Robotická automatizace procesů je rozjetý vlak. Podle společnosti Deloitte tato technologie dosáhne. téměř univerzální přijetí do roku 2025. To, že RPA dominuje světu podnikání, však neznamená, že se přestane vyvíjet.
Nacházíme se ve vzrušujícím technologickém období. Pokrok v oblasti umělé inteligence je v posledních letech překvapivý. ChatGPT a další formy generativní umělé inteligence se dostaly do povědomí veřejnosti. Tato vzrušující technologie je však jen jedním z projevů potenciálu umělé inteligence.
RPA je jednoduchý, ale účinný nástroj. Konvergence RPA a AI však nabízí nekonečné možnosti inovací. Konverzační služby zákazníkům s využitím umělé inteligence, rozhodování založené na analýze a automatizace znalostní práce jsou jen některé příklady umělé inteligence v RPA.
S rozvojem technologií změní kognitivní robotická automatizace procesů povahu práce způsobem, který si jen stěží dokážeme představit. Prozkoumejme, jak umělá inteligence s RPA již posunula hranice automatizace, a teprve poté se zamysleme nad jejím budoucím dopadem.
Limity RPA
Rozsáhlé přijetí RPA je důkazem jeho užitečnosti. Tato technologie pomohla bezpočtu podniků dosáhnout nové úrovně výroby, efektivity a přesnosti díky automatizaci kdysi manuálních úkonů. Jako každá technologie má však své horní hranice.
1. Automatizace transakcí se obtížně řídí
Přestože RPA roboti budou poctivě zpracovávat procesy, potřebují trochu správy a údržby. Když se například změní vstupy nebo výstupy, je třeba roboty překonfigurovat tak, aby tyto mírně se měnící podmínky zvládly. V dynamickém pracovním prostředí to může odčerpávat zdroje a čas.
2. RPA se potýká s nestrukturovanými daty
Nástroje RPA jsou vytvořeny tak, aby prováděly úlohy pomocí logiky if/then/else. Proto se spoléhají na předvídatelné datové struktury. Jakákoli odchylka nebo změna vstupních dat způsobí chyby nebo výjimky, protože jsou mimo definované hodnoty, které bot očekává.
3. RPA představuje výzvu pro škálování
Částečně z důvodů, které jsme uvedli výše, může být škálování procesů RPA obtížné. Každý proces musí být jasně definován, řízen a udržován, přičemž problémy může způsobovat i nedostatečná přizpůsobivost RPA.
Omezení RPA nejsou důvodem k obavám. RPA s podporou umělé inteligence může překonat všechna tato omezení a zároveň otevřít nové a zajímavé možnosti automatizace.
Zde se dozvíte, jak RPA s umělou inteligencí změnila automatizaci.
Robotická automatizace procesů a umělá inteligence:
Dokonalá shoda
RPA je ze své podstaty jednoduchý a nekomplikovaný nástroj, alespoň na uživatelské úrovni. Je vytvořen tak, aby byl přístupný i netechnickým týmům. Proto kontrolovaně plní zadané pokyny. Je na lidech, aby tyto procesy identifikovali a řídili RPA k provádění příkazů.
Samozřejmě, že detailní instrukce krok za krokem mohou být při dostatečné složitosti nemožné – proto je budoucností automatizace kombinace RPA a umělé inteligence.
1. RPA s optickým rozpoznáváním znaků
Na adrese
Robotická automatizace procesů s umělou inteligencí a OCR ke zlepšení obchodních procesů
(Shidaganti, 2021), autor nastiňuje omezení RPA a navrhuje: “Jakékoli změny v automatizovaném procesu vyžadují přímé změny v aplikaci RPA.” Shidaganti navrhuje umělou inteligenci jako řešení tohoto procesu a argumentuje optickým rozpoznáváním znaků (OCR) jako základním rozšířením RPA.
OCR skutečně ovlivnilo podniky tím, že zpřístupnilo RPA nestrukturovaná data. Nástroje RPA OCR poháněné umělou inteligencí dokáží číst informace z tištěných dokumentů a dokonce i z psaného textu. Existují tři hlavní příležitosti pro RPA, které integrace OCR usnadňuje.
