Роботизированная автоматизация процессов – это бегущий поезд. По мнению Deloitte, технология позволит достичь следующих результатов практически повсеместное внедрение к 2025 году. Однако если RPA занимает доминирующее положение в мире бизнеса, это не означает, что он перестанет развиваться.
Мы стоим на захватывающем технологическом рубеже. Достижения в области искусственного интеллекта за последние годы были поразительными. ChatGPT и другие формы генеративного ИИ захватили общественное сознание. Однако эта интересная технология – лишь одно из проявлений потенциала ИИ.
RPA – это простой, но эффективный инструмент. Однако конвергенция RPA и ИИ открывает безграничные возможности для инноваций. Разговорный ИИ в обслуживании клиентов, принятие решений на основе аналитики и автоматизация работы со знаниями – вот лишь некоторые примеры применения ИИ в RPA.
По мере развития технологий когнитивная роботизированная автоматизация процессов изменит характер работы так, как мы даже не можем себе представить. Давайте рассмотрим, как ИИ с RPA уже раздвинул границы автоматизации, прежде чем рассматривать его будущее влияние.
Пределы применения РЗА
Широкое распространение RPA свидетельствует о его полезности. Эта технология помогла многим предприятиям выйти на новый уровень производства, эффективности и точности за счет автоматизации задач, которые раньше выполнялись вручную. Однако, как и любая технология, она имеет верхние пределы.
1. Автоматизация транзакций сложна в управлении
Хотя RPA-боты будут исправно выполнять все процессы, они нуждаются в определенном управлении и обслуживании. Например, при изменении входных или выходных сигналов необходимо перенастраивать боты для работы в таких условиях. В динамичной рабочей среде это может привести к истощению ресурсов и времени.
2. RPA борется с неструктурированными данными
Инструменты RPA построены таким образом, что выполняют задачи, используя логику “если/то/или”. Поэтому они опираются на предсказуемые структуры данных. Любая вариация или изменение входных данных приведет к ошибкам или исключениям, поскольку они выходят за рамки определенных значений, которые ожидает получить бот.
3. RPA создает проблемы масштабирования
Отчасти по причинам, перечисленным выше, масштабирование процессов RPA может быть затруднено. Каждый процесс должен быть четко определен, управляться и поддерживаться, а недостаточная адаптивность RPA также может создавать проблемы.
Ограничения RPA не являются поводом для беспокойства. RPA с поддержкой искусственного интеллекта может преодолеть все эти ограничения, открывая новые и захватывающие возможности автоматизации.
Вот как RPA с искусственным интеллектом изменили автоматизацию.
Роботизированная автоматизация процессов и искусственный интеллект:
Идеальное сочетание
RPA по своей сути является простым и незамысловатым инструментом, по крайней мере, на уровне пользователя. Он создан таким образом, чтобы быть доступным для нетехнических команд. Таким образом, он контролируемо выполняет выданные ему инструкции. Человек должен определить эти процессы и направить RPA на выполнение команд.
Конечно, при достаточной сложности детализация пошаговых инструкций может стать невозможной – именно поэтому объединение RPA и искусственного интеллекта является будущим автоматизации.
1. RPA с оптическим распознаванием символов
В разделе
Роботизированная автоматизация процессов с использованием ИИ и OCR для улучшения бизнес-процессов
(Shidaganti, 2021), автор описывает ограничения RPA, предлагая: “Любые изменения в автоматизированном процессе требуют прямых изменений в приложении RPA”. Шидаганти предлагает ИИ в качестве решения этого процесса и приводит аргументы в пользу оптического распознавания символов (OCR) как фундаментального дополнения к RPA.
Действительно, OCR оказал влияние на предприятия, открыв RPA доступ к неструктурированным данным. Инструменты RPA OCR на базе искусственного интеллекта могут считывать информацию с печатных документов и даже письменного текста. Существует три основные возможности для RPA, которые открывает интеграция OCR.
