У чудовій статті ” Від роботизованої автоматизації процесів до інтелектуальної автоматизації процесів ” (Chakraborti, 2020) автор розглядає, як за останнє десятиліття роботизована автоматизація процесів (RPA) дивовижним чином сприяла підвищенню ефективності бізнес-процесів. Однак він припускає, що зараз ми знаходимося в “точці перегину” цього технологічного тренду, коли інтелектуальна автоматизація стає логічним продовженням RPA.
Чакраборті посилається на нову парадигму інтелектуальної автоматизації процесів, яка поєднує автоматизацію бізнес-процесів з машинним навчанням (ML), штучним інтелектом (AI) та даними клієнтів.
RPA – ще один важливий компонент інтелектуальної автоматизації. Ці дві концепції настільки переплетені, що існує певна плутанина щодо того, де починається інтелектуальна автоматизація процесів, а де закінчується роботизована автоматизація процесів.
У цій статті ми розглянемо відмінності та спільні риси обох дисциплін, а також покажемо, де вони перетинаються і перетинаються. Ми також поділимося деякими прикладами інтелектуальної автоматизації та галузевими кейсами використання.
Що таке роботизована автоматизація процесів?
Роботизована автоматизація процесів (RPA ) відноситься до набору технологій, що дозволяють вирішувати різні завдання автоматизації бізнес-процесів (BPA). Ми можемо визначити бізнес-процес як набір завдань, які забезпечують досягнення цілей організації. Наприклад, бізнес-процес може бути таким простим, як перевірка кредитної історії за кредитною заявкою.
Кроки, необхідні для кредитної перевірки, включають витяг імені клієнта з внутрішніх документів, запит до кредитного агентства, а потім введення результату назад у внутрішні системи. У традиційному бізнес-середовищі ці завдання вирішуються вручну. Однак автоматизація бізнес-процесів використовує роботів для виконання цих завдань, звідси і термін “роботизована автоматизація процесів”.
Завдання RPA повинні базуватися на правилах і бути передбачуваними. Вони потребують чітко визначених тригерів, входів і виходів. Таким чином, обробка винятків – це те, що може збити їх з пантелику. Аномалії або виняткові обставини – або будь-що, що вимагає мислення на льоту – не є завданнями, з якими RPA може впоратися. Звичайно, це не означає, що обробка виключень є чужою концепцією в розробці RPA.
Існує багато сценаріїв, коли бот не може виконати завдання через проблеми з дозволом безпеки або неповні дані. Розробники можуть враховувати ці винятки. Наприклад, уявіть ситуацію, коли ви створюєте RPA-процес для перенесення даних рахунків-фактур до бази даних, але база даних не працює. Ви можете наказати роботу продовжувати спроби через певні проміжки часу, поки він не з’єднається з базою даних. Однак, як тільки буде досягнуто максимальної кількості спроб, система видасть виняток, щоб працівник міг виправити ситуацію.
Те, що ми описали вище, є простим сценарієм. Однак, можливо, вам доведеться вивчити можливості інтелектуальної автоматизації процесів, щоб створити більш стійкі та надійні процеси, які самостійно обробляють винятки.
Щоб глибше зануритися в тему, прочитайте наш Повний посібник з роботизованої автоматизації процесів (RPA).
Що таке інтелектуальна автоматизація процесів (IPA)?
Інтелектуальна автоматизація процесів – це сукупність технологій, які допомагають компаніям автоматизувати існуючі робочі процеси. Ще у 2017 році компанія McKinsey підкреслила переваги інтелектуальної автоматизації. Популярний документ консалтингової компанії ” Інтелектуальна автоматизація процесів“: Двигун в основі операційної моделі наступного покоління” описує п’ять основних технологій, які об’єднуються, щоб зробити інтелектуальну автоматизацію можливою.
