Роботизована автоматизація процесів – це потяг, що вирвався з-під контролю. За даними Deloitte, технологія дозволить досягти майже повсюдне впровадження до 2025 року. Однак те, що RPA домінує в діловому світі, не означає, що вона перестане розвиватися.
Ми стоїмо на захоплюючому технологічному переломі. Досягнення в галузі штучного інтелекту за останні роки вражають. ChatGPT та інші форми генеративного ШІ захопили суспільну свідомість. Однак ця захоплююча технологія – лише один із проявів потенціалу ШІ.
RPA – це простий, але ефективний інструмент. Однак конвергенція RPA і ШІ відкриває безмежні можливості для інновацій. Діалогове обслуговування клієнтів на основі ШІ, прийняття рішень на основі аналітики та автоматизація роботи зі знаннями – це лише деякі приклади застосування ШІ в RPA.
З розвитком технологій когнітивна роботизована автоматизація процесів змінить характер роботи таким чином, що ми навіть не можемо собі уявити. Давайте розглянемо, як ШІ з RPA вже розсунув межі автоматизації, перш ніж розглядати його вплив на майбутнє.
Межі RPA
Широке впровадження RPA є свідченням його корисності. Ця технологія допомогла незліченній кількості компаній досягти нового рівня виробництва, ефективності та точності, автоматизувавши завдання, які раніше виконувалися вручну. Однак, як і будь-яка технологія, вона має верхню межу.
1. Автоматизацією транзакцій складно керувати
Хоча RPA-боти сумлінно виконуватимуть процеси, вони потребують певного управління та обслуговування. Наприклад, коли змінюються входи або виходи, боти повинні бути переналаштовані, щоб впоратися з цими незначними змінами. У динамічному робочому середовищі це може забирати ресурси та час.
2. RPA бореться з неструктурованими даними
Інструменти RPA створені для виконання завдань за допомогою логіки if/then/else. Таким чином, вони покладаються на передбачувані структури даних. Будь-яка варіація або зміна вхідних даних призведе до помилок або винятків, оскільки вони виходять за межі визначених значень, які бот очікує отримати.
3. RPA створює проблеми з масштабуванням
Частково через причини, які ми перерахували вище, масштабування процесів RPA може бути складним. Кожен процес має бути чітко визначений, керований і підтримуваний, тоді як недостатня адаптивність RPA також може створювати проблеми.
Обмеження RPA – це не те, про що варто турбуватися. RPA зі штучним інтелектом може подолати кожне з цих обмежень, відкриваючи при цьому нові та цікаві можливості автоматизації.
Ось як RPA зі штучним інтелектом змінив автоматизацію.
Роботизована автоматизація процесів та штучний інтелект:
Ідеальне поєднання
RPA за своєю суттю є простим і нескладним інструментом, принаймні на рівні користувача. Він створений, щоб бути доступним для нетехнічних команд. Таким чином, він виконує інструкції, які йому дають, у контрольований спосіб. Люди повинні ідентифікувати ці процеси і направляти RPA на виконання команд.
Звичайно, деталізація покрокових інструкцій може стати неможливою за умови достатньої складності – саме тому поєднання RPA та штучного інтелекту є майбутнім автоматизації.
1. RPA з оптичним розпізнаванням символів
В
Роботизована автоматизація процесів за допомогою ШІ та розпізнавання тексту для покращення бізнес-процесів
(Shidaganti, 2021), автор окреслює обмеження RPA, пропонуючи: “Будь-які зміни в автоматизованому процесі вимагають прямих змін у застосуванні RPA”. Шидаганті пропонує ШІ як рішення для цього процесу і наводить аргументи на користь оптичного розпізнавання символів (OCR) як фундаментального доповнення до RPA.
Дійсно, OCR вплинуло на бізнес, відкривши можливості RPA для неструктурованих даних. Інструменти розпізнавання RPA на основі штучного інтелекту можуть зчитувати інформацію з друкованих документів і навіть письмового тексту. Існує три основні можливості для RPA, яким сприяє інтеграція OCR.
