La automatización robótica de procesos es un tren desbocado. Según Deloitte, la tecnología logrará adopción casi universal para 2025. Sin embargo, el hecho de que la RPA esté dominando el mundo empresarial no significa que vaya a dejar de evolucionar.
Nos encontramos en una coyuntura tecnológica apasionante. Los avances de la IA en los últimos años han sido sorprendentes. ChatGPT y otras formas de IA Generativa han captado la atención del público. Sin embargo, esa apasionante tecnología no es más que una expresión del potencial de la IA.
La RPA es una herramienta sencilla pero eficaz. Sin embargo, la convergencia de la RPA y la IA ofrece infinitas oportunidades de innovación. El servicio de atención al cliente basado en IA conversacional, la toma de decisiones basada en análisis y la automatización del trabajo del conocimiento son sólo algunos ejemplos de IA en RPA.
A medida que avance la tecnología, la automatización cognitiva de procesos robóticos cambiará la naturaleza del trabajo de formas que apenas podemos imaginar. Exploremos cómo la IA con RPA ya ha ampliado los límites de la automatización antes de considerar su impacto futuro.
Los límites de la RPA
La adopción generalizada de la RPA es un testimonio de su utilidad. La tecnología ha ayudado a innumerables empresas a alcanzar nuevos niveles de producción, eficacia y precisión automatizando tareas que antes eran manuales. Sin embargo, como cualquier tecnología, tiene límites superiores.
1. La automatización transaccional es difícil de gestionar
Aunque los robots de RPA trabajarán fielmente en los procesos, necesitan un poco de gestión y mantenimiento. Por ejemplo, cuando las entradas o salidas cambian, los robots deben reconfigurarse para manejar estas condiciones ligeramente cambiantes. En entornos de trabajo dinámicos, esto puede agotar los recursos y el tiempo.
2. La RPA tiene dificultades con los datos no estructurados
Las herramientas RPA están diseñadas para ejecutar tareas utilizando la lógica if/then/else. Como tales, se basan en estructuras de datos predecibles. Cualquier variación o cambio con los datos de entrada provocará errores o excepciones porque están fuera de los valores definidos que el bot espera recibir.
3. RPA presenta retos de escalado
En parte debido a las razones que hemos enumerado anteriormente, escalar sus procesos RPA puede ser difícil. Cada proceso debe estar claramente definido, gestionado y mantenido, mientras que la falta de adaptabilidad de RPA también puede plantear problemas.
Las limitaciones de la RPA no son algo que deba preocuparnos. La RPA asistida por IA puede superar cada una de estas limitaciones al tiempo que abre nuevas y emocionantes posibilidades de automatización.
He aquí cómo la RPA con IA ha cambiado la automatización.
Automatización de procesos robóticos e inteligencia artificial:
Una pareja perfecta
RPA, por su diseño, es una herramienta sencilla y sin complicaciones, al menos a nivel de usuario. Se ha creado para que sea accesible a equipos no técnicos. Como tal, ejecuta de forma controlada las instrucciones que se le dan. Corresponde a los humanos identificar estos procesos y ordenar a los RPA que ejecuten las órdenes.
Por supuesto, detallar las instrucciones paso a paso puede llegar a ser imposible, dada la suficiente complejidad – razón por la cual la combinación de RPA e Inteligencia Artificial es el futuro de la automatización.
1. RPA con reconocimiento óptico de caracteres
En
Automatización robótica de procesos con IA y OCR para mejorar los procesos empresariales
(Shidaganti, 2021), el autor esboza las limitaciones de RPA, sugiriendo: “Cualquier cambio en el proceso automatizado requiere cambios directos en la aplicación RPA”. Shidaganti propone la IA como solución a este proceso y defiende el reconocimiento óptico de caracteres (OCR) como aumento fundamental de la RPA.
De hecho, el OCR ha repercutido en las empresas al abrir la RPA a los datos no estructurados. Las herramientas RPA OCR con IA pueden leer información de documentos impresos e incluso de texto escrito. Existen tres oportunidades principales para la RPA que facilita la integración del OCR.
- El OCR codifica datos estructurados, lo que permite a la RPA trabajar con datos impredecibles.
- RPA puede automatizar máquinas remotas descifrando lo que ocurre en sus respectivas pantallas
- El OCR, junto con el aprendizaje automático, puede ayudar a conocer a su cliente (KYC), la lucha contra el blanqueo de dinero (AML) y la detección del fraude mediante el escaneo de documentos. El aprendizaje y las decisiones de la tecnología pueden integrarse con RPA, lo que permite una apertura de cuentas, incorporación, decisiones sobre préstamos, etc., más rápidas.
