A automatização de processos robóticos é um comboio desgovernado. De acordo com a Deloitte, a tecnologia alcançará adoção quase universal até 2025. No entanto, só porque a RPA está a dominar o mundo dos negócios, isso não significa que deixará de evoluir.
Estamos a atravessar um momento tecnológico emocionante. Os avanços da IA nos últimos anos têm sido surpreendentes. O ChatGPT e outras formas de IA generativa conquistaram a consciência pública. No entanto, esta tecnologia empolgante é apenas uma expressão do potencial da IA.
A RPA é uma ferramenta simples mas eficaz. No entanto, a convergência da RPA e da IA oferece inúmeras oportunidades de inovação. O serviço ao cliente com base em IA conversacional, a tomada de decisões orientada para a análise e a automatização do trabalho do conhecimento são apenas alguns exemplos de IA na RPA.
À medida que a tecnologia avança, a Automatização Cognitiva de Processos Robóticos irá alterar a natureza do trabalho de formas que mal podemos imaginar. Vamos explorar a forma como a IA com RPA já ultrapassou os limites da automatização antes de considerarmos o seu impacto futuro.
Os limites da RPA
A adoção generalizada da RPA é uma prova da sua utilidade. A tecnologia tem ajudado inúmeras empresas a atingir novos níveis de produção, eficiência e precisão através da automatização de tarefas outrora manuais. No entanto, como qualquer tecnologia, tem limites máximos.
1. A automatização transacional é difícil de gerir
Embora os bots RPA possam trabalhar fielmente nos processos, necessitam de alguma gestão e manutenção. Por exemplo, quando as entradas ou saídas mudam, os bots têm de ser reconfigurados para lidar com estas condições ligeiramente variáveis. Em ambientes de trabalho dinâmicos, isto pode esgotar recursos e tempo.
2. A RPA debate-se com dados não estruturados
As ferramentas RPA são concebidas para executar tarefas utilizando a lógica se/então/sei. Como tal, baseiam-se em estruturas de dados previsíveis. Qualquer variação ou alteração nos dados de entrada causará erros ou excepções porque estão fora dos valores definidos que o bot espera receber.
3. A RPA apresenta desafios de escala
Em parte devido às razões que enumerámos acima, pode ser difícil escalar os seus processos de RPA. Cada processo deve ser claramente definido, gerido e mantido, enquanto a falta de adaptabilidade da RPA também pode colocar problemas.
As limitações da RPA não são motivo de preocupação. A RPA assistida por IA pode ultrapassar cada uma destas limitações, ao mesmo tempo que abre novas e interessantes possibilidades de automatização.
Eis como a RPA com IA mudou a automatização.
Automação Robótica de Processos e Inteligência Artificial:
Uma combinação perfeita
A RPA, por definição, é uma ferramenta simples e descomplicada, pelo menos ao nível do utilizador. Foi concebido para ser acessível a equipas não técnicas. Como tal, executa as instruções que lhe são dadas de forma controlada. Cabe aos humanos identificar estes processos e orientar a RPA para a execução de comandos.
É claro que detalhar instruções passo a passo pode tornar-se impossível, dada a complexidade suficiente – e é por isso que a combinação de RPA e Inteligência Artificial é o futuro da automação.
1. RPA com reconhecimento ótico de caracteres
Em
Automação robótica de processos com IA e OCR para melhorar os processos empresariais
(Shidaganti, 2021), o autor descreve as limitações da RPA, sugerindo que “quaisquer alterações no processo automatizado exigem alterações directas na aplicação da RPA”. Shidaganti propõe que a IA seja a solução para este processo e defende o reconhecimento ótico de caracteres (OCR) como um complemento fundamental da RPA.
De facto, o OCR teve impacto nas empresas ao abrir a RPA a dados não estruturados. As ferramentas de RPA OCR alimentadas por IA podem ler informações de documentos impressos e até de texto escrito. Existem três oportunidades principais para a RPA que a integração do OCR facilita.
