在以往，人们可能从未想过有一天可以通过采用Alexa这样的自动语音识别设备下订单，并通过可穿戴设备进行即时支付或使用自动驾驶汽车。自动化给了人们一种新的自由感，无论在是工作是还是在生活中，这反过来又会导致人们所做或想做的一切事情取得更大的进步。
什么是超自动化
调研机构Gartner公司最近将“超自动化”列为最重要的战略趋势之一。这暗示着任何可以实现自动化的东西如今都可以采用超自动化。它是关于使用多种工具和技术来自动化端到端的业务流程和操作，而不仅仅是任务级别的自动化。任何过程都涉及到某种程度的人工决策，超自动化旨在减少业务流程中的人为干预，并将其完全自动化以优化效率和生产力。智能流程自动化最重要的要素是人工智能、机器人流程自动化、物联网和业务流程管理。
大多数企业专注于发展自动化文化。在这种文化中，鼓励将人工完成的任何事情实现自动化。新的思维方式认为任何必须经常做的事情都不值得人工去做。因此，企业需要集思广益，投入时间和精力实现自动化。企业并不缺乏自动化特定任务的工具，而且通常会提高生产率。用户如今只需通过一个界面简单地点击一个按钮就可以完成大多数事情。自动化系统中的各种任务会创建自动化系统，而自动化一整套过程会创建不需要人工干预且独立运行的自治系统。
将自动化系统转变为自治系统的过程被称为超自动化。
人工智能在超自动化中的作用
人工智能为整个自动化过程提供了正确的推动力，它有效地用于以合理的准确度模拟人类决策。自然语言处理、计算机视觉和机器学习算法通常与OCR、RPA等相结合，以创建可以查看、读取和处理图像、视频、文档中的信息并执行所需工作的数字工作者。人工智能在过去几年的进步确实有助于释放巨大的自动化机会。因此，人工智能被认为是实现超自动化的强大基础。
产品工程中的超自动化
超自动化正在迅速被各行各业采用，软件行业以多种方式利用超自动化的力量。许多产品工程团队专注于自动化构建过程来编译、部署和测试代码，而无需任何人工干预。还集成了安全测试、性能基准测试、预定的自动化部署。这对大多数企业来说并不新鲜，但在当今的情况下还有很多事情可以做。
决策是任何软件开发过程中固有的，这些决策主要取决于人类的经验和直觉。开发人员、经理、测试人员协作采取多项决策来管理交付风险。因此，他们必须对与资源可用性、技能、成本、交付时间和利益相关者需求相关的各种限制有良好的背景和理解。为了踏上自动化决策的旅程，它需要使用人工智能来访问与过去做出的决策相关的数据。
在“DevOps管道”的每个阶段，都会反复生成大量数据。每天都会完成多个代码构建。执行多个测试循环。人工或自动执行测试用例，并分别记录错误和相关详细信息。开发人员修复错误/缺陷，并提供更多关于缺陷修复的数据。这些数据可以存储起来，以后用于训练多个人工智能模型。
可以训练人工智能模型以增强人类的决策能力。最终，准确的人工智能模型将开始为过去发生的常见问题提供解决方案。他们可以建议首先修复哪些缺陷以及由谁修复，开始估算修复缺陷所需的工作量。推荐由于高缺陷密度而需要紧急关注的区域。他们可以根据更改代码的影响，推荐自动化测试套件执行的测试用例并确定其优先级。建议需要重构的安全性需要加强的领域，或确定可能的性能瓶颈。
人工智能模型甚至可以用于分析部署后的趋势，以监控系统的行为，并在需要时发出警报。他们可以预测系统中的关键功能何时开始表现不佳。它们可以提供重要业务流程的信息，具体取决于最终用户使用这些流程的频率。他们甚至可以创建与系统相关的必要文档。在过去的几十年，软件行业的部分工作都消耗了大量的人工。考虑到项目的限制，自动化可以实现自动化的事物才有意义。
在软件开发的背景下，超自动化进程的下一个阶段肯定是创建更多自治系统，这些系统是自我修复、自我监控、自我测试、自我部署、自我记录的，但更重要的是，是自我进化的。
结论
具有超自动化的未来是必然的。技术进步的“超高速”为“超自动化”创造了更多机会。人们可以更有创造力并创新自动化的新方法。有人可能想知道超自动化之旅的最终目的地是什么?什么时候应该结束?什么时候应该假设事情是完全自动化的，没有任何进一步的自动化范围?
那么最好的猜测是——永远不会。
