Согласно отчету Mckinsey Подрывные технологии: достижения, которые изменят жизнь, бизнес и глобальную экономику, предполагается, что автоматизация умственного труда будет иметь потенциальный экономический эффект в размере 6,7 триллиона долларов к 2025 году. Эта автоматизация включает автоматизацию процессов робототехники ( RPA), а также достижения в области машинного обучения (ML), когнитивные достижения, такие как чат-боты, компьютерное зрение, НЛП и другие естественные пользовательские интерфейсы.

Учитывая эту статистику, удивительно, что RPA еще не так широко внедрена. По данным SSON Analytics, только треть глобальных общих сервисов внедрили RPA, значительный сектор рынка все еще находится на стадии оценки. Тем не менее, лидеры, внедрившие RPA, продвигаются вперед, интегрируя широкий спектр автоматизации, которая обещает «больше», чем простая автоматизация на основе правил.

Автоматизация бизнес-процессов — появление RPA 1.0

RPA рассматривается многими как бизнес-технология, меняющая правила игры, однако в сообществе специалистов по автоматизации часто ведутся споры о том, является ли RPA новой разработкой или переупаковкой, с поклоном поверх ранее разрозненных технологий. Чтобы понять, что такое RPA в его нынешнем виде и куда он движется — важно взглянуть на истоки RPA. Два предшественника Robotics Process Automation включают:

1. Программное обеспечение для очистки экрана Программное обеспечение для очистки экрана впервые скромно зародилось в ИТ-подразделениях, где они создали связь между системами нового поколения и старыми устаревшими системами и использовались для устранения двойного ввода данных и задач преобразования данных. . Затем появился Интернет, и разбор экрана приобрел большое значение, предоставив возможность собирать данные с веб-сайтов и разрабатывать бизнес-модели для сравнения цен. Яркие примеры — Expedia, Priceline и другие. Оба вышеупомянутых случая устранили необходимость в том, чтобы незадачливый сотрудник копировал / вставлял данные из разных источников, и их заменили недорогие роботы для очистки экрана.

2. Инструменты автоматизации и управления рабочими процессами. Хотя концепция рабочих процессов существует уже несколько столетий, для наших целей мы можем приписать происхождение «рабочего процесса» Генри Форду в 1913 году, когда он представил первую сборку. линия. Однако «автоматизация бизнес-процессов» появилась намного позже, в 1993 году, когда IBM представила FlowMark — программное обеспечение для автоматизации рабочих процессов. Программное обеспечение для автоматизации рабочего процесса может помочь ускорить рабочие этапы, расширить некоторые поля по умолчанию, выполнить некоторые базовые проверки и автоматизировать определенные решения. Эти инструменты устраняют необходимость ручного ввода и повышают скорость, эффективность и точность.

Автоматизация процессов робототехники

Создание RPA «Robotics Process Automation» можно датировать началом 2000 года. В своем нынешнем виде RPA включает в себя очистка экрана, инструменты автоматизации и управления рабочими процессами с некоторой рудиментарной степенью искусственного интеллекта. В первую очередь механизм RPA, основанный на правилах, отлично справляется с устранением ручных задач, основанных на повторении. В дополнение к очистке экрана некоторые RPA изначально включают оптическое распознавание символов (OCR), предоставляя возможность очищать данные как из экранных, так и из неструктурированных данных (PDF-файлы, изображения и т. д.).

Будущее автоматизации робототехнических процессов

Традиционный RPA автоматизирует стандартные транзакционные задачи на основе правил на основе высокоструктурированных данных. Типичными примерами являются обработка платежной ведомости, отправка счетов. Что ограничивает RPA, так это то, что когда он сталкивается с полуструктурированными или неструктурированными данными, он не может собирать, извлекать знания, распознавать закономерности, учиться и адаптироваться к новым ситуациям или средам. То есть, когда простое кодирование данных, в котором преуспевает RPA, перестает быть простым, оно останавливается. В дополнение к этим недостаткам ограничения масштабирования RPA ограничивают его потенциал рентабельности инвестиций.

