一年前，劉鶴在達沃斯論壇上提出了對中國經濟的“一個總要求”，即從高增速轉爲高質量發展階段，從“有沒有”向“好不好”轉變。

　　自此之後，諸多企業爲了能夠在新經濟形勢下謀生存、求發展，都自發開始脫胎換骨，實施企業的內部變革和轉型。組織變革在這一環境下，成爲了諸多企業思考轉型的核心和關注重點。

　　組織變革中的一個關鍵點，是根據經營環境、內部條件、人員條件、技術條件等等一系列的變化，進行組織內部流程的系統化變革，並根據新流程進行人才需求層次的重新分配，提高各個部門的協作，企業的整體績效水平。

　　然而企業的內部流程，一直以來都像是一個黑匣子一樣。

　　管理者從直觀層面上只能看到流程導致的客觀結果，卻很難知道流程的哪個環節存在問題，或者存在最多的問題，可以針對問題進行怎樣的優化，更別說是找到問題存在的根源了。

　　當下針對這種情況，多數企業仍然是通過人力去解決這些問題。通過覈算、審查等方式試圖找到一些提升企業效率的方法；部分企業通過技術手段，雲端企業級服務/SaaS類軟件中的BPM來解決這些問題。從2000年開始，就不斷有優秀的BPM軟件試圖幫助企業通過優化流程來完成組織變革，發展至今，這類軟件往往存在以下一些問題。

　　機械化流程的電子化：當下大多數的“優化”軟件，是通過電腦、機器取代人力的優化，將人力流程轉化爲雲端軟件程序的一部分。

　　單點優化：大多數的SaaS軟件是抓住企業流程多階段中的一個，僅對其中一個流程進行優化。比如針對銷售流程的雲端CRM軟件Salesforce，旨在幫助銷售人員跟蹤不同的銷售路徑，完成銷售內部流程優化；針對人力資源優化的軟件workday；針對採購、財務、專業服務等進行優化的SAP等等。

　　滯後反應：絕大多數軟件都具備多渠道數據收集、整合、處理、分析、可視化的功能。這一功能可以幫助企業在已經發生商業行爲、產生商業結果之後進行回顧、二次總結，來規避未來潛在的一些問題。這些軟件會通過數據找出異常值，將異常值進行可視化分析。但由於這些軟件只是對發生後的結果加以分析，軟件的反應總是滯後的。異常值出現的原因可能每次均有不確定性，軟件分析的數據往往也僅是表層上數據，無法幫助企業從根部找到問題，更無法真正有效的幫助企業解決問題。

　　數據來源不完整：現有大多數軟件分析的數據多爲結構化數據，衆多非結構化資料沒有被分析，少部分參與分析非結構化數據的軟件也僅多着重於內容層面的分析，對非結構化數據的流程部分沒有進行解讀。多數軟件對非結構數據的瞭解是不夠的。

　　同時，由於這些軟件只對企業流程中的某一個環境進行優化（如salesforce、SAP、Workday 這些軟件均有各自專長的地方），一個世界500強企業中的內部各個部門加起來，往往可能會用到十多個軟件來分管企業步驟的各個分支和方向。由於軟件和軟件之間使用方法不同，本身就缺乏溝通，這就導致了企業部門與部門之間在軟件連接上存在隔閡。

　　軟件在不斷升級，企業內部本身也在不斷地發生變化，這就可能會導致企業內部由於技術手段的不同，部門與部門之間逐漸產生隔閡並且隔閡越來越大，導致內部協作、內部效率這些組織變革中重要的方向發生問題。

　　在此背景下，越來越多的管理者開始轉向AI、大數據分析、量化等新興技術和工具，尋求提升企業組織內部效率的方法。

　　Live Objects，一家base在硅谷的初創公司，正在致力於通過AI技術的應用，打破軟件與軟件之間的隔閡，俯瞰公司的業績和業務流程，實現流程優化。這種優化不是針對公司內部某一部門、某一個環節進行的細分領域優化，而是站在管理層的角度對全公司工作的完整閉環加以分析後再進行公司整體的流程優化。

　　此外，AI技術可以打造持續自我改進的企業組織變革方法。哪怕企業通過數據建模等方式發現了企業組織中存在的問題，仍然很難依靠數據模型預估解決方案的經濟效益，因此無法形成組織優化升級閉環。AI的優勢正在於建立閉環，從數據收集、建模分析到生成解決方案和效果預測均可妥善處理。

　　因此，Live Objects的AI解決方案不僅可以有效發現問題，還可以構建有效解決問題的組織結構升級閉環，長此以往，自然而然建立起可持續的組織變革解決方案。

　　如上圖，Live Objects 對一個電商客戶的完整工作流程 —— 詢價、訂單創建、合同簽署、物流配送、支付及收入管理、開票及每個流程動作所發生的步驟和耗時進行分析後，發現儘管整體來看流程順暢，但在個別流程中存在耗時過久的問題。將這一工作流程中的每一環節平鋪展開後，Live Objects清晰的找到了優化目標：訂單創建、物流配送、收入管理。用機器學習的算法加速處理過程，將處理時間從5分鐘、10分鐘縮減至1分鐘自動完成。

　　有經驗的管理層基於幾十年的從業經驗或許能看出上面的問題，而Live Objects 的核心就是讓企業將所謂的“經驗主義”，通過數據、AI的方式進行傳授，通過其在業務流程抽象中的突破性應用程序，實現了“自治企業”的願景，以實現持續的業務流程優化。

　　Live Objects 是世界上第一個可基於商業流程完整閉環進行分析的企業，該技術是根據深層神經網絡、序列模式挖掘和NLP的AI原語的最新進展而構建的，當下正在申請專利中。

　　Live Objects的閉環方法包括流程建模，流程構建和流程適應三個方向：

　　流程建模：採集並基於公司非結構化數據，如用戶行爲活動等建模來發現流程中可能存在的問題。許多關鍵信息藏在例如電子郵件、溝通消息、案例文本和屏幕行爲這些非結構化數據中。Live Objects不僅可以通過分析非結構化數據幫助企業透視內部流程，還能以AI技術爲核心，幫企業構建嚴密的模型，以便不斷優化未來模型。

　　流程構建：通過對公司業務進行重組和重新排序，Live Objects可以幫助企業從根源改善企業的內部流程，在端到端的業務流程中優化目標運營，業務和客戶體驗目標等等。

　　流程適應：持續的業務轉型需要對風險進行持續評估。Live Objects的自帶風險模型可以根據業務的不同自適應，在重建業務流程的時候即對風險做好把握。

　　Live Objects之所以可以精準地將服務重心放在企業組織變革和流程優化，來源於其創始團隊在硅谷大企業中擁有豐富的企業從業經驗。聯合創始人兼CTO Sudipto Shankar Dasgupta 從IBM轉戰SAP，在企業算法、框架行業深耕近十年。他深知企業內部流程不透明的困擾，在AI技術相對成熟時瞄準這一應用進行落地，打造了致力於打開企業內部黑匣子的Live Objects，通過提升企業效率來加速內部變革。

　　-END-