Robotizuotas procesų automatizavimas yra bėgantis traukinys. „Deloitte” teigimu, ši technologija padės pasiekti iki 2025 m. beveik visuotinai pritaikyti. Tačiau tai, kad RPA dominuoja verslo pasaulyje, nereiškia, kad ji nustos vystytis.
Esame įdomiame technologiniame etape. Pastaraisiais metais dirbtinio intelekto pažanga buvo stulbinanti. ChatGPT ir kitos generatyvinio dirbtinio intelekto formos užkariavo visuomenės sąmonę. Tačiau ši įdomi technologija yra tik viena iš dirbtinio intelekto galimybių išraiškų.
RPA yra paprasta, tačiau veiksminga priemonė. Tačiau RPA ir dirbtinio intelekto konvergencija suteikia begalę galimybių inovacijoms. Klientų aptarnavimas pokalbiais, paremtas dirbtiniu intelektu, sprendimų priėmimas remiantis analitika ir žinių darbo automatizavimas – tai tik keli dirbtinio intelekto taikymo RPA pavyzdžiai.
Tobulėjant technologijoms, kognityvinis robotinis procesų automatizavimas pakeis darbo pobūdį taip, kaip mes net negalime įsivaizduoti. Prieš pradėdami svarstyti, kaip dirbtinis intelektas su RPA jau išplėtė automatizavimo ribas, panagrinėkime jo poveikį ateityje.
RPA ribos
Plačiai paplitęs RPA diegimas liudija jos naudingumą. Ši technologija padėjo daugybei įmonių pasiekti naują gamybos, efektyvumo ir tikslumo lygį automatizuojant anksčiau rankiniu būdu atliktas užduotis. Tačiau, kaip ir bet kuri kita technologija, ji turi viršutines ribas.
1. Sandorių automatizavimą sunku valdyti
Nors RPA robotai ištikimai vykdo procesus, juos reikia šiek tiek valdyti ir prižiūrėti. Pavyzdžiui, kai pasikeičia įvestys arba išvestys, robotai turi būti perkonfigūruoti taip, kad atitiktų šias šiek tiek pasikeitusias sąlygas. Dinamiškoje darbo aplinkoje tai gali išeikvoti išteklius ir laiką.
2. RPA susiduria su nestruktūrizuotais duomenimis
RPA įrankiai yra sukurti užduotims vykdyti naudojant if/then/else logiką. Todėl jie remiasi nuspėjamomis duomenų struktūromis. Bet kokie įvesties duomenų pokyčiai ar variacijos sukels klaidų ar išimčių, nes jie neatitinka apibrėžtų verčių, kurias tikisi gauti robotas.
3. RPA kelia mastelio keitimo iššūkių
Iš dalies dėl pirmiau išvardytų priežasčių gali būti sudėtinga plėsti RPA procesus. Kiekvienas procesas turi būti aiškiai apibrėžtas, valdomas ir prižiūrimas, o dėl nepakankamo RPA pritaikomumo taip pat gali kilti problemų.
Dėl RPA apribojimų nerimauti nereikėtų. Dirbtinio intelekto palaikoma RPA gali įveikti visus šiuos apribojimus ir atverti naujas ir įdomias automatizavimo galimybes.
Štai kaip RPA su dirbtiniu intelektu pakeitė automatizavimą.
Robotizuotas procesų automatizavimas ir dirbtinis intelektas:
Puikus atitikimas
RPA yra paprastas ir nesudėtingas įrankis, bent jau naudotojo lygmeniu. Jis sukurtas taip, kad būtų prieinamas ne techninio profilio komandoms. Todėl jis kontroliuojamai vykdo jam duotus nurodymus. Žmonės turi nustatyti šiuos procesus ir nurodyti RPA vykdyti komandas.
Žinoma, detalių instrukcijų rengimas žingsnis po žingsnio gali tapti neįmanomas, jei jos pakankamai sudėtingos, todėl RPA ir dirbtinio intelekto derinimas yra automatizavimo ateitis.