- OCR кодирует структурированные данные, позволяя RPA работать с непредсказуемыми исходными данными
- RPA может автоматизировать удаленные машины, расшифровывая происходящее на их экранах
- OCR в сочетании с машинным обучением может помочь в решении задач “Знай своего клиента” (KYC), борьбы с отмыванием денег (AML) и выявления мошенничества путем сканирования документов. Полученные знания и решения могут быть интегрированы с RPA, что позволит быстрее открывать счета, принимать решения о выдаче кредитов и т.д.
2. Машинное обучение и RPA
Роботизированная автоматизация процессов и машинное обучение – еще один пример использования ИИ для преодоления ограничений, присущих RPA. Еще в 2016 году эксперты по автоматизации в страховой отрасли выявили возможности когнитивной роботизированной автоматизации процессов (RPA). В этой работе авторы рассматривают в качестве возможных горизонтов “самооптимизацию обслуживания клиентов, ценообразование кредитов, финансовые консультации, рассмотрение претензий и жалоб”.
В качестве признака прогресса интересно отметить, как за короткое время получили распространение инструменты машинного обучения для автоматизации роботизированных процессов.
Машинное обучение распространено повсеместно. Он описывает процесс обучения машины выполнению задач с помощью явных программных инструкций. Как вы, наверное, знаете, это означает, что машины используют алгоритмы для анализа и поиска закономерностей в массиве данных. После обучения машина может обрабатывать другие данные и делать выводы и прогнозы.
RPA и Machine Learning отлично сочетаются друг с другом, поскольку это означает, что RPA становится более интеллектуальным, интуитивно понятным и способным работать с неструктурированными данными.
3. RPA с глубоким обучением
Машинное обучение – это подмножество ИИ, а глубокое обучение – подмножество машинного обучения. Разница между глубоким и машинным обучением, возможно, кому-то покажется малозаметной, но разобраться в ней стоит. Машинное обучение – это обучение на данных, помогающее принимать решения и делать прогнозы.
Однако эта технология, как правило, не обладает способностью к самостоятельному совершенствованию с течением времени. В отличие от него, Deep Learning предполагает использование нейронных сетей для обучения и повышения его эффективности. Другими словами, благодаря Deep Learning RPA и ML объединяются для создания автоматических систем, которые становятся лучше благодаря опыту.
Разумеется, для выполнения этой функции Deep Learning требует невероятно большого количества данных. Еще одним примером глубокого симбиоза ИИ и RPA является то, что боты идеально подходят для трудоемкого процесса сбора этих обучающих данных. Инструменты RPA могут обращаться к различным веб-сайтам и другим информационным хранилищам для сбора этой информации, обеспечивая алгоритм глубокого обучения большим количеством данных для улучшения.
Глубокое обучение также позволяет ботам использовать преимущества предиктивной аналитики. Когда RPA сталкивается с исключениями, он может сопоставить их с ожидаемыми или неожиданными шаблонами, исключая тем самым зависимость от вмешательства человека.
Когда интеллектуальные боты могут принимать решения на основе данных, они могут оптимально реагировать на запросы клиентов. Примером таких приложений в рамках RPA являются инструменты анализа настроений, использующие обработку естественного языка (NLP) для расшифровки настроений потребителей. В свою очередь, боты могут модулировать свою реакцию, чтобы попасть в нужную ноту. Такая динамика может многое сделать для преодоления разрыва между эмпатическим человеческим обслуживанием клиентов и его механизированной альтернативой.
4. RPA и распознавание образов
Сопряжение RPA с программами распознавания образов – еще один пример использования искусственного интеллекта для преодоления неспособности RPA работать с беспорядочными или неструктурированными данными. В статье
Анализ и применимость технологий искусственного интеллекта в области программных роботов RPA для автоматизации бизнес-процессов
(Канаков, 2022), автор рассказывает о некоторых интересных вариантах использования RPA и распознавания образов для автоматизации проверок при приеме на работу или для выявления мошенничества.