- O OCR codifica dados estruturados, permitindo à RPA trabalhar com entradas imprevisíveis
- A RPA pode automatizar máquinas remotas decifrando o que está a acontecer nos respectivos ecrãs
- O OCR, em conjunto com a aprendizagem automática, pode ajudar a conhecer o seu cliente (KYC), a combater o branqueamento de capitais (AML) e a detetar fraudes através da digitalização de documentos. As aprendizagens e decisões da tecnologia podem integrar-se na RPA, permitindo uma abertura de conta mais rápida, integração, decisões de empréstimo, etc.
2. Aprendizagem automática e RPA
A automatização de processos robóticos e a aprendizagem automática são outro exemplo da utilização da IA para ultrapassar as limitações inerentes à RPA. Já em 2016, os especialistas em automação do sector dos seguros tinham identificado as possibilidades da automatização cognitiva de processos robóticos (RPA). Nesse documento, os autores discutem “a auto-otimização do serviço ao cliente, a fixação do preço dos empréstimos, o aconselhamento financeiro ou o tratamento de queixas ou reclamações” como horizontes possíveis.
No que deve servir como um marco de progresso, é interessante ver como as ferramentas de aprendizagem automática da automatização de processos robóticos se tornaram comuns num curto espaço de tempo.
A aprendizagem automática está em todo o lado. Descreve o processo de ensinar uma máquina a executar tarefas com instruções explícitas de programação. Como deve saber, isto envolve máquinas que utilizam algoritmos para analisar e encontrar padrões num conjunto de dados. Uma vez treinada, a máquina pode processar outros dados e produzir informações e previsões.
A RPA e a Aprendizagem Automática são uma óptima combinação porque significa que a RPA se torna mais inteligente, mais intuitiva e capaz de lidar com dados não estruturados.
3. RPA com aprendizagem profunda
A Aprendizagem Automática é um subconjunto da IA, enquanto a Aprendizagem Profunda é um subconjunto da Aprendizagem Automática. A diferença entre a Aprendizagem Profunda e a Aprendizagem Automática é talvez subtil para algumas pessoas, mas vale a pena explorá-la. A aprendizagem automática é treinada em dados para ajudar nas decisões e previsões.
No entanto, a tecnologia não tem normalmente a capacidade de melhorar por si própria ao longo do tempo. Em contrapartida, a aprendizagem profunda envolve a utilização de redes neuronais para aprender e melhorar o seu desempenho. Por outras palavras, graças à aprendizagem profunda, a RPA e o ML combinam-se para criar automatizações que melhoram com a experiência.
Naturalmente, a Aprendizagem Profunda requer uma quantidade incrível de dados para realizar esta função. No que é outro exemplo da profunda simbiose entre a IA e a RPA, os bots são ideais para ajudar no laborioso processo de recolha destes dados de formação. As ferramentas de RPA podem aceder a vários sítios Web e outros repositórios de informações para recolher estas informações, garantindo que o algoritmo de aprendizagem profunda tem muitos dados para melhorar.
A aprendizagem profunda também permite que os bots explorem as vantagens da análise preditiva. Quando a RPA se depara com excepções, pode compará-las com padrões esperados ou inesperados, eliminando a dependência da intervenção humana.
Quando os bots inteligentes podem tomar decisões baseadas em dados, podem responder aos clientes da melhor forma. Um exemplo destas aplicações no âmbito da RPA são as ferramentas de análise de sentimentos que utilizam o processamento de linguagem natural (PNL) para descodificar o estado de espírito dos consumidores. Por sua vez, os bots podem modular a sua resposta para atingir uma nota adequada. Este dinamismo pode fazer muito para ultrapassar as lacunas entre o serviço humano empático ao cliente e a sua alternativa mecanizada.
4. RPA e reconhecimento de imagens
A combinação da RPA com software de reconhecimento de imagem é outro exemplo de utilização da IA para ultrapassar a incapacidade da RPA para lidar com dados confusos ou não estruturados. No documento
Análise e aplicabilidade das tecnologias de inteligência artificial no domínio dos robôs de software RPA para automatizar processos empresariais
(Kanakov, 2022), o autor descreve algumas utilizações fascinantes da RPA e do reconhecimento de imagens em relação à automatização de verificações de antecedentes de contratação ou à assistência na deteção de fraudes.