- OCR kóduje strukturovaná data, což umožňuje RPA pracovat s nepředvídatelnými vstupy.
- RPA může automatizovat vzdálené stroje tím, že dešifruje, co se děje na jejich obrazovkách.
- OCR ve spojení se strojovým učením může skenováním dokumentů pomoci při poznávání klienta (KYC), boji proti praní špinavých peněz (AML) a odhalování podvodů. Poznatky a rozhodnutí techniky lze integrovat s RPA, což umožňuje rychlejší otevírání účtů, onboarding, rozhodování o půjčkách atd.
2. Strojové učení a RPA
Robotická automatizace procesů a strojové učení jsou dalším příkladem využití umělé inteligence k překonání přirozených omezení RPA. Již v roce 2016 odborníci na automatizaci v pojišťovnictví zjistili. možnosti kognitivní robotické automatizace procesů (RPA). V tomto článku autoři jako možné horizonty uvádějí “samooptimalizující se služby zákazníkům, stanovení cen úvěrů, finanční poradenství nebo vyřizování reklamací či stížností”.
Je zajímavé sledovat, jak se nástroje strojového učení pro robotickou automatizaci procesů staly běžnými během krátké doby.
Strojové učení je všude. Popisuje proces učení stroje provádět úlohy pomocí explicitních programových instrukcí. Jak možná víte, jedná se o strojovou analýzu a hledání vzorů v souboru dat pomocí algoritmů. Po vyškolení může stroj zpracovávat další data a vytvářet poznatky a předpovědi.
RPA a strojové učení se k sobě skvěle hodí, protože RPA se tak stává chytřejší, intuitivnější a schopnější pracovat s nestrukturovanými daty.
3. RPA s hlubokým učením
Strojové učení je podmnožinou umělé inteligence, zatímco hluboké učení je podmnožinou strojového učení. Rozdíl mezi hlubokým a strojovým učením je pro někoho možná nepatrný, ale stojí za to ho prozkoumat. Strojové učení se trénuje na datech, aby pomohlo při rozhodování a předpovědích.
Tato technologie však obvykle nemá schopnost se časem sama zlepšovat. Naproti tomu hluboké učení využívá neuronové sítě k učení a zlepšování výkonu. Jinými slovy, díky hlubokému učení se RPA a ML spojují a vytvářejí automatizace, které se zlepšují díky zkušenostem.
Hluboké učení samozřejmě vyžaduje neuvěřitelné množství dat, aby mohlo tuto funkci vykonávat. V dalším příkladu hluboké symbiózy mezi umělou inteligencí a RPA jsou roboti ideální pro pomoc s pracným procesem sběru těchto tréninkových dat. Nástroje RPA mohou přistupovat k různým webovým stránkám a dalším úložištím informací, aby tyto informace shromáždily a zajistily, že algoritmus hlubokého učení bude mít k dispozici dostatek dat pro zlepšení.
Hluboké učení také umožňuje botům využívat výhody prediktivní analýzy. Když RPA narazí na výjimky, může je porovnat s očekávanými nebo neočekávanými vzory, čímž se eliminuje závislost na lidském zásahu.
Když se inteligentní roboti mohou rozhodovat na základě dat, mohou optimálně reagovat na zákazníky. Příkladem těchto aplikací v rámci RPA jsou nástroje pro analýzu sentimentu, které využívají zpracování přirozeného jazyka (NLP) k dekódování nálad spotřebitelů. Boti zase mohou modulovat svou reakci, aby se trefili do vhodné noty. Tato dynamika může hodně přispět k překonání rozdílů mezi empatickým lidským zákaznickým servisem a jeho mechanizovanou alternativou.
4. RPA a rozpoznávání obrazu
Spojení RPA se softwarem pro rozpoznávání obrazu je dalším příkladem využití umělé inteligence k překonání neschopnosti RPA vypořádat se s chaotickými nebo nestrukturovanými daty. V článku
Analýza a použitelnost technologií umělé inteligence v oblasti softwarových robotů RPA pro automatizaci podnikových procesů.