1. RPA su optiniu ženklų atpažinimu
Svetainėje
Robotizuotas procesų automatizavimas naudojant dirbtinį intelektą ir OCR verslo procesams tobulinti
(Shidaganti, 2021), autorius nurodo RPA apribojimus, siūlydamas: „Bet kokie automatizuoto proceso pakeitimai reikalauja tiesioginių RPA taikymo pakeitimų”. Shidaganti siūlo dirbtinį intelektą kaip šio proceso sprendimą ir pateikia argumentus dėl optinio ženklų atpažinimo (OCR) kaip esminio RPA papildymo.
Iš tiesų OCR padarė poveikį verslui, nes RPA gali naudotis nestruktūrizuotais duomenimis. Dirbtinio intelekto valdomi RPA OCR įrankiai gali perskaityti informaciją iš spausdintų dokumentų ir net rašytinio teksto. Yra trys pagrindinės RPA galimybės, kurias palengvina OCR integracija.
- OCR koduoja struktūrizuotus duomenis, todėl RPA gali dirbti su nenuspėjamais įvesties duomenimis.
- RPA gali automatizuoti nuotolines mašinas iššifruodama, kas vyksta jų ekranuose.
- OCR, kartu su mašininiu mokymusi, skenuojant dokumentus, gali padėti nustatyti „Pažink savo klientą” (KYC), kovoti su pinigų plovimu (AML) ir sukčiavimu. Technologijų išmoktos žinios ir sprendimai gali būti integruoti į RPA, todėl galima greičiau atidaryti sąskaitas, priimti sprendimus dėl paskolų ir t. t.
2. Mašininis mokymasis ir RPA
Robotizuotas procesų automatizavimas ir mašininis mokymasis yra dar vienas dirbtinio intelekto panaudojimo pavyzdys siekiant įveikti RPA būdingus apribojimus. Dar 2016 m. draudimo sektoriaus automatizavimo ekspertai nustatė, kad kognityvinio robotų procesų automatizavimo (RPA) galimybes. Tame straipsnyje autoriai aptaria „savaime optimizuojantį klientų aptarnavimą, paskolų kainų nustatymą, finansines konsultacijas arba pretenzijų ar skundų nagrinėjimą” kaip galimus horizontus.
Įdomu stebėti, kaip per trumpą laiką paplito robotų procesų automatizavimo mašininio mokymosi įrankiai, kurie turi būti pažangos ženklas.
Mašininis mokymasis yra visur. Juo apibūdinamas procesas, kurio metu mašina mokoma atlikti užduotis, naudojant aiškius programavimo nurodymus. Kaip tikriausiai žinote, tai reiškia, kad mašinos, naudodamos algoritmus, analizuoja ir randa duomenų rinkinio modelius. Apmokyta mašina gali apdoroti kitus duomenis ir pateikti įžvalgas bei prognozes.
RPA ir mašininis mokymasis puikiai dera, nes tai reiškia, kad RPA tampa išmanesnė, intuityvesnė ir geba dirbti su nestruktūrizuotais duomenimis.
3. RPA su giliuoju mokymusi
Mašininis mokymasis yra dirbtinio intelekto porūšis, o gilusis mokymasis – mašininio mokymosi porūšis. Skirtumas tarp gilaus mokymosi ir mašininio mokymosi kai kuriems žmonėms gali būti subtilus, tačiau jį verta patyrinėti. Mašininis mokymasis yra mokomas iš duomenų, kad padėtų priimti sprendimus ir prognozuoti.
Tačiau ši technologija paprastai neturi galimybės ilgainiui pati tobulėti. Priešingai, gilusis mokymasis apima neuroninių tinklų naudojimą mokymuisi ir jo rezultatų gerinimui. Kitaip tariant, naudojant gilųjį mokymąsi, RPA ir ML kartu sukuria automatizavimo priemones, kurios tobulėja dėl patirties.
Žinoma, „Deep Learning” funkcijai atlikti reikia neįtikėtinai daug duomenų. Tai dar vienas gilios dirbtinio intelekto ir RPA simbiozės pavyzdys, todėl robotai puikiai tinka padėti atlikti sunkų šių mokymo duomenų rinkimo procesą. RPA įrankiai gali pasiekti įvairias svetaines ir kitas informacijos saugyklas, kad surinktų šią informaciją ir užtikrintų, jog gilaus mokymosi algoritmas turėtų daug duomenų, kuriuos galėtų tobulinti.