Outros casos de utilização propostos por Kanakov incluem a utilização do reconhecimento facial para a segurança de edifícios, com ferramentas de RPA ligadas a câmaras. As aplicações são verdadeiramente infinitas. Por exemplo, os drones ou as câmaras podem analisar qualquer número de ambientes em busca de anomalias. Uma vez detectados, um sistema RPA pode comunicar os problemas às partes relevantes, garantindo uma rápida correção.
5. RPA com IA generativa
Num
artigo na Forbes
Clint Boulton, da DELL, utiliza uma analogia fantástica ao comparar a RPA e a IA generativa. Ele sugere que “num evento de gala, a RPA verifica a lista de convidados, conta os bilhetes e monitoriza coisas como a capacidade da sala, o aquecimento e a iluminação”. Depois, afirma: “Entretanto, a IA generativa está a criar publicidade para o evento, a escrever discursos de felicitações para os homenageados e a conversar com todos os convidados.”
O que é tão poderoso nesta analogia é o facto de captar perfeitamente algo que todos nós observámos no último ano. A IA generativa é tão interessante e poderosa que não podemos deixar de nos maravilhar com os seus resultados. No entanto, sem alguém (RPA) a trabalhar em segundo plano, executando tarefas servis, não pode haver um evento ou, pelo menos, não pode haver um evento funcional.
Segundo a Gartner, a IA generativa oferece muitas opções. Pode gerar rapidamente conteúdos escritos, imagens, vídeos, música e até código. Algumas das possibilidades são imediatamente óbvias, como o serviço conversacional de apoio ao cliente.
Mas os chatbots melhorados são apenas o começo; outros casos de utilização da RPA e da IA generativa incluem ajudar a RPA a compreender dados não estruturados de muitas formas e até aumentar a RPA com a tomada de decisões, análise de dados e muito mais.
6. Automação assistida
É possível dividir a automatização em duas categorias: Assistida e Não assistida. Como seria de esperar, a automatização não assistida significa que o bot executa processos sem qualquer intervenção humana. Em contrapartida, a automatização assistida descreve tarefas que requerem interação humana durante, pelo menos, uma etapa do processo.
Há algumas formas de o fazer. Por exemplo, o processo automatizado pode exigir um acionamento manual. Em alternativa, uma das etapas pode necessitar de credenciais de segurança durante o processo. No entanto, são possíveis orquestrações mais complexas graças à Robotic Desktop Automation (RDA).
A automatização robótica do ambiente de trabalho (RDA) é uma forma de automatização assistida. No entanto, graças a ferramentas de IA como o ML e o reconhecimento ótico de caracteres, estes robôs unem dinamicamente vários processos de fluxo de trabalho, automatizando constantemente várias tarefas para um utilizador individual. Neste cenário, o bot RDA actua como um assistente virtual, recuperando dados, enviando ficheiros e gerando relatórios enquanto o operador humano fala com um cliente.
7. Bots com auto-cura
A
Inquérito sobre o estado da RPA de 2022
revelou um problema que afecta algumas empresas que adoptam soluções de RPA. Mais de 69% dos inquiridos sugerem que experimentam um bot de RPA avariado todas as semanas. Pior ainda, mais de 40% sugeriram que são necessárias mais de 5 horas para reparar o seu bot, tendo outros inquiridos sugerido que a correção pode demorar mais de um dia.
Estes valores são inaceitavelmente elevados. No entanto, o inquérito não entra em pormenores sobre o problema. As razões mais comuns para o fracasso da RPA incluem alterações nas entradas, robôs que se deparam com excepções, dados incompletos, testes deficientes ou falta de manutenção, para citar algumas.
A RPA auto-regenerativa descreve um sistema que se pode reparar a si próprio sem a intervenção de um trabalhador humano.