- OCR кодує структуровані дані, дозволяючи RPA працювати з непередбачуваними вхідними даними
- RPA може автоматизувати віддалені машини, розшифровуючи те, що відбувається на їхніх екранах
- Розпізнавання тексту (OCR) у поєднанні з машинним навчанням може допомогти в системах “Знай свого клієнта” (KYC), протидії відмиванню грошей (AML) та виявленні шахрайства шляхом сканування документів. Висновки та рішення технологій можуть інтегруватися з RPA, що дозволить швидше відкривати рахунки, адаптувати клієнтів, приймати рішення про кредити тощо.
2. Машинне навчання та RPA
Роботизована автоматизація процесів і машинне навчання – ще один приклад використання ШІ для подолання обмежень, притаманних RPA. Ще в 2016 році експерти з автоматизації в страховій галузі визначили можливості когнітивної роботизованої автоматизації процесів (RPA). У цій статті автори обговорюють “самооптимізацію обслуговування клієнтів, ціноутворення на кредити, фінансові консультації, розгляд претензій чи скарг” як можливі горизонти.
Цікаво спостерігати, як інструменти машинного навчання для автоматизації роботизованих процесів стали поширеними за короткий проміжок часу, що має слугувати ознакою прогресу.
Машинне навчання всюди. Він описує процес навчання машини виконувати завдання за допомогою чітких програмних інструкцій. Як ви, можливо, знаєте, це передбачає, що машини використовують алгоритми для аналізу та пошуку закономірностей у наборі даних. Once trained, the machine can process other data and produce insights and predictions.
RPA і машинне навчання чудово поєднуються, оскільки це означає, що RPA стає розумнішим, інтуїтивно зрозумілішим і здатним працювати з неструктурованими даними.
3. RPA з глибоким навчанням
Машинне навчання – це підвид ШІ, тоді як глибоке навчання – це підвид машинного навчання. Різниця між глибоким навчанням і машинним навчанням, можливо, для когось непомітна, але її варто дослідити. Машинне навчання навчається на даних, щоб допомогти у прийнятті рішень та прогнозуванні.
Однак, як правило, технологія не здатна самостійно вдосконалюватися з плином часу. На противагу цьому, глибоке навчання передбачає використання нейронних мереж для навчання та підвищення його ефективності. Іншими словами, завдяки глибокому навчанню, RPA та ML об’єднуються для створення автоматизації, яка стає кращою завдяки досвіду.
Звичайно, для виконання цієї функції Deep Learning потребує неймовірної кількості даних. Це ще один приклад глибокого симбіозу між ШІ та RPA, боти ідеально підходять для допомоги в трудомісткому процесі збору цих навчальних даних. Інструменти RPA можуть отримувати доступ до різних веб-сайтів та інших інформаційних сховищ для збору цієї інформації, забезпечуючи алгоритм глибокого навчання великою кількістю даних для вдосконалення.
Глибоке навчання також дозволяє ботам використовувати переваги предиктивної аналітики. Коли RPA стикається з винятками, він може зіставити їх з очікуваними або неочікуваними шаблонами, усуваючи залежність від людського втручання.
Коли розумні боти можуть приймати рішення на основі даних, вони можуть оптимально реагувати на запити клієнтів. Прикладом таких додатків в рамках RPA є інструменти аналізу настроїв, які використовують обробку природної мови (NLP) для розшифровки настроїв споживачів. У свою чергу, боти можуть змінювати свою реакцію, щоб взяти потрібну ноту. Цей динамізм може зробити багато для подолання розриву між чуйним людським обслуговуванням клієнтів та його механізованою альтернативою.
4. RPA та розпізнавання зображень
Поєднання RPA з програмним забезпеченням для розпізнавання зображень – ще один приклад використання ШІ для подолання нездатності RPA працювати з безладними або неструктурованими даними. У статті
Аналіз та застосування технологій штучного інтелекту в галузі програмних роботів RPA для автоматизації бізнес-процесів
(Канаков, 2022), автор описує деякі цікаві способи використання RPA та розпізнавання зображень для автоматизації перевірки біографічних даних при прийомі на роботу або для допомоги у виявленні шахрайства.