Gilusis mokymasis taip pat leidžia robotams pasinaudoti pranašumais, kuriuos suteikia prognozavimo analizė. Kai RPA susiduria su išimtimis, ji gali jas palyginti su laukiamais ar netikėtais modeliais, todėl nebereikia žmogaus įsikišimo.
Kai išmanieji robotai gali priimti duomenimis pagrįstus sprendimus, jie gali optimaliai reaguoti į klientus. Tokio RPA taikymo pavyzdys – nuotaikų analizės įrankiai, kurie naudoja natūralios kalbos apdorojimą (NLP) vartotojų nuotaikoms iššifruoti. Savo ruožtu robotai gali moduliuoti savo atsaką, kad atitiktų reikiamą natą. Šis dinamiškumas gali labai padėti įveikti skirtumus tarp empatiško žmogiškojo klientų aptarnavimo ir jo mechanizuotos alternatyvos.
4. RPA ir vaizdų atpažinimas
RPA ir vaizdų atpažinimo programinės įrangos derinimas – dar vienas pavyzdys, kaip naudojant dirbtinį intelektą įveikti RPA nesugebėjimą dirbti su netvarkingais ar nestruktūrizuotais duomenimis. Dokumente
Dirbtinio intelekto technologijų analizė ir pritaikomumas RPA programinės įrangos robotų, skirtų verslo procesams automatizuoti, srityje
(Kanakov, 2022 m.) autorius pateikia keletą įdomių RPA ir vaizdų atpažinimo panaudojimo būdų, susijusių su įdarbinimo patikrinimų automatizavimu arba pagalba nustatant sukčiavimo atvejus.
Kiti Kanakovo siūlomi naudojimo atvejai apima veido atpažinimo naudojimą pastatų apsaugai, kai RPA įrankiai prijungiami prie kamerų. Pritaikymo galimybių iš tiesų yra begalė. Pavyzdžiui, bepiločiai orlaiviai arba kameros galėtų skenuoti bet kokią aplinką ieškodami anomalijų. Aptikusi problemas, RPA sistema galėtų apie jas pranešti atitinkamoms šalims ir užtikrinti greitą ištaisymą.
5. RPA su generatyviniu dirbtiniu intelektu
Į
„Forbes” straipsnyje
, DELL atstovas Clintas Boultonas, lygindamas RPA ir generatyvinį dirbtinį intelektą, naudoja fantastišką analogiją. Jis teigia, kad „iškilmingame renginyje RPA tikrina svečių sąrašą, skaičiuoja bilietus ir stebi tokius dalykus kaip patalpų talpa, šildymas ir apšvietimas”. Tada jis teigia: „Tuo tarpu generatyvinis dirbtinis intelektas kuria renginio reklamą, rašo sveikinimo kalbas apdovanotiesiems ir kalbasi su kiekvienu svečiu.”
Ši analogija tokia galinga tuo, kad ji puikiai atspindi tai, ką visi pastebėjome per pastaruosius metus. Generatyvinis dirbtinis intelektas yra toks įdomus ir galingas, kad negalime nesižavėti jo rezultatais. Tačiau be fone dirbančio žmogaus (RPA), atliekančio antraeilius darbus, renginys neįmanomas arba bent jau nefunkcionalus.
„Gartner” teigimu, generatyvinis dirbtinis intelektas siūlo daugybę galimybių. Ji gali greitai sukurti rašytinį turinį, paveikslėlius, vaizdo įrašus, muziką ir net kodą. Kai kurios galimybės yra akivaizdžios iš karto, pavyzdžiui, klientų aptarnavimas pokalbiais.
Tačiau patobulinti pokalbių robotai – tai tik pradžia; kiti RPA ir generatyvinio dirbtinio intelekto panaudojimo atvejai apima pagalbą RPA suprantant įvairių formų nestruktūrizuotus duomenis ir net RPA papildant sprendimų priėmimo, duomenų analizės ir kt. funkcijas.
6. Dalyvavo automatizavimo procese
Automatizavimą galima suskirstyti į dvi kategorijas: Dalyvaujantys ir nedalyvaujantys. Kaip ir galima tikėtis, neprižiūrimas automatizavimas reiškia, kad robotas vykdo procesus be jokio žmogaus indėlio. Priešingai, automatizavimas dalyvaujant apibūdina užduotis, kurioms atlikti reikia žmogaus sąveikos bent vieno žingsnio metu.