Os bots de RPA auto-regenerativos são possíveis graças a algoritmos de IA que monitorizam o desempenho da tarefa automatizada. Quando surgem problemas, estas ferramentas úteis entram em ação, identificam a causa principal e aplicam uma correção. A vantagem é um melhor desempenho e mais tempo de atividade.
8. Processamento inteligente de minas
A extração de processos no contexto da RPA envolve a descoberta de tarefas que as empresas podem automatizar. Utilizando as capacidades analíticas avançadas da IA, as equipas podem analisar os seus fluxos de trabalho empresariais para encontrar tarefas que possam ser automatizadas e fazer previsões sobre o impacto dessa automatização.
A extração de processos utiliza o ML e a análise de dados. Por exemplo, utiliza software de gravação de ecrã para captar dados de fluxo de trabalho, dividindo-os em etapas. Em seguida, as ferramentas de ML ou de análise executam modelos destas tarefas e encontram áreas que podem ser transformadas em processos automatizados. As ferramentas de IA proporcionam às empresas uma melhor supervisão e compreensão das tarefas, permitindo-lhes identificar dependências, estrangulamentos e ineficiências.
A combinação da RPA com a prospeção de processos é muito poderosa porque pode ajudar as empresas a descobrir processos que, de outra forma, não seriam detectados. Isto significa que pode obter mais valor dos seus investimentos em RPA e aumentar ainda mais os outros benefícios da RPA, como a redução de custos e o aumento da produtividade.
Outra coisa que poderá notar aqui é que a prospeção de processos pode reduzir o tempo de descoberta de processos RPA adequados. Isto significa que a sua implementação arranca muito mais rapidamente.
9. Automatização de testes de software
Os criadores e editores de software forneceram algumas das tecnologias mais revolucionárias das últimas décadas. No entanto, o próprio sector também passou por uma espécie de revolução. As metodologias DevOps e Agile ajudaram os programadores a satisfazer a procura de produtos extremamente rápidos e em constante melhoria, enquanto os pipelines CI/CD também contribuem para acelerar o tempo de colocação no mercado.
A RPA é uma ferramenta fantástica para tipos específicos de testes de software. A McKinsey sugere que o desenvolvimento de software da próxima geração está logo atrás da IA em termos de as maiores tendências tecnológicas para 2023. A automatização dos testes de software, alimentada tanto pela RPA como pela IA, estará na vanguarda dessa tendência, com a IA generativa a escrever código e as equipas não técnicas a serem bem-vindas graças às ferramentas sem código.
Como sugere o sócio da empresa de consultoria, Santiago Comella-Dorda, “os programadores são talvez um dos activos mais valiosos para a empresa digital moderna, mas gastam mais de 40% do seu tempo em tarefas repetitivas e de baixo valor que poderiam ser facilmente automatizadas com um conjunto de ferramentas modernas”.
10. Automação inteligente RPA
Inteligência artificial A automatização de processos robóticos, também designada por Intelligent Process Automation (IPA), é considerada a próxima fase da automatização. Pega na RPA e acrescenta capacidades cognitivas através da IA. Pode englobar a RPA com todas ou algumas das outras tecnologias de IA acima enumeradas.
Num
inquérito da IBM a executivos C-Suite
No estudo da Comissão Europeia, 90% dos inquiridos sugeriram que a automatização inteligente os ajudou a ter um desempenho “acima da média na gestão da mudança organizacional em resposta às tendências comerciais emergentes”. Este sentimento demonstra a capacidade da RPA e da IA para criar soluções ágeis e robustas que podem oferecer uma verdadeira vantagem competitiva.
A resposta da comunidade empresarial à pandemia da COVID-19 é uma prova do poder da RPA e da IA para provocar mudanças organizacionais. A adoção da tecnologia de automatização de processos robóticos para assegurar os processos empresariais durante a pandemia de COVID-19 (Siderska, 2021) mostrou que 60% das empresas polacas estudadas conseguiram implementar a continuidade das actividades graças às ferramentas de RPA. De acordo com o estudo, a IA e a análise foram os principais contribuintes.