Так і є:
1. Роботизована автоматизація процесів (RPA):
Набір інструментів, які виконують передбачувані, повторювані та чітко визначені завдання, що традиційно були сферою діяльності людей
2. Машинне навчання та розширена аналітика:
Передові алгоритми, навчені знаходити закономірності у величезних масивах історичних даних, щоб надавати ідеї та прогнози зі швидкістю та точністю, які неможливі для дослідників-людей.
3. Генератори природної мови (NLG)
Як свідчить успіх таких інструментів, як ChatGPT і Pi, генератори природної мови можуть створювати текстові та інші креативи для полегшення комунікації між людьми і технологіями.
4. Розумні робочі процеси:
Програмне забезпечення для бізнес-процесів, яке керує робочим процесом між людьми та машинами, забезпечуючи безперебійну доставку, відстеження та звітність.
5. Когнітивні агенти:
Розумні чат-боти, які використовують комбінацію ML і NLP для забезпечення автоматизованого обслуговування клієнтів, зменшують навантаження на обслуговуючий персонал і, в деяких випадках, досягають успіху в продажах і розумінні клієнтів.
Перераховані вище технології є основними будівельними блоками, що формують рішення IPA. Хоча це і неявно, ми б також додали технологію комп’ютерного зору (CVT) до переліку інструментів, які складають технологію IPA.
Схожість між РПД та ПНД
Хоча RPA та IPA є різними технологічними категоріями, вони мають значний ступінь перетину. Ось деякі з подібностей між РПД та ПНД.
1. Вони обидва є інструментами автоматизації
Найбільш очевидний зв’язок між RPA та IPA полягає в тому, що обидва інструменти існують для автоматизації бізнес-процесів. Хоча кожне рішення використовує свій власний підхід і різні типи технологій для досягнення своїх цілей, їхня суть полягає в тому, щоб вирішувати завдання, які традиційно виконує людина, і знаходити способи робити їх більш ефективно, економічно ефективно і точно.
2. РПД є центральною частиною ПНД
Ще одна важлива схожість між обома технологіями полягає в тому, що RPA є основним компонентом IPA. Хоча машинне навчання та інші технології, що імітують людське пізнання, є ключовими складовими ПНД, автоматизація побудована на основі RPA.
3. RPA та IPA мають схожі переваги
RPA та IPA також мають багато спільних переваг для бізнесу. Наприклад, вони допомагають компаніям скоротити витрати, заощадити час, підвищити продуктивність, підвищити задоволеність працівників роботою, відповідати стандартам відповідності, покращити обслуговування та зменшити кількість людських помилок.
Відмінності між РПД та ПНД
Хоча RPA та IPA мають багато спільних рис, є деякі відмінності, які необхідно розуміти.
#1. Масштабованість
Хоча RPA чудово справляється з автоматизацією окремих завдань, організація складних робочих процесів або обробка неструктурованих даних є поширеною проблемою. IPA пропонує набір інструментів, які допомагають масштабувати вузькі місця, такі як неструктуровані дані або процес прийняття рішень.
#2. Навчання та адаптація в режимі реального часу
RPA – ідеальне рішення для завдань, які мають передбачуваний, покроковий шлях. За визначенням, він слідує інструкціям. З іншого боку, IPA може навчатися і адаптуватися в режимі реального часу завдяки таким функціям, як ML.
#3. Розвідка
Інтелект складно визначити. Однак ми всі розуміємо, що людське мислення використовує різні інструменти, такі як логіка, міркування, навчання, планування та вирішення проблем, щоб генерувати відповіді або прогнози на основі інформації.
Інструменти RPA можуть обробляти інформацію, але тільки за суворим набором правил. В основному, він використовує логіку if/then/else для обробки бізнес-процесів. По суті, RPA імітує людське пізнання, але тільки тому, що йому дають карту.
Інтелектуальна автоматизація, з іншого боку, обробляє дані у спосіб, який більше нагадує людське пізнання. Оскільки інтелектуальні інструменти автоматизації використовують штучний інтелект, вони можуть виходити за рамки виконання інструкцій, адаптуватися і пристосовуватися до мінливих обставин, неструктурованих даних та інших виняткових факторів, які можуть поставити в глухий кут інструменти RPA.
