fbpx

Get your 6-month No-Cost Opt-Out offer for Unlimited Software Automation?

Роботска аутоматизација процеса је одбегли воз. Према Делоитте-у, технологија ће постићи скоро универзално усвајање до 2025. Међутим, само зато што РПА доминира пословним светом, то не значи да ће престати да се развија.

Налазимо се на узбудљивој технолошкој раскрсници. Напредак у вештачкој интелигенцији последњих година је запањујући. ЦхатГПТ и други облици генеративне вештачке интелигенције освојили су јавну свест. Међутим, та узбудљива технологија је само један израз потенцијала АИ.

РПА је једноставан, али ефикасан алат. Међутим, конвергенција РПА и АИ пружа бескрајне могућности за иновације. Служба за кориснике заснована на конверзационој интелигенцији, доношење одлука засновано на аналитици и аутоматизација рада знања само су неки примери АИ у РПА.

Како технологија напредује, когнитивна роботска аутоматизација процеса ће променити природу посла на начине које тешко можемо замислити. Хајде да истражимо како је АИ са РПА већ померио границе аутоматизације пре него што размотримо њен будући утицај.

 

Границе РПА

АИ против РПА

Широко усвајање РПА је сведочанство његове корисности. Технологија је помогла безбројним предузећима да постигну нове нивое производње, ефикасности и тачности аутоматизацијом некада ручних задатака. Међутим, као и свака технологија, она има горње границе.

 

1. Трансакционом аутоматизацијом је тешко управљати

 

Док ће РПА ботови верно обављати процесе, потребно им је мало управљања и одржавања. На пример, када се улази или излази промене, ботови морају да се реконфигуришу да би се носили са овим благо променљивим условима. У динамичном радном окружењу, ово може да исцрпи ресурсе и време.

 

2. РПА се бори са неструктурираним подацима

 

РПА алати су направљени да извршавају задатке користећи иф/тхен/елсе логику. Као такви, они се ослањају на предвидљиве структуре података. Свака варијација или промена са улазним подацима ће изазвати грешке или изузетке јер су изван дефинисаних вредности које бот очекује да прими.

 

3. РПА представља изазове скалирања

 

Делимично због разлога које смо навели изнад, скалирање ваших РПА процеса може бити тешко. Сваки процес мора бити јасно дефинисан, вођен и одржаван, док недостатак прилагодљивости РПА такође може представљати проблеме.

Ограничења РПА нису нешто о чему треба да бринете. РПА уз помоћ вештачке интелигенције може да превазиђе свако од ових ограничења истовремено отварајући нове и узбудљиве могућности аутоматизације.

 

Ево како је РПА са АИ променио аутоматизацију.

 

Роботска аутоматизација процеса и вештачка интелигенција:

Савршен меч

Животни циклус и процес РПА - 10 корака до имплементације роботске аутоматизације процеса

 

РПА је, по дизајну, једноставан и једноставан алат, барем на нивоу корисника. Направљен је да буде доступан нетехничким тимовима. Као такав, спроводи упутства која су му дата на контролисан начин. На људима је да идентификују ове процесе и усмере РПА да изврши команде.

Наравно, детаљна упутства корак по корак може постати немогућа, с обзиром на довољну сложеност — због чега је комбиновање РПА и вештачке интелигенције будућност аутоматизације.

 

1. РПА са оптичким препознавањем знакова

 

У роботској аутоматизацији процеса са АИ и ОЦР за побољшање пословних процеса (Схидаганти, 2021), аутор истиче ограничења РПА, сугеришући: „Све промене у аутоматизованом процесу захтевају директне промене у апликацији РПА.“ Шидаганти предлаже АИ као решење за овај процес и износи аргумент за оптичко препознавање карактера (ОЦР) као фундаментално повећање РПА.

Заиста, ОЦР је утицао на предузећа отварањем РПА за неструктуриране податке. РПА ОЦР алати са АИ могу читати информације из штампаних докумената, па чак и писаног текста. Постоје три примарне могућности за РПА које ОЦР интеграција олакшава.