Інші варіанти використання, запропоновані Канаковим, включають використання розпізнавання облич для забезпечення безпеки будівель, з інструментами RPA, підключеними до камер. Застосувань дійсно нескінченно багато. Наприклад, дрони або камери можуть сканувати будь-яку кількість середовищ на наявність аномалій. Після виявлення проблеми система RPA може повідомити про неї відповідним сторонам, забезпечуючи швидке усунення.
5. RPA з генеративним ШІ
У статті
статті у Forbes
Клінт Боултон з DELL використовує фантастичну аналогію, порівнюючи RPA та генеративний ШІ. Він припускає, що “на урочистому заході RPA перевіряє список гостей, рахує квитки і контролює такі речі, як місткість приміщення, опалення та освітлення”. Далі він продовжує: “Тим часом Генеративний ШІ створює рекламу для заходу, пише вітальні промови для нагороджених і розмовляє з кожним гостем”.
Ця аналогія настільки сильна, що вона чудово відображає те, що ми всі спостерігали протягом останнього року або близько того. Генеративний ШІ настільки цікавий і потужний, що ми не можемо не захоплюватися його результатами. Однак без того, щоб хтось (RPA) не працював на задньому плані, виконуючи чорну роботу, не може бути жодної події або, принаймні, жодної функціональної події.
Згідно з даними Gartner, генеративний ШІ пропонує безліч можливостей. Він може швидко генерувати письмовий контент, зображення, відео, музику і навіть код. Деякі з можливостей очевидні одразу, наприклад, діалогове обслуговування клієнтів.
Але вдосконалені чат-боти – це лише початок; інші варіанти використання RPA та генеративного ШІ включають допомогу RPA в розумінні неструктурованих даних різних форм і навіть доповнення RPA для прийняття рішень, аналізу даних тощо.
6. Автоматизація, що обслуговується
Ви можете розділити автоматизацію на дві категорії: Контрольовану та Не контрольовану. Як і слід було очікувати, автоматизація без участі людини означає, що бот виконує процеси без участі людини. На відміну від цього, Attended Automation описує завдання, які вимагають людської участі, як мінімум, на одному з етапів.
Є кілька способів, як це може спрацювати. Наприклад, автоматизований процес може потребувати ручного запуску. Крім того, на одному з етапів процесу можуть знадобитися облікові дані для доступу до системи безпеки. Однак, завдяки автоматизації робочого столу Robotic Desktop Automation (RDA), тут можливі і більш складні оркестровки.
Роботизована автоматизація робочого столу (RDA) – це форма автоматизації за участю людини. Однак завдяки інструментам штучного інтелекту, таким як ML та оптичне розпізнавання символів, ці роботи динамічно об’єднують кілька робочих процесів, постійно автоматизуючи різні завдання для окремого користувача. У цьому сценарії RDA-бот діє як віртуальний асистент, отримуючи дані, надсилаючи файли та створюючи звіти, поки людина-оператор розмовляє з клієнтом.
7. Самовідновлювальні боти
A
Опитування стану RPA з 2022 року
виявило проблему, яка впливає на деякі компанії, що впроваджують RPA-рішення. Понад 69% респондентів стверджують, що щотижня стикаються зі збоями в роботі RPA-бота. Що ще гірше, понад 40% припустили, що на виправлення бота потрібно більше 5 годин, а інші респонденти припустили, що виправлення може зайняти більше одного дня.
Ці цифри є неприпустимо високими. Однак опитування не заглиблюється у специфіку проблеми. Серед поширених причин невдач RPA – зміна вхідних даних, натрапляння роботів на винятки, неповні дані, неякісне тестування або відсутність технічного обслуговування тощо.
Самовідновлення RPA описує систему, яка може виправити себе без участі людини-працівника.