#4. Робота з неструктурованими даними
RPA допомагає командам вирішувати детерміновані завдання. Таким чином, він покладається на передбачувані вхідні дані, такі як структуровані дані. Однак, коли справа доходить до роботи з неструктурованими даними або будь-якою інформацією, що виходить за рамки заповідника, ми досягаємо верхньої межі можливостей інструментів RPA.
Робота зі структурованими даними часто лягає на плечі працівників ручної праці. Оскільки прийняття рішень та їхня інтерпретація пов’язані з досить великою кількістю питань, має сенс використовувати людське пізнання. Однак інтелектуальна автоматизація може обробляти неструктуровані дані завдяки використанню технологій штучного інтелекту, таких як машинне навчання.
Варто зазначити, що інструменти RPA можна використовувати для перетворення неструктурованих даних на структуровані. Наприклад, використання інструментів обробки природної мови (NLP) або оптичного розпізнавання символів (OCR) допомагає перетворити ці дані на щось, з чим може працювати робот. Однак природа неструктурованих даних робить цей процес складним і вимагає створення декількох шаблонів, здатних впоратися з цим завданням. Ця реальність може призвести до проблем масштабування в рішеннях RPA.
#5. RPA є більш економічно ефективним
Хоча інструменти внутрішнього аудиту мають ширшу сферу застосування, ніж програмне забезпечення RPA, ці додаткові можливості мають свою ціну. Одним із найпривабливіших аспектів інструментів автоматизації є їхня перевірена економія коштів. Однак, враховуючи їхні відносні ціни, програмне забезпечення RPA є більш доступним для більшої частини ринку.
Інтелектуальна автоматизація є більш гнучким рішенням, яке може працювати в більш широкому діапазоні середовищ. Проте не кожен бізнес має складні вимоги до автоматизації. Залежно від обсягу бізнес-процесів, які потрібно автоматизувати, RPA-рішення можуть надати все необхідне.
#6. RPA швидше впроваджується
Інтелектуальні засоби автоматизації дозволяють вирішувати широкий спектр завдань. Однак, коли мова йде про швидке впровадження, ця складність стає невеликим мінусом. Інструменти RPA простіші, а отже, їх впровадження є дешевшим і менш трудомістким. Для керівників, які перебувають під тиском необхідності цифрової трансформації свого бізнесу, рішення RPA можуть запропонувати швидший шлях до створення цінності.
#7. Інструменти IPA мають крутішу криву навчання
Знову ж таки, відносна складність цих інструментів створює переваги та недоліки. За своєю природою, впровадження інструментів ПНД вимагає високотехнологічних функцій, таких як машинне навчання.
Залишається надія на нетехнічні команди. Консалтингові фірми, що займаються інтелектуальною автоматизацією, можуть виконати більшу частину важкої роботи і розробити технологічний процес. Більше того, інструменти внутрішнього аудиту з кожним днем стають все більш зручними у використанні.
Приклади інтелектуальної автоматизації процесів та галузеві кейси використання
Згідно з дослідженнями, у 2023 році буде вироблено 120 зеттабайт даних. Щороку обсяг даних, вироблених у світі, збільшується приблизно на 20-25%. За даними MIT Sloan, близько 80% цих даних є неструктурованими. Хоча інструменти RPA дозволили компаніям багато чого зробити зі структурованими даними, очевидно, що текст, аудіо, відео, електронні листи, контент соціальних мереж, журнали серверів, журнали датчиків і супутникові знімки можуть запропонувати неабиякі можливості.
Найкращий спосіб зрозуміти можливості інтелектуальної автоматизації бізнесу – це практичні, реальні приклади та кейси використання. Ось кілька способів, як технологія інтелектуальної автоматизації може допомогти в конкретних галузях.
