企业智能化协同办公实践

许曦

（中国铁建投资集团有限公司，北京 100000）

0.引言

人工智能的迅速发展将深刻改变人类的社会生活、改变世界，通过将人工智能技术与日常办公应用场景相结合，提出智能公文管理、智能办公助手等应用场景。而随着语音识别、指令交互、搜索引擎、深度学习等人工智能基础技术逐步成熟完善，在协同管理及移动办公软件领域的应用将更加深入。

1.总体业务概述

智能化协同办公业务是将传统意义上相互独立管理的公文、会议、事项进行统一管理，打通业务模块之间的壁垒，提高信息数据在各个业务之间的一致性，提供用户更加易用、人性化的管理功能。

智能化协同办公以“事件”为核心，将公文、会议和日常办公中的各项公务活动紧密联系在一起。首先，公文、会议、公务活动之间通过“事件”相关联，实现文与会、文与公务活动、会与公务活动相互转化和关联。其次，通过对文会事的活动化和实例化，与企业内部的各项管理指标对应，实现对标考核。

在以上实际情况中，我们不难发现，对于参与其中的各项具体办公业务，虽然在办理流程和功能上自成体系，但自始至终都有一个具体的“事”在业务之间起了关键的桥梁作用，可以通过这件“事”将整个业务办理过程给“拎”起来，达到相互关联，简易查询的目的。因此其中的“事”，我们就定义为文会事一体化管理的核心“事件”；相互关联关系，则是通过智能关联来实现；而“拎”起来，则是为用户提供统一的关联查询图谱。

2.智能化应用场景

2.1 事件生成

事件是对企业某种经营活动的一种概括性描述，例如上例中的“企业资产重组准备事项”即一种典型的“事件”。同时，会议的议题也可以是一种“事件”，例如“2021年度信息化投入预算编制”等。事件的产生可以由自动和人工两种模式。

（1）自动产生：系统可以对近年来的系统历史数据文本如公文、会议、公务活动的大数据进行分析，并按照一定的规则生成公务事件主题，即“事件”；

（2）手工产生：人工干预，由各部门进行上报并审核，通过后生成事件库。

建议系统在实施时，两种模式同时进行，以增加机器学习的准确度。事件定义完成后，系统就会生成企业的事件数据库。此时事件即可被各项公务活动查询和引用、关联。

2.2 智能关联

智能关联的过程，实际上是利用“事件”对文、会、事（督办），以及其他公务活动关联在一起的过程。智能关联模型按照智能程度，可分为手工关联（强关联）、主动关联（强关联）、自动关联（大数据智能建模）三种模式。

2.2.1 手工关联

手工关联，是一种传统意义上从一个模块向另一个模块直接发起业务交互的过程。例如会议决议模块中，可以直接发起督办任务。公文模块中可以直接发起督办等等。这种直接发起的方式，系统即将公文、会议、督办等业务进行相互连接，通过关联图谱（后续功能介绍）来进行展示和利用。

例：手工关联，公文模块中发起督办，督办模块中创建督办并初始化。

公文中发起督办（如图1）。

图1 发起公文督办

督办任务初始化：督办任务在初始化时，可以将公文的标题、任务来源名称、主办部门、主办人、分管领导等进行自动的初始化（如图2）。

图2 公文督办图示

2.2.2 主动关联

主动关联相对于手工关联，强调业务相互之间固有的逻辑性。例如会议决议和督办、公文办文意见与督办、公务活动与日程之间，存在某些特定的关联关系。系统可以自动分析并主动发起这种关联逻辑，帮助用户主动构建关联模型。

（1）公文自动督办。当公文的阅办属性选项为“办文”时，自动对主办部门生成督办任务，并进行任务信息的初始化。

（2）意见自动督办。当领导批示意见中含有“办理”“主办”等字样时，自动根据意见分析承办部门并生成督办任务。

（3）决议自动督办。会议决议生成后，自动对会议主办部门生成决议督办任务。

（4）日程与公务活动联动。可根据公务活动的时间安排，例如：会议召开情况、任务计划等自动生成对应日程，配合APP、微信等进行提醒（如图3）。

图3 日程提醒

2.2.3 自动关联

自动关联，即用户没有通过手工点击或手工触发接续流程（业务），但是系统在进行详细的文本分析后，通过规则设定，认定多个业务之间存在一定联系的情况下，自动以事件进行关联的过程。其技术核心，是采用自然语言分析和处理技术（NLP，Natural Language Processing），实现对文本内容的人工智能分析和画像。