Tai gali būti daroma keliais būdais. Pavyzdžiui, automatizuotam procesui gali prireikti rankinio paleidimo. Arba, atliekant vieną iš žingsnių, gali prireikti saugumo įgaliojimų. Tačiau sudėtingesnės orkestruotės įmanomos dėl robotinio darbalaukio automatizavimo (RDA).
Robotizuotas darbalaukio automatizavimas (RDA) yra viena iš dalyvaujamojo automatizavimo formų. Tačiau dėl dirbtinio intelekto įrankių, tokių kaip ML ir optinis ženklų atpažinimas, šie robotai dinamiškai sujungia kelis darbo eigos procesus ir nuolat automatizuoja įvairias individualaus naudotojo užduotis. Pagal šį scenarijų RDA robotas veikia kaip virtualus asistentas, gaunantis duomenis, siunčiantis failus ir generuojantis ataskaitas, o žmogus kalbasi su klientu.
7. Savigydos robotai
A
2022 m. RPA būklės apžvalga
atskleidė problemą, su kuria susiduria kai kurios RPA sprendimus diegiančios įmonės. Daugiau nei 69 % respondentų teigia, kad kiekvieną savaitę susiduria su neveikiančiu RPA botu. Dar blogiau – daugiau nei 40 % respondentų nurodė, kad boto taisymas užtrunka ilgiau nei 5 valandas, o kiti respondentai teigė, kad taisymas gali užtrukti ilgiau nei dieną.
Šie skaičiai yra nepriimtinai dideli. Tačiau apklausoje nenagrinėjama konkreti problema. Dažniausios RPA nesėkmės priežastys yra įvesties pakeitimai, robotų susidūrimas su išimtimis, neišsamūs duomenys, prastas testavimas arba techninės priežiūros trūkumas ir kt.
Savigydos RPA apibūdina sistemą, kuri gali pati save pataisyti be žmogaus įsikišimo.
Savigydos RPA robotai tampa įmanomi naudojant dirbtinio intelekto algoritmus, kurie stebi automatizuotos užduoties vykdymą. Iškilus problemoms, šie naudingi įrankiai pradeda veikti, nustato pagrindinę priežastį ir ją ištaiso. Geroji pusė – didesnis našumas ir daugiau darbo laiko.
8. Išmanusis apdorojimas kasyba
Procesų paieška RPA kontekste apima užduočių, kurias įmonės gali automatizuoti, atradimą. Naudodamos pažangias dirbtinio intelekto analitines galimybes, komandos gali ištirti savo verslo darbo eigą, kad rastų užduotis, kurias galima automatizuoti, ir prognozuoti šio automatizavimo poveikį.
Procesų gavybai naudojama ML ir duomenų analizė. Pavyzdžiui, ji naudoja ekrano įrašymo programinę įrangą, kad užfiksuotų darbo eigos duomenis, suskirstydama juos į etapus. Tada ML arba analitikos įrankiais atliekami šių užduočių modeliai ir randamos sritys, kurias galima paversti automatizuotais procesais. Dirbtinio intelekto įrankiai suteikia įmonėms geresnę užduočių priežiūrą ir supratimą, todėl jos gali nustatyti priklausomybes, kliūtis ir neveiksmingumą.
RPA ir procesų analizės derinimas yra labai veiksmingas, nes gali padėti įmonėms atskleisti procesus, kurių kitu atveju jos negalėtų aptikti. Tai reiškia, kad investicijos į RPA gali būti naudingesnės ir dar labiau padidinti kitus RPA privalumus, pavyzdžiui, sumažinti sąnaudas ir padidinti našumą.
Kitas dalykas, kurį čia galite pastebėti, yra tai, kad procesų gavyba gali sutrumpinti atitinkamų RPA procesų atradimo laiką. Tai reiškia, kad jūsų įgyvendinimas bus pradėtas daug greičiau.