1. Обслуговування клієнтів
За останні роки очікування клієнтів від обслуговування різко зросли. Сучасний споживач вимагає постійного самообслуговування з високим ступенем персоналізації. Інтелектуальна автоматизація допомагає компаніям пропонувати очікуваний рівень індивідуального обслуговування без високих накладних витрат, пов’язаних з людськими працівниками.
Чат-боти на базі процесорів природної мови, підключені до платформ управління взаємовідносинами з клієнтами (CRM), можуть запропонувати відмінний клієнтський досвід. У поєднанні з автоматизованою обробкою електронної пошти, предиктивною аналітикою та аналізом настроїв, компанії отримують багатоканальне обслуговування, яке попереджає проблеми та сприяє утриманню клієнтів.
2. Охорона здоров’я
Охорона здоров’я була значним прихильником інтелектуальної автоматизації. Глобальне погіршення здоров’я означає, що лікарні стають все більш завантаженими, і багато з них не витримують навантаження. Обмеженість бюджетів і перевантаженість персоналу підкреслюють необхідність підвищення операційної ефективності, особливо в таких адміністративних завданнях, як реєстрація пацієнтів, оформлення страховок, складання розкладу, виставлення рахунків тощо.
3. Фінанси
Фінансова індустрія справедливо заслужила репутацію галузі, що знаходиться на передовій передових технологій. Будучи першими, хто впровадив технологію RPA, галузь продовжує шукати шляхи підвищення ефективності та виконання нормативних вимог. Інтелектуальна автоматизація використовується у всьому фінансовому просторі, щоб допомогти у виявленні шахрайства та дотриманні законодавства. Однак технології також допомагають в операціях, дедалі більше спрощуючи процес прийняття рішень щодо кредитних заявок тощо. Крім того, він також може автоматизувати тестування програмного забезпечення, допомагаючи фінансовим установам створювати програмне забезпечення на замовлення.
4. Виробництво
Останніми роками поінформованість громадськості про проблеми ланцюгів поставок зросла через вузькі місця, інфляцію та загальну кризу вартості життя. Виробники повинні впроваджувати цифрову трансформацію в міру того, як змінюються купівельні вподобання та динаміка бізнесу. Ця реальність особливо помітна в нових індустріальних країнах та країнах, що розвиваються.
RPA та IPA можуть допомогти компаніям у цих сферах подолати розрив і вдосконалити процеси та організацію по всьому ланцюжку створення вартості. Автоматизація виробничих замовлень, розуміння та пристосування до мінливих уподобань клієнтів, покращення логістики та скорочення відходів – це лише кілька сфер, в яких інструменти зі штучним інтелектом можуть бути корисними.
Чи є інтелектуальна автоматизація процесів і гіперавтоматизація одним і тим же?
Хоча багато експертів використовують поняття “інтелектуальна автоматизація процесів” і ” гіперавтоматизація ” як взаємозамінні, це різні концепції. Плутанину можна зрозуміти. Обидві дисципліни знаходяться в авангарді автоматизації ІТ та бізнес-процесів за допомогою штучного інтелекту та інших суміжних технологій. Однак важливо розуміти відмінності між ними.
Як зазначалося вище, інтелектуальна автоматизація процесів використовує поєднання таких технологій, як штучний інтелект, машинний інтелект, комп’ютерний зір, когнітивні технології, обробка природної мови і, звичайно ж, RPA.
З іншого боку, гіперавтоматизація – це філософія або підхід, який спрямований на автоматизацію якомога більшої кількості бізнес-процесів.
Значна частина плутанини виникає через те, що ПНД є частиною підходу до гіперавтоматизації. Проте гіперавтоматизація – це більш досконала, прискорена версія внутрішнього аудиту з набагато ширшими можливостями. Замість того, щоб мати справу з фіксованими процесами або завданнями, гіперавтоматизація працює на різних платформах і технологіях, щоб максимізувати ефективність бізнесу.