  • ОЦР кодира структуриране податке, омогућавајући РПА-у да ради са непредвидивим улазима
  • РПА може да аутоматизује удаљене машине дешифрујући шта се дешава на њиховим екранима
  • ОЦР, у комбинацији са машинским учењем, може помоћи у вези са Упознајте свог клијента (КИЦ), спречавањем прања новца (АМЛ) и откривањем превара скенирањем докумената. Учење и одлуке технологије могу се интегрисати са РПА, омогућавајући брже отварање налога, пријем, доношење одлука о зајму и тако даље.

 

2. Машинско учење и РПА

 

Роботска аутоматизација процеса и машинско учење су још један пример коришћења вештачке интелигенције за превазилажење инхерентних ограничења РПА. Још 2016. године идентификовали су стручњаци за аутоматизацију у индустрији осигурања могућностима когнитивне роботске аутоматизације процеса (РПА). У том раду аутори разматрају „самооптимизирајућу корисничку услугу, цене зајма, финансијске савете или решавање потраживања или притужби“ као могуће хоризонте.

У ономе што мора да служи као ознака напретка, занимљиво је видети како су алати за машинско учење роботске аутоматизације процеса постали уобичајени за само кратко време.

Машинско учење је свуда. Он описује процес учења машине да извршава задатке са експлицитним програмским упутствима. Као што можда знате, ово укључује машине које користе алгоритме за анализу и проналажење образаца унутар скупа података. Једном обучена, машина може да обрађује друге податке и производи увиде и предвиђања.

РПА и машинско учење се одлично слажу јер то значи да РПА постаје паметнији, интуитивнији и способан да се бави неструктурираним подацима.

 

3. РПА са дубоким учењем

 

Машинско учење је подскуп АИ, док је дубоко учење подскуп машинског учења. Разлика између дубоког учења и машинског учења је некима можда суптилна, али вреди је истражити. Машинско учење се обучава на подацима како би помогло у одлукама и предвиђањима.

Међутим, технологија обично нема способност да се сама побољша током времена. Насупрот томе, дубоко учење укључује употребу неуронских мрежа за учење и побољшање његових перформанси. Другим речима, захваљујући дубоком учењу, РПА и МЛ се комбинују да би изградили аутоматизацију која постаје боља кроз искуство.

IS YOUR COMPANY IN NEED OF

ENTERPRISE LEVEL

TASK-AGNOSTIC SOFTWARE AUTOMATION?

Наравно, дубоко учење захтева невероватну количину података за обављање ове функције. У ономе што је још један пример дубоке симбиозе између АИ и РПА, ботови су идеални за помоћ у напорном процесу прикупљања ових података о обуци. РПА алати могу приступити разним веб локацијама и другим репозиторијумима информација како би прикупили ове информације, осигуравајући да алгоритам дубоког учења има довољно података за побољшање.

Дубоко учење такође омогућава ботовима да искористе предности предиктивне аналитике. Када РПА наиђе на изузетке, може их упоредити са очекиваним или неочекиваним обрасцима, елиминишући ослањање на људску интервенцију.

Када паметни ботови могу да доносе одлуке засноване на подацима, они могу да одговоре купцима на оптималне начине. Пример ових апликација у оквиру РПА укључује алате за анализу осећања који користе обраду природног језика (НЛП) за декодирање расположења потрошача. Заузврат, ботови могу модулирати свој одговор како би погодили одговарајућу ноту. Ова динамика може учинити много да се превазиђу јазови између емпатичне људске корисничке услуге и њене механизоване алтернативе.

 

4. РПА и препознавање слика

 

Упаривање РПА-а са софтвером за препознавање слика је још један пример коришћења вештачке интелигенције за превазилажење неспособности РПА-а да се бави неуредним или неструктурираним подацима. У новинама Анализом и примењивости технологија вештачке интелигенције у области РПА софтверских робота за аутоматизацију пословних процеса (Канаков, 2022), аутор указује на неке фасцинантне употребе РПА и препознавања слика у вези са аутоматизацијом провера ангажовања или помоћи у откривању превара.