9. Programinės įrangos testavimo automatizavimas
Programinės įrangos kūrėjai ir leidėjai per pastaruosius kelis dešimtmečius sukūrė kai kurias labiausiai perversmą sukėlusias technologijas. Tačiau jų pramonė taip pat patyrė tam tikrą revoliuciją. „DevOps” ir „Agile” metodikos padėjo programuotojams patenkinti žaibiškų, nuolat tobulinamų produktų poreikį, o „CI/CD” vamzdynai taip pat padeda greičiau pateikti produktus rinkai.
RPA yra fantastiškas įrankis tam tikrų tipų programinės įrangos testavimui. „McKinsey” teigia, kad naujos kartos programinės įrangos kūrimas atsilieka nuo dirbtinio intelekto pagal didžiausios 2023 m. technologijų tendencijos. Šios tendencijos priešakyje bus programinės įrangos testavimo automatizavimas, kuriam pasitelkiami ir RPA, ir dirbtinis intelektas, o generatyvinis dirbtinis intelektas rašys kodą, o ne techninio profilio komandos bus kviečiamos prisijungti prie šios srities įrankių, kuriuose nėra kodo.
Konsultacinės įmonės partneris Santiago Comella-Dorda teigia, kad „programuotojai yra bene vienas vertingiausių šiuolaikinės skaitmeninės įmonės išteklių, tačiau daugiau nei 40 proc. savo laiko jie praleidžia atlikdami pasikartojančias, mažos vertės užduotis, kurias būtų galima lengvai automatizuoti naudojant šiuolaikinį įrankių rinkinį.”
10. RPA išmanusis automatizavimas
Dirbtinis intelektas Robotizuotas procesų automatizavimas, dar vadinamas išmaniuoju procesų automatizavimu (IPA), laikomas kitu automatizavimo etapu. Tai yra RPA ir dirbtinis intelektas, kuris suteikia pažintinių gebėjimų. Ji gali apimti RPA su visomis arba kai kuriomis kitomis pirmiau išvardytomis dirbtinio intelekto technologijomis.
Į
IBM atliktoje C-Suite vadovų apklausoje
, 90 proc. respondentų teigė, kad pažangusis automatizavimas padėjo jiems „geriau nei vidutiniškai valdyti organizacinius pokyčius reaguojant į naujas verslo tendencijas”. Tai rodo, kad RPA ir dirbtinis intelektas gali padėti sukurti lanksčius ir patikimus sprendimus, kurie gali suteikti tikrą konkurencinį pranašumą.
Apie RPA ir dirbtinio intelekto galią įgyvendinti organizacinius pokyčius liudija verslo bendruomenės reakcija į COVID-19 pandemiją. Robotizuotų procesų automatizavimo technologijos taikymas siekiant užtikrinti verslo procesus COVID-19 pandemijos metu (Siderska, 2021) parodė, kad 60 proc. tirtų Lenkijos įmonių sugebėjo įgyvendinti verslo tęstinumą naudodamos RPA priemones. Tyrimo duomenimis, daugiausia prisidėjo dirbtinis intelektas ir analitika.
Neseniai vykusiame
Gartner apklausa
, 80 % vadovų atskleidė savo įsitikinimą, kad automatizavimas gali būti taikomas bet kuriam verslo procesui. Ši statistika yra puikus RPA galios, kai ji naudojama kartu su dirbtiniu intelektu, įrodymas. Neįmanoma įsivaizduoti, kad šis skaičius galėtų būti toks didelis, jei RPA nebūtų papildyta dirbtiniu intelektu.
Kalbant apie ateitį, tyrimai
neuromorfinis apdorojimas
– informacijos apdorojimo sistema, pagrįsta smegenų struktūra, gali padėti geriau pažinti ir padidinti mašininį intelektą. Ši perspektyva įdomi tuo, kad šiems intelekto modeliams reikia kur kas mažiau mokymo duomenų, o tai reiškia, kad jie gali būti prieinami įmonėms.
Kaip dirbtiniu intelektu paremta RPA pakeis ateitį
apie darbą ir visuomenę
Dirbtinio intelekto procesų automatizavimo įrankiai dar tik įsibėgėja. Štai kelios sritys, kuriose dirbtinis intelektas dar labiau paveiks automatizavimą.