Среди других вариантов применения, предложенных Канаковым, – использование распознавания лиц для обеспечения безопасности зданий с помощью средств RPA, подключенных к камерам. Возможности применения поистине безграничны. Например, беспилотные летательные аппараты или камеры могут сканировать любое количество сред на предмет аномалий. Обнаружив проблемы, система RPA может сообщить о них соответствующим сторонам, обеспечив оперативное устранение.
5. RPA с генеративным искусственным интеллектом
В
статья в журнале Forbes
Клинт Боултон из компании DELL использует фантастическую аналогию при сравнении RPA и генеративного ИИ. Он предполагает, что “на торжественном мероприятии RPA проверяет список гостей, подсчитывает билеты и контролирует такие вещи, как вместимость зала, отопление и освещение”. Далее он утверждает: “Тем временем генеративный ИИ создает рекламу для мероприятия, пишет поздравительные речи для почетных гостей и ведет беседы с каждым гостем”.
Эта аналогия очень сильна тем, что она идеально отражает то, что мы все наблюдаем в последний год или около того. Генеративный ИИ настолько интересен и силен, что мы не можем не восхищаться его результатами. Однако без человека (RPA), работающего в фоновом режиме над выполнением рутинных задач, не может быть никакого мероприятия или, по крайней мере, его функциональности.
По мнению Gartner, генеративный ИИ предлагает множество вариантов. Он может быстро генерировать письменный контент, изображения, видео, музыку и даже код. Некоторые из возможностей очевидны сразу, например, разговорное обслуживание клиентов.
Но усовершенствованные чат-боты – это только начало; другие варианты использования RPA и генеративного ИИ включают в себя помощь RPA в понимании неструктурированных данных различных форм и даже расширение возможностей RPA в принятии решений, анализе данных и т.д.
6. Присутствовал при автоматизации
Автоматизацию можно разделить на две категории: Attended и Unattended. Как и следовало ожидать, Unattended Automation означает, что бот выполняет процессы без участия человека. В отличие от этого, “автоматизация с участием” описывает задачи, требующие взаимодействия человека как минимум на одном из этапов работы.
Это может быть сделано несколькими способами. Например, автоматизированный процесс может потребовать ручного запуска. Как вариант, на одном из этапов в процессе работы могут потребоваться учетные данные безопасности. Однако здесь возможны более сложные оркестровки благодаря Robotic Desktop Automation (RDA).
Роботизированная автоматизация рабочего стола (RDA) является разновидностью посещаемой автоматизации. Однако благодаря таким инструментам искусственного интеллекта, как ML и оптическое распознавание символов, эти роботы динамически сшивают множество рабочих процессов, постоянно автоматизируя различные задачи для отдельного пользователя. В этом сценарии бот RDA действует как виртуальный помощник, получая данные, отправляя файлы и формируя отчеты, в то время как операционист разговаривает с клиентом.
7. Самовосстанавливающиеся боты
A
Обзор состояния РЗА с 2022 года
выявил проблему, с которой сталкиваются некоторые предприятия, внедряющие RPA-решения. Более 69% респондентов утверждают, что каждую неделю сталкиваются со сбоями в работе RPA-бота. Что еще хуже, более 40% респондентов заявили, что на устранение неполадок в работе их бота уходит более 5 часов, а по мнению других респондентов, на устранение неполадок может уйти более суток.
Эти цифры неприемлемо высоки. Однако в опросе не рассматривается конкретика проблемы. К числу распространенных причин неудач RPA относятся изменения вводимых данных, столкновение роботов с исключениями, неполнота данных, некачественное тестирование, отсутствие технического обслуживания и т.д.
Самовосстанавливающийся RPA описывает систему, которая может самостоятельно устранять неполадки без участия человека.