Други случајеви употребе које је предложио Канаков укључују коришћење препознавања лица за сигурност зграде, са РПА алатима повезаним са камерама. Апликације су заиста бесконачне. На пример, дронови или камере могу да скенирају било који број окружења у потрази за аномалијама. Када се открије, РПА систем би могао пријавити проблеме релевантним странама, осигуравајући брзу санацију.

 

5. РПА са генеративним АИ

 

У чланку у Форбсу, ДЕЛЛ-ов Цлинт Боултон користи фантастичну аналогију када упоређује РПА и генеративну АИ. Он сугерише да „На гала догађају, РПА проверава листу гостију, броји карте и прати ствари као што су капацитет собе, грејање и осветљење.“ Затим, он наводи: „У међувремену, Генеративе АИ креира рекламе за догађај, пише честитке за добитнике и води разговоре са сваким гостом.

Оно што је толико моћно у овој аналогији је да савршено хвата нешто што смо сви посматрали у последњих годину дана. Генеративна АИ је толико интересантна и моћна да се не можемо начудити њеном резултату. Међутим, без неког (РПА) који се мучи у позадини и обавља ситне задатке, не може бити догађаја или барем не функционалног.

Према Гартнеру, Генеративна АИ нуди много опција. Може брзо да генерише писани садржај, слике, видео записе, музику, па чак и код. Неке од могућности су одмах очигледне, као што је разговорна служба за кориснике.

Али побољшани цхат ботови су само почетак; други случајеви употребе за РПА и генеративну АИ укључују помоћ РПА-у да разуме неструктуриране податке многих облика, па чак и повећање РПА-а са доношењем одлука, анализом података и још много тога.

 

6. Похађао аутоматизацију

 

Аутоматизацију можете поделити у две категорије: са присуством и без надзора. Као што можете очекивати, аутоматизација без надзора значи да бот извршава процесе без икаквог људског уноса. Насупрот томе, Аттендед Аутоматион описује задатке који захтевају људску интеракцију током, најмање једног корака на путу.

Постоји неколико начина на које ово може да функционише. На пример, аутоматизовани процес може захтевати ручни окидач. Алтернативно, за један од корака ће можда бити потребни безбедносни акредитиви током процеса. Међутим, овде су могуће сложеније оркестрације захваљујући роботској аутоматизацији радне површине (РДА).

Роботска аутоматизација радне површине (РДА) је облик аутоматизације са присуством. Међутим, захваљујући АИ алатима као што су МЛ и оптичко препознавање знакова, ови роботи динамички спајају више процеса тока посла, константно аутоматизујући различите задатке за појединачног корисника. У овом сценарију, РДА бот се понаша као виртуелни асистент, преузима податке, шаље датотеке и генерише извештаје док људски оперативац разговара са клијентом.

 

7. Ботови за самоисцељивање

 

Анкета о стању РПА из 2022 открио проблем који утиче на нека предузећа која усвајају РПА решења. Преко 69% испитаника сугерише да доживе покварен РПА бот сваке недеље. Што је још горе, преко 40% је сугерисало да је потребно више од 5 сати да се поправи њихов бот, док други испитаници сугеришу да санација може трајати више од једног дана.

Ове бројке су неприхватљиво високе. Међутим, анкета не улази у специфичности проблема. Уобичајени разлози за неуспех РПА укључују промене уноса, роботе који наилазе на изузетке, непотпуне податке, лоше тестирање или недостатак одржавања, да споменемо само неке.

Самоизлечујући РПА описује систем који може да се поправи без учешћа људског радника.

Самоизлечујући РПА ботови су омогућени помоћу АИ алгоритама који прате перформансе аутоматизованог задатка. Када се појаве проблеми, ови корисни алати ступају у акцију, идентификују основни узрок и примењују решење. Предност су повећане перформансе и више времена рада.