(Kanakov, 2022) autor nastiňuje některé fascinující způsoby využití RPA a rozpoznávání obrazu v souvislosti s automatizací prověřování náboru zaměstnanců nebo pomoci při odhalování podvodů.
Mezi další případy použití, které Kanakov navrhuje, patří využití rozpoznávání obličeje pro zabezpečení budov pomocí nástrojů RPA připojených ke kamerám. Možnosti využití jsou skutečně nekonečné. Například drony nebo kamery by mohly skenovat libovolné prostředí a hledat v něm anomálie. Jakmile jsou problémy zjištěny, systém RPA by je mohl nahlásit příslušným stranám a zajistit tak rychlou nápravu.
5. RPA s generativní AI
V
článku v časopise Forbes
, Clint Boulton ze společnosti DELL používá fantastickou analogii při porovnávání RPA a generativní AI. Navrhuje, aby “na slavnostní akci RPA kontrolovala seznam hostů, počítala vstupenky a monitorovala věci, jako je kapacita místnosti, vytápění a osvětlení.” Dále uvádí: “Generativní umělá inteligence mezitím vytváří reklamu pro tuto událost, píše blahopřejné projevy pro oceněné a vede rozhovory s každým hostem.”
Na tomto přirovnání je tak silné to, že dokonale vystihuje něco, co jsme v posledním roce všichni pozorovali. Generativní umělá inteligence je natolik zajímavá a výkonná, že nad jejími výsledky nemůžeme než žasnout. Nicméně bez někoho (RPA), kdo by na pozadí vykonával podřadné úkoly, by se žádná akce nekonala, nebo by alespoň nebyla funkční.
Podle společnosti Gartner nabízí generativní AI mnoho možností. Dokáže rychle generovat psaný obsah, obrázky, videa, hudbu a dokonce i kód. Některé možnosti jsou zřejmé okamžitě, například konverzační zákaznický servis.
Rozšíření chatbotů je však jen začátek; další případy využití RPA a generativní AI zahrnují pomoc RPA při porozumění nestrukturovaným datům různých forem a dokonce i rozšíření RPA o rozhodování, analýzu dat a další.
6. Zúčastnil se automatizace
Automatizaci můžete rozdělit do dvou kategorií: Obsluhovaná a neobsluhovaná. Jak se dalo očekávat, bezobslužná automatizace znamená, že bot provádí procesy bez jakéhokoli lidského zásahu. Naproti tomu automatizace s účastí popisuje úlohy, které vyžadují interakci člověka minimálně v jednom kroku na cestě.
To může fungovat několika způsoby. Automatizovaný proces může například vyžadovat ruční spuštění. Případně může jeden z kroků vyžadovat bezpečnostní pověření během procesu. Složitější orchestrace jsou však možné díky robotické automatizaci pracovní plochy (RDA).
Robotická automatizace pracovní plochy (RDA) je formou automatizace za účasti obsluhy. Díky nástrojům umělé inteligence, jako je ML a optické rozpoznávání znaků, však tito roboti dynamicky spojují několik pracovních procesů a neustále automatizují různé úkoly pro jednotlivé uživatele. V tomto scénáři funguje bot RDA jako virtuální asistent, který načítá data, odesílá soubory a vytváří zprávy, zatímco lidský pracovník hovoří se zákazníkem.
7. Samouzdravující se roboti
A
Průzkum stavu RPA od roku 2022
odhalil problém, který se týká některých podniků, které přijímají řešení RPA. Více než 69 % respondentů uvádí, že se každý týden setkají s nefunkčním robotem RPA. A co hůř, více než 40 % respondentů uvedlo, že oprava jejich bota trvá déle než 5 hodin, a další respondenti uvedli, že náprava může trvat i více než den.
Tato čísla jsou nepřijatelně vysoká. Průzkum se však nezabývá konkrétními problémy. Mezi nejčastější příčiny selhání RPA patří například změny vstupů, narážení robotů na výjimky, neúplná data, nedostatečné testování nebo nedostatečná údržba.
Samoopravující se RPA popisuje systém, který se dokáže opravit sám bez zásahu lidského pracovníka.