1. Pramonė 4.0
Pirmoji pramonės revoliucija buvo varoma garu, antroji – elektra. Trečiąją pramonės revoliuciją XX a. septintajame dešimtmetyje paskatino skaitmeninės technologijos. Kalbant apie ketvirtąją pramonės revoliuciją, dar vadinamą Pramonė 4.0, yra keletas technologinių kandidatų, pavyzdžiui, skaitmeniniai dvyniai, virtualioji realybė, daiktų internetas, dirbtinis intelektas, intelektinis mąstymas ir net 3D spausdinimas.
Tačiau
IMD pasaulinės tiekimo grandinės apklausa
nuo 2022 m. atskleidžia nerimą keliančią tiesą. Iš daugiau nei 200 apklaustų gamybos įmonių vadovų tik nedaugelis su Pramonės 4.0 technologija susijusias technologijas įvardijo kaip svarbiausią prioritetą. Tai toli gražu ne 2019 m., kai 68 proc. „McKinsey” apklausoje dalyvavusių respondentų nurodė, kad „Pramonė 4.0” yra svarbiausias strateginis prioritetas.
Mokslinio tyrimo dokumente Robotizuotas procesų automatizavimas ir dirbtinis intelektas pramonėje 4.0 – Literatūros apžvalga (Riberio, 2021) autorius teigia, kad „atsižvelgiant į dirbtinio intelekto taikymo sritį, RPA prie savo automatizavimo funkcijų palaipsniui prideda algoritmų ar dirbtinio intelekto metodų, taikomų tam tikruose kontekstuose (pvz., įmonių išteklių planavimo, apskaitos, žmogiškųjų išteklių), skirtų klasifikuoti, atpažinti, kategorizuoti ir pan., įgyvendinimą”.
Tobulėjant technologijoms, naujos priemonės ir galimybės padės Pramonei 4.0 tapti dirbtinio intelekto varoma realybe.
2. Hiperautomatizavimas
Hiperautomatizavimas yra natūrali automatizavimo evoliucija. Tačiau vietoj konkrečios užduoties ar verslo proceso automatizavimo siekiama išplėsti automatizavimo galimybes visoje organizacijoje. Galutinė versija bus visiškai susietas ir iš esmės savarankiškas verslas, kuriame darbo eiga ir sprendimai bus supaprastinti, lankstūs ir atsparūs.
Hiperautomatizavimas apima kelių technologijų derinį. Tai apima:
- RPA
- AI
- Verslo procesų automatizavimas (BPA)
- ML
- Pažangus dokumentų apdorojimas (IDP)
- Darbo eigos orkestravimas
- Procesų kasyba
- Natūralios kalbos apdorojimas (NLP)
- Organizacijos skaitmeninis dvynys (DTO)
- Pokalbių RPA
- Kompiuterinė vizija RPA
Kaip teigiama dokumente Hiperautomatizavimas, skirtas pramonės automatizavimo tobulinimui (Haleem, 2021), „Naudojant automatizavimo technologijų derinį, hiperautomatizavimas gali įveikti kai kuriuos vieno automatizavimo įrenginio metodo apribojimus. Tai leidžia įmonėms peržengti kiekvieno proceso ribas ir automatizuoti beveik bet kokią sudėtingą ir keičiamo masto operaciją”.
3. Mažesnė priklausomybė nuo ekspertų
Pastarųjų metų programinės įrangos kūrimo bumas atskleidė problemą. Nors programėlių ir mobiliųjų technologijų paklausa augo, pasiūla sunkiai atsiliko. Programinės įrangos kūrėjų trūko, todėl daug darbo vietų buvo neužimtos ištisus mėnesius.
Kadangi kvalifikuotų kandidatų laukia prestižinės, šešiaženklės darbo vietos, būtų galima atleisti, jei manytumėte, kad žmonės paprasčiausiai persikvalifikuos ir gaus naudą. Mokyklos ir universitetai taip pat buvo tikrinami, o vyriausybės teigė, kad jos nepakankamai stengiasi skatinti STEM dalykų įsisavinimą. Tačiau iš tikrųjų koduoti yra sunku. Tik nedidelė dalis gyventojų turi tam tinkamų gebėjimų.
Kadangi mūsų pasaulis tampa vis labiau skaitmeninis, programuotojų trūkumas gali būti laikomas įspėjimu, į kurį neatsižvelgėme. Laimei, šią problemą gali padėti išspręsti dirbtinio intelekto automatizavimas.