Num recente
inquérito da Gartner
Na análise do relatório, 80% dos executivos revelaram a sua convicção de que a automatização pode ser aplicada a qualquer processo empresarial. Esta estatística é um testemunho notável do poder da RPA quando utilizada com IA. É impossível imaginar que esse número pudesse ser tão elevado sem o aumento da RPA pela IA.
Quanto ao futuro, a investigação sobre
processamento neuromórfico
– um sistema de processamento de informação que se baseia na estrutura do cérebro – poderá conduzir a uma maior cognição e à inteligência das máquinas. O que é tão entusiasmante neste horizonte é o facto de estes modelos de inteligência exigirem muito menos dados de formação, o que significa que podem estar disponíveis para as empresas.
Como a RPA alimentada por IA vai mudar o futuro
do trabalho e da sociedade
As ferramentas de automatização de processos de IA estão apenas a aquecer. Eis algumas áreas em que a IA terá um maior impacto na automatização.
1. Indústria 4.0
A primeira Revolução Industrial foi impulsionada pelo vapor, a segunda pela eletricidade. A Terceira Revolução Industrial foi possibilitada pelas tecnologias digitais durante a década de 1970. Quando se trata da Quarta Revolução Industrial, também conhecida como Indústria 4.0, existem vários candidatos tecnológicos, como os Gémeos Digitais, a Realidade Virtual, a Internet das Coisas (IoT), a IA e o ML, e até a impressão 3D.
No entanto, um
Inquérito do IMD sobre a cadeia de abastecimento global
de 2022 revela uma verdade preocupante. Dos mais de 200 executivos do sector transformador entrevistados, muito poucos referiram a tecnologia relacionada com a Indústria 4.0 como uma grande prioridade. Isto está muito longe de 2019, quando 68% dos inquiridos num inquérito da McKinsey sugeriram que a Indústria 4.0 era uma prioridade estratégica de topo.
No trabalho de investigação Automação Robótica de Processos e Inteligência Artificial na Indústria 4.0 – Uma revisão da literatura (Riberio, 2021), o autor refere que “dada a abrangência da aplicabilidade da IA, a RPA tem vindo gradualmente a adicionar, às suas funcionalidades de automação, implementações de algoritmos ou técnicas de IA aplicadas em determinados contextos (e.g., Enterprise Resource Planning, Contabilidade, Recursos Humanos) para classificar, reconhecer, categorizar, etc.”.
À medida que a tecnologia continua a evoluir, novas ferramentas e possibilidades ajudarão a Indústria 4.0 a tornar-se uma realidade alimentada por IA.
2. Hiperautomatização
A hiperautomação é a evolução natural da automação. No entanto, em vez da automatização de uma determinada tarefa ou processo empresarial, procura expandir as capacidades de automatização a toda a organização. A versão final será uma empresa totalmente ligada e em grande parte autónoma, onde os fluxos de trabalho e as decisões serão simplificados, ágeis e resistentes.
A hiperautomatização envolve uma combinação de várias tecnologias. Isto inclui:
- RPA
- IA
- Automatização de processos empresariais (BPA)
- ML
- Processamento inteligente de documentos (IDP)
- Orquestração do fluxo de trabalho
- Processo de extração
- Processamento de linguagem natural (PNL)
- Gémeo Digital de uma Organização (DTO)
- RPA conversacional
- Visão por computador RPA
Como se afirma no documento Hiperautomatização para o reforço da automatização nas indústrias (Haleem, 2021), “Através de uma mistura de tecnologias de automação, a hiperautomação pode superar algumas restrições de um único método de dispositivo de automação. Isso permite que as empresas transcendam os limites de cada processo e automatizem quase todas as operações árduas e escalonáveis.”
3. Menor recurso a peritos
A explosão do desenvolvimento de software nos últimos anos expôs um problema. Enquanto a procura de aplicações e de tecnologia móvel crescia, a oferta tinha dificuldade em acompanhar esse crescimento. Os programadores de software eram escassos, o que significava que muitos postos de trabalho ficavam por preencher durante meses a fio.