Samoopravné roboty RPA jsou možné díky algoritmům umělé inteligence, které monitorují výkonnost automatizovaného úkolu. Když se vyskytnou problémy, tyto užitečné nástroje se ihned zapojí do akce, identifikují příčinu a provedou nápravu. Výhodou je vyšší výkon a delší doba provozu.
8. Inteligentní zpracování těžby
Process mining v kontextu RPA zahrnuje odhalování úloh, které mohou podniky automatizovat. Pomocí pokročilých analytických schopností umělé inteligence mohou týmy prozkoumat své podnikové pracovní postupy a najít úkoly, které lze automatizovat, a vytvořit prognózy dopadu této automatizace.
Process mining využívá ML a analýzu dat. Například pomocí softwaru pro nahrávání obrazovky zachycuje údaje o pracovním postupu a rozděluje je na jednotlivé kroky. Poté se pomocí nástrojů ML nebo analytických nástrojů spustí modely těchto úloh a najdou se oblasti, které lze přeměnit na automatizované procesy. Nástroje umělé inteligence umožňují podnikům lepší dohled a pochopení úkolů, což jim umožňuje identifikovat závislosti, úzká místa a neefektivitu.
Spojení RPA a process miningu je velmi účinné, protože může podnikům pomoci odhalit procesy, které by jinak neodhalili. To znamená, že můžete získat větší hodnotu ze svých investic do RPA a dále umocnit další výhody RPA, jako je snížení nákladů a zvýšení produktivity.
Další věc, které si zde můžete všimnout, je, že process mining může zkrátit dobu zjišťování vhodných procesů RPA. To znamená, že se vaše implementace rozběhne mnohem rychleji.
9. Automatizace testování softwaru
Vývojáři a vydavatelé softwaru přinesli některé z nejpřevratnějších technologií za posledních několik desetiletí. Jejich odvětví však také prošlo určitou revolucí. Metodiky DevOps a Agile pomohly vývojářům uspokojit poptávku po bleskově rychlých a neustále se zlepšujících produktech, přičemž k rychlejšímu uvádění produktů na trh přispívají i kanály CI/CD.
RPA je fantastický nástroj pro specifické typy testování softwaru. Společnost McKinsey naznačuje, že vývoj softwaru nové generace je z hlediska umělé inteligence těsně pozadu. největší technologické trendy pro rok 2023. V čele tohoto trendu bude stát automatizace testování softwaru, která je poháněna jak RPA, tak umělou inteligencí, přičemž generativní umělá inteligence bude psát kód a netechnické týmy budou vítány díky nástrojům bez kódu.
Jak uvádí partner poradenské společnosti Santiago Comella-Dorda: “Vývojáři jsou pravděpodobně jedním z nejcennějších aktiv moderního digitálního podniku, přesto tráví více než 40 % svého času opakujícími se úkoly s nízkou hodnotou, které by mohly být snadno automatizovány pomocí moderní sady nástrojů.”
10. Inteligentní automatizace RPA
Robotická automatizace procesů s umělou inteligencí, nazývaná také inteligentní automatizace procesů (IPA), je považována za další stupeň automatizace. Využívá RPA a přidává kognitivní schopnosti prostřednictvím AI. Může zahrnovat RPA se všemi nebo některými z výše uvedených technologií AI.
V
IBM mezi vedoucími pracovníky C-Suite
, 90 % respondentů uvedlo, že inteligentní automatizace jim pomáhá “nadprůměrně dobře řídit organizační změny v reakci na nové obchodní trendy”. Tento názor vypovídá o schopnosti RPA a AI vytvářet agilní a robustní řešení, která mohou nabídnout skutečnou konkurenční výhodu.
Důkazem toho, že RPA a AI mohou přinést organizační změny, je reakce podnikatelské komunity na pandemii COVID-19. Využití technologie robotické automatizace procesů k zajištění podnikových procesů během pandemie COVID-19 (Siderska, 2021) ukázala, že 60 % polských podniků, které byly předmětem studie, bylo schopno zavést kontinuitu podnikání díky nástrojům RPA. Podle studie k tomu nejvíce přispěly umělá inteligence a analytika.