 

8. Паметна обрада рударства

 

Процесно рударење у контексту РПА укључује откривање задатака које предузећа могу да аутоматизују. Користећи напредне аналитичке могућности вештачке интелигенције, тимови могу да ископају своје пословне токове како би пронашли задатке који се могу аутоматизовати и дали прогнозе о утицају ове аутоматизације.

Процесно рударење користи МЛ и аналитику података. На пример, користи софтвер за снимање екрана за снимање података о току посла, разлажући их на кораке. Затим, МЛ или алати за аналитику покрећу моделе ових задатака и проналазе области које се могу претворити у аутоматизоване процесе. АИ алати дају предузећима бољи надзор и разумевање задатака, омогућавајући им да идентификују зависности, уска грла и неефикасност.

Упаривање РПА и процесног рударења је веома моћно јер може помоћи предузећима да открију процесе које иначе не би открили. То значи да можете добити већу вредност од својих РПА инвестиција и додатно укомпоновати друге предности РПА, као што су смањење трошкова и повећање продуктивности.

Друга ствар коју можете приметити овде је да процесно рударење може да скрати време откривања за одговарајуће РПА процесе. То значи да ваша имплементација почиње много брже.

 

9. Аутоматизација тестирања софтвера

 

Програмери и издавачи софтвера испоручили су неке од најразорнијих технологија које имамо у последњих неколико деценија. Међутим, њихова индустрија је такође прошла кроз револуцију. ДевОпс и Агиле методологије су помогле програмерима да испуне потражњу за муњевито брзим производима који се континуирано побољшавају, док ЦИ/ЦД канали такође доприносе бржем изласку на тржиште.

РПА је фантастичан алат за специфичне врсте тестирања софтвера. МцКинсеи сугерише да је развој софтвера нове генерације одмах иза АИ у смислу највећи технолошки трендови за 2023. Аутоматизација софтверског тестирања, коју покреће и РПА и АИ, биће на челу тог тренда, са генеративним АИ писањем кода и нетехничким тимовима који ће бити добродошли на преклоп захваљујући алатима без кодирања.

Као што партнер консултантске фирме, Сантиаго Цомелла-Дорда, сугерише: „Програмери су можда једна од највреднијих средстава за модерно дигитално предузеће, али они проводе више од 40 процената свог времена на задатке који се понављају, ниске вредности који се лако могу решити. аутоматизован са модерним сетом алата.”

 

10. РПА Интелигентна аутоматизација

 

Роботска аутоматизација процеса вештачке интелигенције, такође названа интелигентна аутоматизација процеса (ИПА), сматра се следећом фазом аутоматизације. Потребно је РПА и додаје когнитивне способности кроз АИ. Може да обухвати РПА са свим или неким другим АИ технологијама које су горе наведене.

У ИБМ-овом истраживању руководилаца Ц-Суите-а90% испитаника сугерисало је да им је интелигентна аутоматизација помогла да остваре „изнад просека у управљању организационим променама као одговор на нове пословне трендове“. Ово осећање говори о способности РПА и вештачке интелигенције да креирају агилна и робусна решења која могу понудити истинску конкурентску предност.

Докази о моћи РПА и вештачке интелигенције да донесу организационе промене могу се наћи у одговору пословне заједнице на пандемију ЦОВИД-19. Усвајање роботске технологије аутоматизације процеса како би се осигурали пословни процеси током пандемије ЦОВИД-19 (Сидерска, 2021) показало је како је 60% проучаваних пољских предузећа било у стању да имплементира континуитет пословања захваљујући РПА алатима. Према студији, АИ и Аналитика су дали велики допринос.

У недавном истраживању Гартнера, пуних 80% руководилаца је открило своје уверење да се аутоматизација може применити на било који пословни процес. Та статистика је изванредан доказ моћи РПА када се користи са АИ. Немогуће је замислити да би тај број могао бити тако висок без повећања РПА од стране АИ.