Самовідновлення RPA-ботів стало можливим завдяки алгоритмам штучного інтелекту, які контролюють виконання автоматизованого завдання. Коли виникають проблеми, ці корисні інструменти вступають у дію, визначають першопричину і застосовують виправлення. Перевагою є підвищення продуктивності та збільшення часу безвідмовної роботи.
8. Розумний переробний видобуток корисних копалин
Процесний аналіз в контексті RPA передбачає виявлення завдань, які бізнес може автоматизувати. Використовуючи розширені аналітичні можливості штучного інтелекту, команди можуть досліджувати свої бізнес-процеси, щоб знайти завдання, які можна автоматизувати, і робити прогнози щодо впливу цієї автоматизації.
Процесний Майнінг використовує ML та аналітику даних. Наприклад, вона використовує програмне забезпечення для запису екрану, щоб фіксувати дані робочого процесу, розбиваючи його на етапи. Потім інструменти машинного навчання або аналітики запускають моделі цих завдань і знаходять області, які можна перетворити на автоматизовані процеси. Інструменти штучного інтелекту дають компаніям можливість краще контролювати і розуміти завдання, дозволяючи їм виявляти залежності, вузькі місця і неефективність.
Поєднання RPA та процесного аналізатора є дуже потужним, оскільки може допомогти компаніям виявити процеси, які інакше вони не змогли б виявити. Це означає, що ви можете отримати більше користі від своїх інвестицій в RPA і ще більше посилити інші переваги RPA, такі як зниження витрат і підвищення продуктивності.
Інша річ, яку ви можете помітити, – це те, що процесний майнінг може скоротити час виявлення відповідних RPA-процесів. Це означає, що ваша реалізація почнеться набагато швидше.
9. Автоматизація тестування програмного забезпечення
Розробники та видавці програмного забезпечення створили деякі з найбільш проривних технологій, які ми отримали за останні кілька десятиліть. Втім, сама індустрія також пережила щось на кшталт революції. Методології DevOps та Agile допомогли розробникам задовольнити попит на блискавичні продукти, що постійно вдосконалюються, а конвеєри CI/CD також сприяють скороченню часу виходу на ринок.
RPA – це фантастичний інструмент для специфічних типів тестування програмного забезпечення. McKinsey припускає, що розробка програмного забезпечення наступного покоління трохи відстає від ШІ з точки зору найбільші технологічні тренди 2023 року. Автоматизація тестування програмного забезпечення на основі RPA та ШІ буде в авангарді цієї тенденції, а генеративний ШІ буде писати код, а нетехнічні команди будуть залучатися до роботи завдяки інструментам без коду.
Як зазначає партнер консалтингової фірми Сантьяго Комелла-Дорда, “розробники є, мабуть, одним з найцінніших активів сучасного цифрового підприємства, проте вони витрачають понад 40 відсотків свого часу на повторювані, малоцінні завдання, які можна було б легко автоматизувати за допомогою сучасного набору інструментів”.
10. Інтелектуальна автоматизація RPA
Роботизована автоматизація процесів зі штучним інтелектом, яку також називають інтелектуальною автоматизацією процесів (IPA), вважається наступним етапом автоматизації. Він бере RPA і додає когнітивні здібності за допомогою штучного інтелекту. Він може охоплювати RPA з усіма або деякими іншими технологіями штучного інтелекту, перерахованими вище.
В опитуванні
IBM опитування керівників вищої ланки
90% респондентів зазначили, що Інтелектуальна автоматизація допомогла їм досягти результатів “вище середнього в управлінні організаційними змінами у відповідь на нові тенденції в бізнесі”. Такі настрої свідчать про здатність RPA та ШІ створювати гнучкі та надійні рішення, які можуть забезпечити справжню конкурентну перевагу.
Доказом того, що RPA та штучний інтелект здатні впроваджувати організаційні зміни, є реакція бізнес-спільноти на пандемію COVID-19. Впровадження роботизованої технології автоматизації процесів для забезпечення бізнес-процесів під час пандемії COVID-19 (Siderska, 2021) показало, що 60% досліджених польських підприємств змогли впровадити безперервність бізнесу завдяки інструментам RPA. Згідно з дослідженням, ШІ та аналітика зробили найбільший внесок.