V nedávném
Gartner
, plných 80 % vedoucích pracovníků odhalilo své přesvědčení, že automatizaci lze aplikovat na jakýkoli podnikový proces. Tato statistika je pozoruhodným důkazem síly RPA při použití umělé inteligence. Je nemožné si představit, že by toto číslo mohlo být tak vysoké bez rozšíření RPA o umělou inteligenci.
Pokud jde o budoucnost, výzkum
neuromorfního zpracování
– systém zpracování informací založený na struktuře mozku – by mohl vést k lepšímu poznávání a strojové inteligenci. Zajímavé na tomto horizontu je, že tyto inteligentní modely vyžadují mnohem méně tréninkových dat, což znamená, že by mohly být k dispozici podnikům.
Jak RPA poháněná umělou inteligencí změní budoucnost
práce a společnosti
Nástroje pro automatizaci procesů s umělou inteligencí se teprve rozehrávají. Zde je několik oblastí, kde bude mít umělá inteligence další vliv na automatizaci.
1. Průmysl 4.0
První průmyslová revoluce byla poháněna párou, druhá elektřinou. Třetí průmyslovou revoluci umožnily digitální technologie v 70. letech 20. století. Pokud jde o čtvrtou průmyslovou revoluci, známou také jako Průmysl 4.0, existuje několik technologických kandidátů, jako jsou digitální dvojčata, virtuální realita, internet věcí (IoT), umělá inteligence a ML, a dokonce i 3D tisk.
Nicméně
IMD Global Supply Chain Survey
z roku 2022 odhaluje znepokojivou pravdu. Z více než 200 oslovených vedoucích pracovníků ve výrobě jich jen velmi málo uvedlo technologie související s Průmyslem 4.0 jako velkou prioritu. To je daleko od roku 2019, kdy 68 % respondentů průzkumu společnosti McKinsey označilo Průmysl 4.0 za nejvyšší strategickou prioritu.
Ve výzkumném článku Robotická automatizace procesů a umělá inteligence v průmyslu 4.0 – Přehled literatury (Riberio, 2021), autor uvádí, že “vzhledem k rozsahu použitelnosti umělé inteligence RPA postupně přidává ke svým automatizačním funkcím implementace algoritmů nebo technik umělé inteligence aplikovaných v určitých kontextech (např. plánování podnikových zdrojů, účetnictví, lidské zdroje) za účelem klasifikace, rozpoznávání, kategorizace atd.”.
S dalším vývojem technologií se nové nástroje a možnosti pomohou průmyslu 4.0 stát se realitou poháněnou umělou inteligencí.
2. Hyperautomatizace
Hyperautomatizace je přirozeným vývojem automatizace. Namísto automatizace konkrétního úkolu nebo obchodního procesu se však snaží rozšířit možnosti automatizace v rámci celé organizace. Konečná verze bude plně propojený a do značné míry autonomní podnik, kde budou pracovní postupy a rozhodnutí zefektivněné, agilní a odolné.
Hyperautomatizace zahrnuje kombinaci několika technologií. To zahrnuje:
- RPA
- AI
- Automatizace podnikových procesů (BPA)
- ML
- Inteligentní zpracování dokumentů (IDP)
- Orchestrace pracovních postupů
- Procesní těžba
- Zpracování přirozeného jazyka (NLP)
- Digitální dvojče organizace (DTO)
- Konverzační RPA
- Počítačové vidění RPA
Jak je uvedeno v článku Hyperautomatizace pro zvýšení automatizace v průmyslu (Haleem, 2021): “Hyperautomatizace může díky kombinaci automatizačních technologií překonat některá omezení jediné metody automatizačního zařízení. To umožňuje společnostem překročit hranice jednotlivých procesů a automatizovat téměř jakoukoli náročnou a škálovatelnou operaci.”
3. Menší závislost na odbornících
Rozmach vývoje softwaru v posledních letech odhalil problém. Zatímco poptávka po aplikacích a mobilních technologiích rostla, nabídka s ní jen těžko držela krok. Vývojářů softwaru byl nedostatek, což znamenalo, že mnoho pozic zůstávalo dlouhé měsíce neobsazených.