Де перетинаються і зближуються IPA та RPA
Значну частину цієї статті ми присвятили аналізу порівняльних переваг IPA та RPA. Хоча корисно проводити різницю між цими технологіями автоматизації, думати про них як про ворожі або конкуруючі інструменти не зовсім правильно. Найкращий спосіб зрозуміти їхні можливості – це використовувати їх як додаткові інструменти автоматизації.
Існує низка точок, де обидва інструменти перетинаються.
#1. IPA як рішення для подолання обмежень RPA
У статті ” Як конкурувати в епоху штучного інтелекту ” (Mohanty and Vyas, 2018) автори стверджують, що “роботи RPA будуть робити саме те, що ви їм скажете, і в цьому їхня найбільша сила, але також і найбільша слабкість”. Ця думка підкреслює важливий момент щодо меж застосування RPA: Як свідчить її широке впровадження, вона є важливим інструментом в інформаційну епоху; однак неструктуровані дані та непередбачувані сценарії означають, що компанії не можуть застосовувати рішення RPA для кожного завдання.
Машинне навчання може допомогти розширити можливості RPA, особливо у двох основних сферах. Так і є:
1. Робота з неструктурованими даними
2. Відкриваємо двері до прийняття рішень вищого порядку
Наразі інструменти RPA не здатні на це. Однак, доповнена штучним інтелектом, автоматизація може вийти на новий рівень.
#2. Як сходинка до впровадження IPA або гіперавтоматизації
Є спокуса розглядати RPA, IPA та гіперавтоматизацію як континуум. Проте, можливо, це було б дещо спрощеним поясненням. Справа в тому, що будь-яка складна система автоматизації, яка включає в себе IPA або гіперавтоматизацію, значною мірою покладається на RPA. Таким чином, інструменти RPA залишатимуться актуальними і необхідними в цих перспективних сценаріях.
Де цей аргумент є більш вагомим, так це в контексті імплементації. Шлях до гіперавтоматизації вимагає багато досліджень щодо того, які завдання можна автоматизувати. Починаючи з RPA, ви створюєте міцний фундамент для типів завдань, які можна автоматизувати. Він дозволяє компаніям створювати та тестувати робочі процеси автоматизації, які згодом вони можуть розширити та доповнити за допомогою IPA.
Гіперавтоматизація – це підхід, який передбачає автоматизацію всього, що можливо. Те, як це виглядає, буде відрізнятися від одного бізнесу до іншого. У деяких компаніях це може бути RPA, якому частково допомагає штучний інтелект, а в інших – повноцінна, комплексна система автоматизації з мінімальною участю людини.
#3. Прогностичний аналіз та прийняття рішень
RPA виконує визначені завдання на основі певних тригерів або вхідних даних. Коли ми розглядаємо деякі переваги IPA, такі як аналіз настроїв, обробка природної мови, технологія комп’ютерного зору та можливості ML, стає зрозуміло, що технологія зможе обробляти велику кількість безладних даних і перетворювати їх на структуровану інформацію, яка може слугувати цими тригерами або вхідними даними.
Можливості тут приголомшливі. Як ми бачили в медичній галузі, дослідження продемонстрували, що ШІ перевершив радіологів у мамографічному скринінгу. Точне прогнозування вимагає багаторічного досвіду та знань у певній галузі, які залишають бізнес, коли хтось іде на пенсію або звільняється. RPA, доповнена штучним інтелектом, може допомогти подолати цю прогалину в досвіді.
Хоча приклад мамографічного скринінгу привертає увагу, переваги RPA та IPA можуть бути застосовані до кількох інших сценаріїв управління бізнесом, які вимагають якісного пізнання або прийняття рішень. Після того, як ці рішення будуть прийняті, вони можуть запустити подальші дії через RPA, забезпечуючи неймовірний рівень продуктивності для широкого кола підприємств.
П’ять інтелектуальних інструментів автоматизації
На ринку є кілька постачальників інтелектуальної автоматизації. Кожна з них пропонує унікальне поєднання різних технологій, підходів і цін. Розглянемо п’ять найвідоміших імен у сфері ІА.