Што се тиче будућности, истраживања неуроморфне обраде — систем за обраду информација који се заснива на структури мозга — могао би да доведе до веће спознаје и машинске интелигенције. Оно што је толико узбудљиво у вези са овим хоризонтом је да ови модели интелигенције захтевају много мање података о обуци, што значи да би могли бити доступни предузећима.

IS YOUR COMPANY IN NEED OF

ENTERPRISE LEVEL

TASK-AGNOSTIC SOFTWARE AUTOMATION?

 

Како ће РПА који покреће АИ променити будућност

рада и друштва

Интелигентна аутоматизација процеса у односу на РПА – разлике, заједништва, алати и укрштања/преклапања

Алати за аутоматизацију АИ процеса се управо загревају. Ево неких области у којима ће АИ додатно утицати на аутоматизацију.

 

1. Индустрија 4.0

 

Прву индустријску револуцију покретала је пара, друга струја. Трећу индустријску револуцију омогућиле су дигиталне технологије током 1970-их. Када је у питању Четврта индустријска револуција, позната и као Индустрија 4.0, постоји неколико технолошких кандидата, као што су дигитални близанци, виртуелна стварност, интернет ствари (ИоТ), АИ и МЛ, па чак и 3Д штампање.

Међутим, ИМД Глобал Суппли Цхаин Сурвеи из 2022. открива забрињавајућу истину. Од више од 200 интервјуисаних руководилаца у производњи, врло мало њих је навело технологију у вези са индустријом 4.0 као велики приоритет. Ово је далеко од 2019. када 68% испитаника у МцКинсеи анкети сугерисало је да је Индустрија 4.0 главни стратешки приоритет.

У истраживачком раду Роботска аутоматизација процеса и вештачка интелигенција у индустрији 4.0 – Преглед литературе (Риберио, 2021), аутор наводи да „с обзиром на обим применљивости АИ, РПА постепено додаје, својим карактеристикама аутоматизације, имплементације алгоритама или АИ техника које се примењују у одређеним контекстима (нпр. планирање ресурса предузећа, рачуноводство, Људски ресурси) да класификују, препознају, категоришу, итд.”

Како технологија наставља да се развија, нови алати и могућности ће помоћи да Индустрија 4.0 постане стварност коју покреће вештачка интелигенција.

 

2. Хипераутоматизација

 

Хипераутоматизација је природна еволуција аутоматизације. Међутим, уместо аутоматизације одређеног задатка или пословног процеса, он настоји да прошири могућности аутоматизације у целој организацији. Коначна верзија ће бити потпуно повезан и углавном аутономан посао где ће токови посла и одлуке бити поједностављени, агилни и отпорни.

 

Хипераутоматизација укључује мешавину неколико технологија. Ово укључује:

  • РПА
  • АИ
  • Аутоматизација пословних процеса (БПА)
  • МЛ
  • Интелигентна обрада докумената (ИДП)
  • Оркестрација тока посла
  • Процесно рударење
  • Обрада природног језика (НЛП)
  • Дигитални близанац организације (ДТО)
  • Цонверсатионал РПА
  • Рачунарски вид РПА

 

Како стоји у раду Хипераутоматизација за унапређење аутоматизације у индустрији (Халеем, 2021), „Кроз мешавину технологија аутоматизације, хипераутоматизација може да превазиђе нека ограничења методе једног уређаја за аутоматизацију. Ово омогућава компанијама да превазиђу границе сваког процеса и аутоматизују скоро сваку напорну и скалабилну операцију.”

 

3. Мање ослањања на стручњаке

 

Процват развоја софтвера последњих година разоткрио је проблем. Док је потражња за апликацијама и мобилном технологијом расла, понуда се борила да одржи корак. Програмери софтвера су били у недостатку, што значи да су многе позиције биле непопуњене месецима.