У нещодавньому
Gartner
цілих 80% керівників висловили переконання, що автоматизація може бути застосована до будь-якого бізнес-процесу. Ця статистика є чудовим свідченням потужності RPA у поєднанні зі штучним інтелектом. Неможливо уявити, що ця цифра могла б бути такою високою без доповнення RPA штучним інтелектом.
Що стосується майбутнього, то дослідження в галузі
нейроморфної обробки
– система обробки інформації, яка базується на структурі мозку – може призвести до більшого пізнання та машинного інтелекту. Найцікавіше в цій перспективі те, що ці інтелектуальні моделі потребують набагато менше навчальних даних, а це означає, що вони можуть бути доступними для підприємств.
Як штучний інтелект змінить майбутнє
праці та суспільства
Інструменти для автоматизації процесів зі штучним інтелектом тільки прогріваються. Ось деякі сфери, де ШІ ще більше вплине на автоматизацію.
1. Індустрія 4.0
Перша промислова революція була заснована на парі, Друга – на електриці. Третя промислова революція стала можливою завдяки цифровим технологіям у 1970-х роках. Коли йдеться про Четверту промислову революцію, також відому як Індустрія 4.0, є кілька технологічних кандидатів, таких як цифрові двійники, віртуальна реальність, Інтернет речей (IoT), штучний інтелект і машинний інтелект, і навіть 3D-друк.
Однак, дослідження
Глобальне дослідження ланцюгів поставок IMD
від 2022 року відкриває тривожну правду. З понад 200 опитаних керівників промислових підприємств дуже мало хто назвав технології, пов’язані з Індустрією 4.0, своїм головним пріоритетом. Це далеко не так, як у 2019 році, коли 68% респондентів опитування McKinsey назвали Індустрію 4.0 головним стратегічним пріоритетом.
У дослідницькій роботі Роботизована автоматизація процесів та штучний інтелект у промисловості 4.0 – Огляд літератури (Riberio, 2021), автор зазначає, що “з огляду на сферу застосування ШІ, RPA поступово додає до своїх функцій автоматизації реалізацію алгоритмів або методів ШІ, що застосовуються в певних контекстах (наприклад, планування ресурсів підприємства, бухгалтерський облік, управління персоналом) для класифікації, розпізнавання, категоризації тощо”.
Оскільки технології продовжують розвиватися, нові інструменти та можливості допоможуть Індустрії 4.0 стати реальністю на основі штучного інтелекту.
2. Гіперавтоматизація
Гіперавтоматизація – це природна еволюція автоматизації. Однак замість того, щоб автоматизувати конкретне завдання або бізнес-процес, він прагне розширити можливості автоматизації в масштабах всієї організації. Остаточна версія буде повністю пов’язаним і значною мірою автономним бізнесом, де робочі процеси та рішення будуть оптимізовані, гнучкі та стійкі.
Гіперавтоматизація передбачає поєднання декількох технологій. Це включає в себе:
- RPA
- ШІ
- Автоматизація бізнес-процесів (BPA)
- ML
- Інтелектуальна обробка документів (IDP)
- Організація робочого процесу
- Технологічний видобуток корисних копалин
- Обробка природної мови (NLP)
- Цифровий двійник організації (DTO)
- Розмовний RPA
- Комп’ютерний зір RPA
Як зазначено в документі Гіперавтоматизація для підвищення рівня автоматизації в промисловості (Халім, 2021), “Завдяки поєднанню технологій автоматизації гіперавтоматизація може подолати деякі обмеження, пов’язані з використанням одного пристрою автоматизації. Це дозволяє компаніям вийти за межі кожного процесу й автоматизувати майже будь-яку складну та масштабовану операцію”.
3. Менша залежність від експертів
Бум у розробці програмного забезпечення в останні роки виявив проблему. У той час як попит на додатки та мобільні технології зростав, пропозиція не встигала за ним. Розробників програмного забезпечення не вистачало, а це означало, що багато вакансій залишалися незаповненими місяцями поспіль.