Самовосстановление RPA-ботов становится возможным благодаря алгоритмам искусственного интеллекта, которые следят за выполнением автоматизированной задачи. При возникновении проблем эти полезные инструменты приходят в действие, выявляют первопричину и устраняют ее. Преимуществом является повышение производительности и увеличение времени безотказной работы.
8. Интеллектуальная обработка добычи
Поиск процессов в контексте RPA предполагает обнаружение задач, которые предприятие может автоматизировать. Используя расширенные аналитические возможности искусственного интеллекта, команды могут изучать свои рабочие процессы, чтобы найти задачи, которые можно автоматизировать, и делать прогнозы относительно последствий такой автоматизации.
В процессном анализе используется ML и аналитика данных. Например, с помощью программы записи экрана можно фиксировать данные о рабочем процессе, разбивая его на этапы. Затем средства ML или аналитики создают модели этих задач и находят области, которые можно превратить в автоматизированные процессы. Инструменты искусственного интеллекта обеспечивают предприятиям лучший контроль и понимание задач, позволяя выявлять зависимости, узкие места и неэффективность.
Сочетание RPA и процессного анализа является очень эффективным, так как помогает предприятиям обнаружить процессы, которые в противном случае они не смогли бы обнаружить. Это означает, что вы сможете получить большую отдачу от инвестиций в RPA и еще больше усилить другие преимущества RPA, такие как снижение затрат и повышение производительности.
Еще один момент, на который можно обратить внимание, – это то, что поиск процессов может сократить время обнаружения соответствующих процессов RPA. Это означает, что ваше внедрение начнется гораздо быстрее.
9. Автоматизация тестирования программного обеспечения
Разработчики и издатели программного обеспечения создали некоторые из наиболее разрушительных технологий, которые мы имеем за последние несколько десятилетий. Однако и сама отрасль пережила своеобразную революцию. Методологии DevOps и Agile помогли разработчикам удовлетворить спрос на молниеносные, постоянно совершенствующиеся продукты, а конвейеры CI/CD также способствуют ускорению выхода на рынок.
RPA является фантастическим инструментом для конкретных видов тестирования программного обеспечения. McKinsey предполагает, что разработка программного обеспечения нового поколения по уровню развития отстает от искусственного интеллекта крупнейшие технологические тренды 2023 года. Автоматизация тестирования ПО с помощью RPA и ИИ будет находиться в авангарде этой тенденции: генеративный ИИ будет писать код, а нетехнические команды смогут присоединиться к нему благодаря инструментам, не требующим кода.
Как отмечает партнер консалтинговой компании Сантьяго Комелла-Дорда, “разработчики – это, пожалуй, один из самых ценных активов современного цифрового предприятия, однако они тратят более 40% своего времени на выполнение повторяющихся, малозначимых задач, которые можно легко автоматизировать с помощью современного инструментария”.
10. Интеллектуальная автоматизация RPA
Искусственный интеллект Роботизированная автоматизация процессов, называемая также интеллектуальной автоматизацией процессов (IPA), считается следующим этапом автоматизации. Он берет за основу RPA и добавляет когнитивные способности с помощью искусственного интеллекта. Он может включать в себя RPA со всеми или некоторыми другими технологиями ИИ, перечисленными выше.
В исследовании
IBM опросила руководителей высшего звена
90% респондентов отметили, что интеллектуальная автоматизация помогла им добиться “результатов выше среднего в управлении организационными изменениями в ответ на возникающие тенденции в бизнесе”. Такое мнение говорит о способности RPA и искусственного интеллекта создавать гибкие и надежные решения, которые могут обеспечить реальное конкурентное преимущество.
Подтверждением способности RPA и искусственного интеллекта осуществлять организационные изменения может служить реакция бизнес-сообщества на пандемию COVID-19. Внедрение технологии автоматизации роботизированных процессов для обеспечения бизнес-процессов в период пандемии COVID-19 (Siderska, 2021) показано, что 60% исследованных польских предприятий смогли реализовать непрерывность бизнеса благодаря инструментам RPA. Согласно исследованию, основной вклад внесли искусственный интеллект и аналитика.