Са престижним пословима са шест цифара који чекају квалификоване кандидате, могло би вам бити опроштено што мислите да ће се људи једноставно преквалификовати и пожњети награде. Школе и универзитети су такође били под лупом, а владе су сугерисале да не чине довољно да подстакну усвајање предмета СТЕМ. Међутим, реалност је да је кодирање тешко. Само мали део становништва има способност за тај посао.

Како наш свет постаје све дигиталнији, недостатак кодера би се могао сматрати упозорењем на које нисмо успели да обратимо пажњу. Срећом, аутоматизација са вештачком интелигенцијом може да пружи лек за овај проблем.

Лидерске позиције захтевају мешавину вештина управљања и дубоког знања о предметима. Читање и учење су само један део онога што руководиоце и старије чланове тима чини вредним за организацију. Међутим, како све више индустрија прихвата технологију, овај фонд талената ће бити исцрпљен.

Аналитика вештачке интелигенције може да користи огромне количине историјских података да пронађе увиде и основне односе и направи предвиђања. Ови алати ће помоћи да се премости јаз у искуству. Такође може послужити за демократизацију проницљивог доношења одлука које је раније било резервисано за предузећа са огромним буџетима.

Док искусни доносиоци одлука и стратези никада неће изаћи из моде, хипер-аутоматизовано пословање вођено машинским учењем (МЛ) и аналитиком података ће радити даноноћно, доносећи изборе на основу фактора које ниједан човек не би могао свесно да узме у обзир.

МцКинсеи сугерише да је аутоматизација рада знања сада на видику. Право, економија, образовање, уметност и технологија ће доживети поремећаје за које се раније сматрало да само угрожавају мање квалификоване послове. Међутим, тек треба да се утврди шта то значи за општу радну снагу.

 

4. Већа ефикасност владе

 

Државна потрошња је стално спорно питање. Широм света, демократске администрације имају репутацију надуване и погрешне потрошње. Пер истраживање познатог Института Брукингс , америчка владина тела прихватају вештачку интелигенцију и РПА.

Разноврсна одељења попут Управе за храну и лекове, социјалног осигурања, Агенције за логистику одбране и Министарства финансија усвојила су АИ и РПА да повећају продуктивност и смање трошкове својих основних услуга. Штавише, а Истраживање Америчког савета за технологију и саветодавног савета за индустрију (АЦТ-ИАЦ) показује случајеве употребе од десетак владиних организација.

Ефикаснија и исплативија влада могла би да има трансформативни ефекат на друштво у целини. Услуге би могле постати ефикасније и ефективније, а порези би се могли усмјерити у програме који би могли промијенити животе милиона. Међутим, ово широко усвајање наглашава важност елиминације пристрасност у АИ, посебно ако владе широм света користе технологију за доношење политичких одлука.

 

Последње мисли

рашчишћавање неке забуне у аутоматизацији тестирања софтвера

АИ је имала дубок утицај на РПА технологију. Рани алати за аутоматизацију су били у стању да се носе са много напаметних и свакодневних задатака на радном месту. Међутим, како је колективни апетит за аутоматизацијом растао, РПА је наишао на своје границе. АИ руши те баријере.

Комбиновање РПА и АИ проширује потенцијал оба алата. Предузећа већ убиру плодове интелигентне аутоматизације, као што је побољшање услуге за кориснике, повећање организационе ефикасности и смањење оперативних трошкова. АИ је отворио обим РПА на начине који су изгледали мало вероватни пре само десет година.

Међутим, прича о роботској аутоматизацији процеса и АИ не стаје овде. Даљи добици ће доћи како се будемо кретали ка ери хипераутоматизације. Биће то дивља вожња, тако да не заостајете.

Download post as PDF

Alex Zap Chernyak

Alex Zap Chernyak

Founder and CEO of ZAPTEST, with 20 years of experience in Software Automation for Testing + RPA processes, and application development. Read Alex Zap Chernyak's full executive profile on Forbes.

Get PDF-file of this post