Vzhledem k tomu, že na kvalifikované uchazeče čekají prestižní šestimístná pracovní místa, mohli bychom si myslet, že se lidé jednoduše rekvalifikují a sklízejí ovoce. Školy a univerzity byly rovněž podrobeny kontrole, přičemž vlády naznačily, že nedělají dost pro podporu využívání předmětů STEM. Skutečnost je však taková, že kódování je těžké. Pouze malá část populace má pro tuto práci vlohy.
Vzhledem k tomu, že se náš svět stává stále digitálnějším, může být nedostatek programátorů považován za varování, kterému jsme nevěnovali pozornost. Naštěstí může tento problém vyřešit automatizace s využitím umělé inteligence.
Vedoucí pozice vyžadují kombinaci manažerských dovedností a hlubokých znalostí oboru. Čtení a učení jsou jen jednou z částí toho, co dělá vedoucí pracovníky a členy seniorních týmů pro organizaci cennými. Nicméně s tím, jak bude stále více průmyslových odvětví využívat technologie, se bude tato zásobárna talentů vyčerpávat.
Analytika umělé inteligence dokáže využít obrovské množství historických dat k nalezení poznatků a základních vztahů a k vytváření předpovědí. Tyto nástroje pomohou překlenout rozdíly ve zkušenostech. Může také sloužit k demokratizaci prozíravého rozhodování, které bylo dříve výsadou podniků s obrovskými rozpočty.
Zatímco zkušení pracovníci s rozhodovacími pravomocemi a stratégové nikdy nevyjdou z módy, hyperautomatizovaný podnik řízený strojovým učením (ML) a datovou analytikou bude pracovat nepřetržitě a rozhodovat se na základě faktorů, které by žádný člověk nemohl vědomě zvážit.
McKinsey naznačuje, že automatizace znalostní práce je již na dohled.. Právo, ekonomie, vzdělávání, umění a technologie zažijí narušení, které bylo dříve považováno za ohrožení pouze méně kvalifikovaných pracovních míst. Co to však znamená pro celou pracovní sílu, se teprve ukáže.
4. Větší efektivita státní správy
Vládní výdaje jsou trvale spornou otázkou. Demokratické vlády mají po celém světě pověst nadměrných a chybných výdajů. Na
výzkum renomovaného Brookingsova institutu
, americké vládní orgány přijímají AI a RPA.
Umělou inteligenci a robotickou regulaci zavádějí různá ministerstva, například Úřad pro potraviny a léčiva, Úřad pro sociální zabezpečení, Agentura pro obrannou logistiku nebo Ministerstvo financí, aby zvýšila produktivitu a snížila náklady na své základní služby. Kromě toho je
průzkum Americké rady pro technologie a Poradního výboru pro průmysl (ACT-IAC).
demonstruje případy použití z přibližně desítky vládních organizací.
Účinnější a nákladově efektivnější státní správa by mohla mít transformační účinek na celou společnost. Služby by se mohly stát efektivnějšími a účinnějšími a daně by mohly být použity na programy, které by mohly změnit životy milionů lidí. Toto rozšířené přijetí však zdůrazňuje význam eliminace
zkreslení v umělé inteligenci,
zejména pokud vlády celého světa používají tuto technologii k politickým rozhodnutím.
Závěrečné myšlenky
Umělá inteligence má na technologii RPA zásadní vliv. První automatizační nástroje dokázaly zvládnout mnoho rutinních a všedních úkolů na pracovišti. S rostoucím společným apetitem po automatizaci však RPA narazila na své limity. Umělá inteligence tyto bariéry boří.
Kombinace RPA a AI rozšiřuje potenciál obou nástrojů. Podniky již nyní využívají výhod inteligentní automatizace, jako je zlepšení služeb zákazníkům, zvýšení efektivity organizace a snížení provozních nákladů. Umělá inteligence otevřela oblast působnosti RPA způsobem, který se ještě před deseti lety zdál nepravděpodobný.
Tím však příběh robotické automatizace procesů a umělé inteligence nekončí. S přechodem do éry hyperautomatizace dojde k dalším přínosům. Bude to divoká jízda, tak nezůstávejte pozadu.