В недавнем
исследование Gartner
При этом 80% руководителей выразили уверенность в том, что автоматизация может быть применена к любому бизнес-процессу. Эта статистика является ярким подтверждением возможностей RPA при использовании искусственного интеллекта. Невозможно представить, что это число могло бы быть столь высоким без дополнения RPA искусственным интеллектом.
Что касается будущего, то исследования в области
нейроморфной обработки данных
– Система обработки информации, основанная на структуре мозга, может привести к расширению возможностей познания и развитию машинного интеллекта. Интересным является то, что эти интеллектуальные модели требуют гораздо меньше обучающих данных, а значит, они могут быть доступны предприятиям.
Как RPA на основе искусственного интеллекта изменит будущее
труд и общество
Средства автоматизации процессов на основе искусственного интеллекта только разгораются. Вот некоторые области, в которых ИИ будет оказывать дальнейшее влияние на автоматизацию.
1. Индустрия 4.0
Первая промышленная революция осуществлялась с помощью пара, вторая – с помощью электричества. Третья промышленная революция стала возможной благодаря цифровым технологиям в 1970-е годы. Когда речь идет о четвертой промышленной революции, также известной как Индустрия 4.0, есть несколько технологических кандидатов, таких как цифровые двойники, виртуальная реальность, Интернет вещей (IoT), искусственный интеллект и ML, и даже 3D-печать.
Однако, по данным исследования
IMD Global Supply Chain Survey
с 2022 года раскрывает тревожную истину. Из более чем 200 опрошенных руководителей производственных предприятий лишь немногие назвали технологии, связанные с Индустрией 4.0, одним из главных приоритетов. Это далеко не 2019 год, когда 68% респондентов, принявших участие в исследовании McKinsey, назвали Industry 4.0 одним из главных стратегических приоритетов.
В исследовательской работе Роботизированная автоматизация процессов и искусственный интеллект в промышленности 4.0 – Обзор литературы (Riberio, 2021), автор утверждает, что “учитывая масштабы применимости ИИ, RPA постепенно добавляет к своим функциям автоматизации реализацию алгоритмов или методов ИИ, применяемых в определенных контекстах (например, планирование ресурсов предприятия, бухгалтерский учет, управление персоналом) для классификации, распознавания, категоризации и т.д.”.
По мере развития технологий новые инструменты и возможности помогут превратить Индустрию 4.0 в реальность на базе ИИ.
2. Гиперавтоматизация
Гиперавтоматизация – это естественное развитие автоматизации. Однако вместо автоматизации конкретной задачи или бизнес-процесса она направлена на расширение возможностей автоматизации в масштабах всей организации. Окончательный вариант будет представлять собой полностью подключенный и в значительной степени автономный бизнес, в котором рабочие процессы и решения будут оптимизированы, оперативны и устойчивы.
Гиперавтоматизация предполагает сочетание нескольких технологий. К ним относятся:
- RPA
- AI
- Автоматизация бизнес-процессов (BPA)
- ML
- Интеллектуальная обработка документов (IDP)
- Оркестровка рабочих процессов
- Технологическая добыча
- Обработка естественного языка (NLP)
- Цифровой двойник организации (DTO)
- Разговорный RPA
- Компьютерное зрение RPA
Как утверждается в статье Гиперавтоматизация для повышения уровня автоматизации в промышленности (Haleem, 2021), “Благодаря смешению технологий автоматизации, гиперавтоматизация может преодолеть некоторые ограничения, накладываемые одним методом автоматизации. Это позволяет компаниям выйти за пределы каждого процесса и автоматизировать практически любую сложную и масштабируемую операцию.”
3. Меньше полагаться на экспертов
Бум в разработке программного обеспечения, наблюдаемый в последние годы, выявил проблему. В то время как спрос на приложения и мобильные технологии рос, предложение с трудом поспевало за ним. Разработчики программного обеспечения были в дефиците, поэтому многие вакансии оставались незаполненными месяцами.