#1. ZAPTEST
ZAPTEST – це комплексне рішення для інтелектуальної автоматизації, що пропонує найсучасніші інструменти гіперавтоматизації як для автоматизації програмного забезпечення, так і для роботизованої автоматизації процесів. Вона використовує поєднання технології комп’ютерного зору та RPA, щоб допомогти користувачам виявляти та автоматизувати як фронт-, так і бекенд-офісні завдання. Платформа має чудові функції, такі як розпізнавання тексту та надійні аналітичні інструменти. Вона також поставляється з можливістю роботи без коду, безкоштовною та корпоративною версіями, крос-платформенною/крос-браузерною автоматизацією будь-якої програми, необмеженими ліцензіями та штатним експертом з ZAP, який працює в команді клієнта (в рамках корпоративної версії).
#2. IBM Cloud Pak для автоматизації бізнесу
IBM Cloud Pak – це модульне, гібридне хмарне, інтелектуальне рішення для автоматизації. Ця комплексна платформа для автоматизації бізнесу має безліч функцій, включаючи автоматизацію робочих процесів, обробку документів, інтелектуальний аналіз процесів та управління прийняттям рішень. Він також включає в себе інструменти з низьким рівнем коду та без коду, а також хорошу підтримку клієнтів.
#3. Платформа для автоматизації бізнесу UiPath
UiPath розширив свою пропозицію RPA за рахунок інтелектуальної автоматизації бізнесу. Для досягнення цих цілей платформа використовує технологію комп’ютерного зору та Unattended Robotics (за їхніми словами, “роботи, що керують роботами”). Вони також використовують когнітивні технології для розуміння мови та неструктурованих даних. Платформа для автоматизації бізнесу UiPath інтегрується зі сторонніми когнітивними сервісами від таких постачальників, як IBM, Google і Microsoft.
#4. SS&C Blue Prism Cloud
SS&C Blue Prism Cloud – ще одна хмарна платформа інтелектуальної автоматизації з можливостями внутрішнього аудиту. Фірма також пропонує послуги інтелектуальної автоматизації, щоб допомогти командам впоратися з впровадженням та обслуговуванням. Окрім інтелектуальних роботизованих інструментів автоматизації процесів, Blue Prism Cloud також пропонує дизайн-студію без коду, з можливістю перетягування, та Control Room – функцію оркестрування автоматизації робочих процесів.
#5. Microsoft Power Automate
Microsoft Power Automate, що раніше називався Microsoft Flow, – це ще одне хмарне інтелектуальне рішення для автоматизації без використання коду. Пакет пропонує функцію під назвою AI Builder, яка є зручною, масштабованою та легко підключається. Широко розрекламовані інвестиції Microsoft в ChatGPT у розмірі 10 мільярдів доларів означають, що він надає можливості обробки природної мови в поєднанні з інтерфейсом “вкажи і клацни”, який дозволяє нетехнічним командам створювати інтелектуальні роботизовані робочі процеси автоматизації процесів.
Заключні думки
RPA та IPA – це різні технології. Однак, вони глибоко компліментарні. Справжня сила обох інструментів полягає в їхній здатності доповнювати не лише людські ресурси, а й один одного. Як показують численні приклади інтелектуальної автоматизації, значну частину основної роботи, яку забезпечує ШІ, можуть виконувати цифрові працівники та роботи. Успішна автоматизація вимагає розбиття та розуміння існуючих робочих процесів. RPA може враховувати багато з цих складових.
Ми стоїмо на порозі захоплюючої ери у світі праці, коли когнітивні здібності людини можуть бути доповнені штучним інтелектом. Цифрова трансформація по праву є пріоритетом для бізнесу в розвинених країнах та країнах, що розвиваються. Впровадження інструментів IPA та RPA стане центральною частиною цього переходу, що забезпечить неймовірну продуктивність.
