要开始关于如何建立人与机器作为合作伙伴参与的团队的对话。
Brown说：“将自动化视为降低劳动力成本的一种方式是很容易的。我们可以摆脱哪些工作？这是一个简单而短视的观点。” 他说，手头的任务和一个涉及公司IT和人力资源部门的任务是找到最好的人或机器来完成这项工作。Brown说：“看看组织中的每一个业务流程，并解析出哪一个任务最好由人类、算法或机器人来完成。”
原文发布时间为： 2017年6月13日
本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