Com empregos prestigiados, de seis dígitos, à espera de candidatos qualificados, poder-se-ia pensar que as pessoas iriam simplesmente reciclar-se e colher os frutos. As escolas e as universidades também foram alvo de escrutínio, com os governos a sugerirem que não estavam a fazer o suficiente para incentivar a adoção de disciplinas STEM. No entanto, a realidade é que a codificação é difícil. Apenas uma pequena parte da população tem aptidão para o trabalho.
À medida que o nosso mundo se torna cada vez mais digital, a escassez de programadores pode muito bem vir a ser considerada como um aviso a que não prestámos atenção. Felizmente, a automatização baseada em IA pode ser o antídoto para este problema.
Os cargos de chefia exigem uma combinação de competências de gestão e conhecimentos profundos sobre a matéria. A leitura e a aprendizagem são apenas uma parte do que torna os executivos e os membros da equipa sénior valiosos para uma organização. No entanto, à medida que mais indústrias adoptam a tecnologia, esta reserva de talentos vai-se esgotando.
A análise de IA pode utilizar grandes quantidades de dados históricos para encontrar informações e relações subjacentes e fazer previsões. Estas ferramentas ajudarão a colmatar o défice de experiência. Pode também servir para democratizar o processo de tomada de decisões que, até agora, estava reservado às empresas com grandes orçamentos.
Embora os decisores e estrategas experientes nunca deixem de estar na moda, uma empresa hiper-automatizada, impulsionada pela aprendizagem automática (ML) e pela análise de dados, funcionará 24 horas por dia, fazendo escolhas baseadas em factores que nenhum humano poderia considerar conscientemente.
A McKinsey sugere que a automatização do trabalho do conhecimento está agora à vista. O direito, a economia, a educação, as artes e a tecnologia sofrerão perturbações que, anteriormente, se consideravam apenas perigosas para os empregos menos qualificados. No entanto, ainda não se sabe o que isto significa para a população ativa em geral.
4. Maior eficiência do governo
A despesa pública é uma questão sempre polémica. Em todo o mundo, as administrações democráticas têm a reputação de serem inchadas e de gastarem pouco. Por
investigação do famoso Instituto Brookings
os organismos governamentais dos EUA estão a adotar a IA e a RPA.
Departamentos tão diversos como a Food and Drug Administration, a Segurança Social, a Defense Logistics Agency e o Departamento do Tesouro adoptaram a IA e a RPA para aumentar a produtividade e reduzir os custos dos seus serviços essenciais. Além disso, um
inquérito do Conselho Americano para a Tecnologia e do Conselho Consultivo da Indústria (ACT-IAC)
demonstra casos de utilização de cerca de uma dúzia de organizações governamentais.
Um governo mais eficiente e económico poderia ter um efeito transformador na sociedade em geral. Os serviços poderiam tornar-se mais eficientes e eficazes e os impostos poderiam ser canalizados para programas que poderiam mudar a vida de milhões de pessoas. No entanto, esta adoção generalizada realça a importância de eliminar
preconceito na IA,
especialmente se os governos mundiais utilizarem a tecnologia para tomar decisões políticas.
Considerações finais
A IA teve um impacto profundo na tecnologia RPA. As primeiras ferramentas de automatização eram capazes de lidar com muitas das tarefas rotineiras e mundanas no local de trabalho. No entanto, à medida que a apetência colectiva pela automatização foi crescendo, a RPA deparou-se com os seus limites. A IA está a derrubar essas barreiras.
A combinação da RPA e da IA alarga o potencial de ambas as ferramentas. As empresas já estão a colher os frutos da Automatização Inteligente, como a melhoria do serviço ao cliente, o aumento da eficiência organizacional e a redução dos custos operacionais. A IA abriu o âmbito da RPA de formas que pareciam improváveis há apenas uma década.
No entanto, a história da automatização de processos robóticos e da IA não se fica por aqui. Haverá mais ganhos à medida que avançarmos para a era da hiper-automatização. Vai ser uma viagem alucinante, por isso não fiques para trás.