Если учесть, что квалифицированных кандидатов ждут престижные шестизначные должности, то можно было бы предположить, что люди просто переквалифицируются и будут пожинать плоды. Школы и университеты также оказались под пристальным вниманием, и правительства заявили, что они не делают достаточно для стимулирования изучения предметов STEM. Однако на самом деле кодировать очень сложно. Лишь небольшая часть населения имеет способности к этой работе.
Поскольку наш мир становится все более цифровым, нехватка кодеров вполне может рассматриваться как предупреждение, к которому мы не прислушались. К счастью, автоматизация на основе искусственного интеллекта может стать противоядием от этой проблемы.
Руководящие должности требуют сочетания управленческих навыков и глубоких знаний предметной области. Чтение и обучение – это лишь одна часть того, что делает руководителей и членов высшего руководства ценными для организации. Однако по мере того, как все больше отраслей будут осваивать технологии, этот кадровый резерв будет истощаться.
ИИ-аналитика может использовать огромные объемы исторических данных для поиска понимания и глубинных взаимосвязей и составления прогнозов. Эти инструменты помогут преодолеть разрыв в опыте. Это также может способствовать демократизации принятия проницательных решений, которые раньше были уделом компаний с огромными бюджетами.
Опытные руководители и стратеги никогда не выйдут из моды, но гипер-автоматизированный бизнес, управляемый машинным обучением (ML) и аналитикой данных, будет работать круглосуточно, принимая решения на основе факторов, которые человек не может учесть сознательно.
McKinsey предполагает, что автоматизация работы со знаниями уже назревает. Право, экономика, образование, искусство, технологии – все эти сферы подвергнутся разрушениям, которые раньше считались опасными только для менее квалифицированных рабочих мест. Однако что это означает для рабочей силы в целом, еще предстоит выяснить.
4. Повышение эффективности государственного управления
Государственные расходы – это вечно спорный вопрос. Во всем мире за демократическими администрациями закрепилась репутация раздутых и нерациональных расходов. На
По данным исследования, проведенного известным Институтом Брукингса
, государственные органы США внедряют искусственный интеллект и RPA.
Такие разные ведомства, как Управление по контролю качества пищевых продуктов и лекарственных средств, Служба социального обеспечения, Агентство оборонной логистики и Министерство финансов, применяют ИИ и RPA для повышения производительности и снижения затрат на оказание важнейших услуг. Кроме того
исследование Американского совета по технологиям и отраслевого консультативного совета (ACT-IAC)
демонстрирует примеры использования, полученные примерно от десятка государственных организаций.
Более эффективное и экономичное правительство может оказать преобразующее воздействие на общество в целом. Услуги могут стать более эффективными и действенными, а налоги могут быть направлены на программы, способные изменить жизнь миллионов людей. Однако такое широкое распространение подчеркивает важность устранения
предвзятость в искусственном интеллекте,
особенно если правительства стран мира используют эту технологию для принятия политических решений.
Заключительные мысли
ИИ оказал глубокое влияние на технологии RPA. Первые средства автоматизации были способны выполнять множество рутинных и повседневных задач на рабочем месте. Однако по мере роста коллективного стремления к автоматизации RPA столкнулся с ограничениями. ИИ разрушает эти барьеры.
Сочетание RPA и искусственного интеллекта расширяет возможности обоих инструментов. Предприятия уже пожинают плоды интеллектуальной автоматизации, такие как улучшение обслуживания клиентов, повышение эффективности работы организации и снижение операционных затрат. ИИ открыл перед RPA такие возможности, которые еще десять лет назад казались маловероятными.
Однако на этом история автоматизации роботизированных процессов и искусственного интеллекта не заканчивается. Дальнейшие успехи будут достигнуты по мере продвижения к эре гиперавтоматизации. Это будет дикая поездка, так что не оставайтесь в стороне.