По одной из оценок, только 20% данных структурированы, а остальные 80% остаются неструктурированными, что пока недоступно для автоматизированной обработки. Даже когда OCR используется как промежуточный этап преобразования неструктурированных данных в структурированные, он не поддерживает сквозную автоматизацию бизнес-процессов. Enter — познавательно для прорыва. Когнитивная автоматизация – это часть искусственного интеллекта (ИИ). Использование определенных методов искусственного интеллекта когнитивно имитирует человеческое поведение, чтобы помочь в принятии решений, выполнении задач, обучении и прогнозировании. Когнитивный подход в сочетании с RPA обеспечивает революционное решение, поскольку его способность не только считывать неструктурированные данные, но и быть более точным при этом и помогать принимать решения, в сочетании с возможностью RPA автоматизировать результирующие действия, обеспечивает конечный результат. Компании, занимающиеся комплексной автоматизацией, стремятся к этому.

Появляющиеся когнитивные технологии наряду с другими технологиями искусственного интеллекта управляют различными действиями, основанными на восприятии и суждениях, которые традиционно требовали дорогостоящего и подверженного ошибкам вмешательства человека. Эти решения, основанные на возможностях вычислительных технологий, включают:

НЛП:понимание предложений и вывод из них выводов

Распознавание речи: способность «слышать», интерпретировать и разговаривать

Computer Vision: анализирует изображения и отсканированные документы для извлечения данных.

Машинное обучение: способность автоматически учиться и совершенствоваться на основе опыта без явного программирования.

Глубокое обучение: подмножество машинного обучения, в котором есть сети, способные обучаться без присмотра на неструктурированных или немаркированных данных.

Чат-боты: имитируют человеческое поведение во время разговора.

Сила возможности использования когнитивного и искусственного интеллекта привлекает большое внимание. Поскольку организации, инвестировавшие в RPA, увидели в этом преимущества, в то же время они разочарованы ограничениями, с которыми они сталкиваются при работе с нестандартными входными данными, или процесс останавливается, поскольку человеку требуется когнитивное вмешательство.

Традиционная автоматизация на основе RPA-OCR представляет собой серьезные узкие места процесса при чтении и считывании ориентированных на документ полей из нескольких форматов и нестандартных макетов. Эти узкие места ограничивают возможности предприятия в полной мере реализовать преимущества автоматизации. Когнитивный метод — компьютерное зрение устраняет эти узкие места, считывая эти неструктурированные макеты и упорядочивая их в стандартных форматах данных. Они обрабатываются машинным обучением и RPA для определения и выполнения наиболее подходящих действий. Другими словами, данный процесс не нужно останавливать для участия человека. Добавление проницательных и мыслительных решений, таких как компьютерное зрение и машинное обучение, означает, что пользователи могут повысить эффективность своих бизнес-процессов. Общие варианты использования, такие как обработка счетов, подача наличных, могут значительно выиграть.

Поскольку типичный сквозной бизнес-процесс включает как структурированные, так и неструктурированные данные, сочетание RPA и когнитивных способностей может обеспечить полный спектр автоматизации бизнес-процессов. Добавление когнитивных способностей к RPA дает возможность преобразовывать неструктурированные данные в структурированные данные, которые можно передать RPA для обработки. Типичным примером, который может принести пользу, является большое разнообразие счетов-фактур, поступающих от поставщиков, которые не соответствуют структурированному формату. Когнитивное решение можно научить извлекать соответствующие данные и преобразовывать их в структурированные данные.

Организации могут перейти к интеллектуальному RPA, внедрив компьютерное зрение, когнитивные функции на основе НЛП, а затем возможности машинного обучения, которые могут обрабатывать неструктурированные данные, помогать автоматизировать реагирование и внедрять возможности прогнозирования. Например, когнитивные функции могут помочь прочитать счет, воспринять его, заполнить недостающие данные и определить соответствующую последовательность следующих шагов, таких как отправка автоматического ответа, обработка транзакции или эскалация для вмешательства человека.

Это захватывающие события; когнитивный дополняет RPA. Это RPA позволяет людям выполнять больше задач с добавленной стоимостью и быть продуктивными. Интригует то, что каждый раз, когда он совершает ошибку, когнитивный процесс учится, когда люди корректируют автоматизацию.

И последнее

И последнее в заключение. По мере того, как ваше предприятие отправляется в когнитивное путешествие, чтобы улучшить свои возможности автоматизации бизнес-процессов, не забывайте сохранять перспективу бизнес-прецедентов. Речь идет не о компьютерном зрении, НЛП или машинном обучении ради них самих. Речь идет о решении бизнес-проблемы, как это делает RPA. Выберите вариант использования вашего лидера в бизнесе, протестируйте сценарии, выберите свое решение, проведите POC, внедрите и повторите!