Коли на кваліфікованих кандидатів чекає престижна робота з шестизначною зарплатою, можна було б пробачити думку, що люди просто перекваліфікуються і пожинатимуть плоди. Школи та університети також опинилися під пильною увагою, оскільки уряди припускають, що вони роблять недостатньо для заохочення вивчення STEM-предметів. Однак реальність така, що кодування – це важко. Лише невелика частина населення має здібності до цієї роботи.
Оскільки наш світ стає все більш цифровим, дефіцит кодувальників цілком може розглядатися як попередження, до якого ми не прислухалися. На щастя, автоматизація на основі штучного інтелекту може стати протиотрутою від цієї проблеми.
Керівні посади вимагають поєднання управлінських навичок і глибоких знань предметної області. Читання та навчання – це лише частина того, що робить керівників та старших членів команди цінними для організації. Однак, оскільки все більше галузей використовують технології, цей кадровий резерв буде виснажуватися.
ШІ-аналітика може використовувати величезні обсяги історичних даних, щоб знаходити інсайти, глибинні зв’язки та робити прогнози. Ці інструменти допоможуть подолати розрив у досвіді. Це також може слугувати демократизації процесу прийняття рішень, який раніше був прерогативою бізнесу з величезними бюджетами.
Хоча досвідчені керівники та стратеги ніколи не вийдуть з моди, гіперавтоматизований бізнес, керований машинним навчанням (ML) та аналітикою даних, працюватиме цілодобово, роблячи вибір на основі факторів, які жодна людина не може усвідомлено врахувати.
McKinsey припускає, що автоматизація роботи зі знаннями вже не за горами. Право, економіка, освіта, мистецтво і технології зазнають руйнувань, які раніше вважалися такими, що загрожують лише менш кваліфікованим робочим місцям. Однак, що це означає для робочої сили в цілому, ще належить з’ясувати.
4. Підвищення ефективності державного управління
Державні видатки – це вічно спірне питання. У всьому світі демократичні адміністрації мають репутацію роздутих і нецільових витрат. Пер
дослідження відомого Інституту Брукінгса
урядові органи США впроваджують ШІ та RPA.
Такі різні відомства, як Управління з контролю за продуктами і ліками, соціальне забезпечення, Агентство матеріально-технічного забезпечення Міністерства оборони та Міністерство фінансів, впровадили ШІ та RPA, щоб підвищити продуктивність і знизити витрати на свої основні послуги. Крім того, на сайті
опитування Американської ради з технологій та Промислової консультативної ради (ACT-IAC)
демонструє кейси використання від близько десятка урядових організацій.
Більш ефективний та рентабельний уряд може мати трансформаційний вплив на суспільство в цілому. Послуги могли б стати більш ефективними та результативними, а податки можна було б спрямувати на програми, які могли б змінити життя мільйонів людей. Однак таке широке розповсюдження підкреслює важливість усунення
упередженості в ШІ,
особливо якщо уряди країн світу використовують цю технологію для прийняття політичних рішень.
Заключні думки
ШІ справив глибокий вплив на технологію RPA. Ранні засоби автоматизації були здатні впоратися з багатьма рутинними та повсякденними завданнями на робочому місці. Однак, коли колективний апетит до автоматизації зростав, RPA наштовхнувся на свої межі. ШІ руйнує ці бар’єри.
Поєднання RPA та штучного інтелекту розширює потенціал обох інструментів. Компанії вже пожинають плоди інтелектуальної автоматизації, такі як покращення обслуговування клієнтів, підвищення організаційної ефективності та зниження операційних витрат. Штучний інтелект відкрив можливості RPA у такий спосіб, який здавався малоймовірним ще десять років тому.
Однак на цьому історія з роботизованою автоматизацією процесів та штучним інтелектом не закінчується. Подальші досягнення прийдуть в міру того, як ми будемо рухатися до ери гіперавтоматизації. Це буде шалена поїздка, тож не залишайтеся позаду.