自动关联的业务重点在以下几个部分：

（1）文本画像：利用NLP自然语言分析和处理技术，对历史数据进行分析，建立“文本画像”。每个业务实例（流程文件）均存在一个特定的文本画像。

（2）比对关联：系统比对相互的文本画像，如果满足一定条件（例如画像相似度达到某一比例、存在强关联、满足事件的先后关系等），系统自动将两个业务实例进行关联。

（3）修正学习：自动关联后允许特定权限用户进行手工修正，系统自动分析并学习，完善自动关联模型。

自动关联的关键，是提供足够多的学习模板，并在合适的时间人工干预，从而让机器不断完善自动关联的模型，逐步提升关联的准确度。

系统利用主动关联模型+自动（智能）关联模型，可以提供诸如关联图谱查询、公文写作参考、公文拟办矩阵、事件自动报告等一系列智能化的公文应用。

2.3 关联图谱查询

在关联查询的实际应用中，手动关联只是整个文件关联性中的很少的一部分，除此之外大量的相关文件需要手动进行梳理和查找。关联图谱可以有效的解决这一难题，根据公文的内容进行摘要和关键字分析，自动将公文归属于对应的事项（事项本身需要人工建立）。用户在查看关系图谱时，既包含了手动强关联的文件，也包含了系统自动分析和关联的文件（如图4）。

图4 关联图谱查询

关联图谱以事件为核心，将与此事件相关的业务实例进行关联，提供用户查询访问的快速响应。通过点击业务类型，可以快速查看当前类型下业务的具体办理结果，以便用户快速梳理和决策。

2.4 公文写作参考

公文在写作时，用户经常会去查找以往自己或他人起草的，类似的公文情况，避免在前面公文中出现的问题在此次公文编写中出现同样的问题，同时也需要为本次写作提供一些参考。传统的方式即根据关键字去搜索。但是这种搜索方式有几个弊端：

（1）权限问题：可能自己想要查找的文件并没有权限查询到；

（2）关键字缺陷：仅通过标题关键字查询，查询到的内容不一定是自己想要的；

（3）内容问题：写作过程中内容变化了，想找材料参考很难。

为了切实解决以上问题，为用户创造轻松、标准的公文写作环境，智能公文管理的公文写作参考功能可以帮助用户快速查找想要的参考文档。

系统自动根据发文种类、标题关键字、文件内容，对公文进行精准画像，并与历史公文进行自动比对，推荐出最接近当前公文写作内容的相似公文。同时，相似公文自动按照多维度归集，例如按照单位名称、所在栏目（模块），这样用户可以快速根据自身需要，切换参考文档的范围。

2.5 事件自动报告

线下领导汇报、工作总结中，避免不了“这件事现在做得怎么样”的提问，而回答者在传统办公系统中往往需要反复查询，到处搜寻资料，而且信息的完整性不尽如意。因此在文会事一体化的基础上，提供了“事件自动报告”的功能，可以很好的回答“这件事现在做得怎么样”类型的问题（如图5）。

图5 自动生成事件报告

（1）概览：即事件/议题的描述信息。

（2）议题进展：最近引用该事件/议题的有关业务流程情况。

（3）督办任务：与该事件/议题有关的督办任务的办理进度情况。

（4）其他相关：除公文、督办以外的，其他与当前事件/议题有关的业务流程办理情况。

报告导出：支持将报告以Word格式文件直接导出。

2.6 量化对标

有了前面文会事一体化模块中收集到的各项数据，各项公务活动的完成率、办理效率、持续时间、完成质量（主观评价）等，均可分析并纳入对标考核模块加以量化。典型的例如公文效率分析、督办任务办结情况分析等，均属于量化对标的范畴，为用户提供更加直观的决策参考。

2.7 移动智能助手

“智能语音助手”核心功能包括智能办公和智能问答。

智能办公：用户输入（语音/文字），通过语音识别、语义理解，在办公场景中人机交互完成工作。

智能问答：根据用户输入的问题，通过语义理解和问答匹配，给出准确的回答。

企业员工可以像聊天一样完成日常办公及指令下达，如考勤、日程、电话、短信、请假、处理协同、查询数据等工作。

通过集成第三方语音平台的语音识别、语义解析、语音合成、语音唤醒、人脸识别、文字识别等技术，并结合协同平台的智能引擎，可以实现更加丰富的智能应用：

工作提醒：唤醒智能办公机器人、播报今日安排、播报重要信息。

查找信息：找人、查协同、查文档、查报表、查报销、查公告、查待办、调用表单模板。

快捷命令：打电话、发短信、打开应用（如天气、线路、机票）、声纹签到、签退。

安排工作：安排协同、我要请假、安排任务、安排报销、安排日程、发起会议。

3.使用关键技术

（1）自然语言分析和处理技术（NLP，Natural Language Processing）。（2）自动语音识别（Automatic Speech Recognition）。（3）语义分析（Semantic Analysis）。（4）深度学习（Deep Learning）。（5）全文搜索引擎（Elasticsearch）。

4.结语

针对企业智能化公文的诉求，本文针对性的做了各种智能化办公业务场景的概述，针对各业务场景中的信息化手段做了详细的说明，在基于国家相关的公文管理规定以及安全性法律法规的基础上，显著的提升企业办公业务的效率和质量，为企业由电子化办公转向数字化智能化办公提供理论支持和实践经验。