Vadovaujančioms pareigoms užimti reikia vadovavimo įgūdžių ir gilių dalykinių žinių derinio. Skaitymas ir mokymasis – tai tik viena iš dalių, dėl kurių vadovai ir vyresnieji komandos nariai yra vertingi organizacijai. Tačiau, kadangi vis daugiau pramonės šakų imasi technologijų, šis talentų rezervas mažės.
Dirbtinio intelekto analitika gali naudoti didelius istorinių duomenų kiekius, kad surastų įžvalgas ir pagrindinius ryšius bei atliktų prognozes. Šios priemonės padės sumažinti patirties atotrūkį. Tai taip pat gali padėti demokratizuoti įžvalgų sprendimų priėmimą, kuris anksčiau buvo tik didžiulius biudžetus turinčių įmonių reikalas.
Nors patyrę sprendimų priėmėjai ir strategai niekada neišeis iš mados, hiperautomatizuotas verslas, valdomas mašininio mokymosi (ML) ir duomenų analizės, veiks visą parą, priimdamas sprendimus, pagrįstus veiksniais, į kuriuos žmogus sąmoningai negalėtų atsižvelgti.
„McKinsey” teigia, kad žinių reikalaujantis darbas automatizuojamas. Teisės, ekonomikos, švietimo, meno ir technologijų srityse atsiras trikdžių, kurie, kaip anksčiau buvo manoma, kels pavojų tik mažiau kvalifikuotoms darbo vietoms. Tačiau dar neaišku, ką tai reiškia bendrai darbo jėgai.
4. Didesnis valdžios sektoriaus efektyvumas
Valdžios sektoriaus išlaidos yra nuolat ginčytinas klausimas. Visame pasaulyje demokratinės administracijos turi reputaciją dėl išpūsto biudžeto ir klaidingų išlaidų. Per
žymaus Brookingso instituto tyrimai.
, JAV vyriausybinės institucijos imasi dirbtinio intelekto ir RPA.
Tokios skirtingos tarnybos kaip Maisto ir vaistų administracija, Socialinės apsaugos tarnyba, Gynybos logistikos agentūra ir Iždo departamentas pritaikė dirbtinį intelektą ir RPA, kad padidintų produktyvumą ir sumažintų pagrindinių paslaugų išlaidas. Be to, a
Amerikos technologijų tarybos ir Pramonės patariamosios tarybos (ACT-IAC) apklausa.
demonstruoja maždaug dešimties vyriausybinių organizacijų naudojimo atvejus.
Veiksmingesnė ir ekonomiškesnė vyriausybė galėtų turėti permainingą poveikį visai visuomenei. Paslaugos taptų veiksmingesnės ir efektyvesnės, o mokesčiai būtų nukreipti į programas, kurios galėtų pakeisti milijonų žmonių gyvenimą. Tačiau toks platus priėmimas pabrėžia, kad svarbu pašalinti
šališkumas dirbtinio intelekto srityje,
ypač jei pasaulio vyriausybės naudoja šią technologiją politiniams sprendimams priimti.
Galutinės mintys
Dirbtinis intelektas padarė didžiulį poveikį RPA technologijoms. Ankstyvosios automatizavimo priemonės galėjo atlikti daugelį rutininių ir kasdienių užduočių darbo vietoje. Tačiau, augant kolektyviniam automatizavimo apetitui, RPA susidūrė su savo ribomis. Dirbtinis intelektas naikina šias kliūtis.
Derinant RPA ir dirbtinį intelektą išplečiamos abiejų įrankių galimybės. Įmonės jau naudojasi pažangiosios automatikos privalumais, pavyzdžiui, gerina klientų aptarnavimą, didina organizacijos efektyvumą ir mažina veiklos sąnaudas. Dirbtinis intelektas išplėtė RPA taikymo sritį taip, kaip atrodė neįtikėtina vos prieš dešimtmetį.
Tačiau robotų procesų automatizavimo ir dirbtinio intelekto istorija čia nesibaigia. Dar daugiau laimėjimų bus pasiekta artėjant hiperautomatizavimo erai. Tai bus beprotiška kelionė, todėl neatsilikite.