2. Aprendizaje automático y RPA
La automatización de procesos robóticos y el aprendizaje automático son otro ejemplo de utilización de la IA para superar las limitaciones inherentes a la RPA. Ya en 2016, los expertos en automatización del sector asegurador habían identificado las posibilidades de la automatización cognitiva de procesos robóticos (RPA). En ese documento, los autores hablan de “la autooptimización del servicio al cliente, el precio de los préstamos, el asesoramiento financiero o la gestión de reclamaciones o quejas” como posibles horizontes.
En lo que debe servir como una marca de progreso, es interesante ver cómo las herramientas de Aprendizaje Automático de Automatización de Procesos Robóticos se han vuelto comunes en tan sólo un corto espacio de tiempo.
El aprendizaje automático está en todas partes. Describe el proceso de enseñar a una máquina a ejecutar tareas con instrucciones de programación explícitas. Como ya sabrá, se trata de máquinas que utilizan algoritmos para analizar y encontrar patrones en un conjunto de datos. Una vez entrenada, la máquina puede procesar otros datos y producir ideas y predicciones.
RPA y Machine Learning son una gran pareja porque significa que RPA se vuelve más inteligente, más intuitivo y capaz de tratar con datos no estructurados.
3. RPA con aprendizaje profundo
El aprendizaje automático es un subconjunto de la IA, mientras que el aprendizaje profundo es un subconjunto del aprendizaje automático. La diferencia entre aprendizaje profundo y aprendizaje automático es quizá sutil para algunas personas, pero merece la pena explorarla. El aprendizaje automático se entrena con datos para ayudar a tomar decisiones y hacer predicciones.
Sin embargo, la tecnología suele carecer de la capacidad de mejorar por sí sola con el paso del tiempo. En cambio, el aprendizaje profundo implica el uso de redes neuronales para aprender y mejorar su rendimiento. En otras palabras, gracias al Deep Learning, RPA y ML se combinan para construir automatizaciones que mejoran a través de la experiencia.
Por supuesto, el aprendizaje profundo requiere una cantidad increíble de datos para realizar esta función. En lo que es otro ejemplo de la profunda simbiosis entre IA y RPA, los bots son ideales para ayudar en el laborioso proceso de recopilación de estos datos de formación. Las herramientas de RPA pueden acceder a varios sitios web y otros repositorios de información para recopilar esta información, lo que garantiza que el algoritmo de aprendizaje profundo tenga muchos datos para mejorar.
El aprendizaje profundo también permite a los robots explotar las ventajas del análisis predictivo. Cuando un RPA encuentra excepciones, puede compararlas con patrones esperados o inesperados, eliminando la dependencia de la intervención humana.
Cuando los robots inteligentes pueden tomar decisiones basadas en datos, pueden responder a los clientes de forma óptima. Un ejemplo de estas aplicaciones dentro de la RPA son las herramientas de análisis de sentimientos que utilizan el procesamiento del lenguaje natural (PLN) para descodificar los estados de ánimo de los consumidores. A su vez, los robots pueden modular su respuesta para dar la nota adecuada. Este dinamismo puede contribuir en gran medida a superar las diferencias entre un servicio de atención al cliente humano y empático y su alternativa mecanizada.
4. RPA y reconocimiento de imágenes
La combinación de RPA con software de reconocimiento de imágenes es otro ejemplo de uso de la IA para superar la incapacidad de RPA para tratar datos desordenados o no estructurados. En el documento
Análisis y aplicabilidad de las tecnologías de inteligencia artificial en el campo de los robots de software RPA para automatizar procesos empresariales
(Kanakov, 2022), el autor esboza algunos usos fascinantes de la RPA y el reconocimiento de imágenes en relación con la automatización de la comprobación de antecedentes de contratación o la ayuda a la detección de fraudes.
Otros casos de uso propuestos por Kanakov incluyen el uso del reconocimiento facial para la seguridad de edificios, con herramientas RPA conectadas a cámaras. Las aplicaciones son realmente infinitas. Por ejemplo, los drones o las cámaras podrían escanear cualquier cantidad de entornos en busca de anomalías. Una vez detectados, un sistema RPA podría informar de los problemas a las partes pertinentes, garantizando una rápida solución.
5. RPA con IA generativa
En un
artículo en Forbes
Clint Boulton, de DELL, utiliza una analogía fantástica al comparar la RPA y la IA generativa. Sugiere que “en un evento de gala, RPA comprueba la lista de invitados, cuenta las entradas y controla cosas como la capacidad de la sala, la calefacción y la iluminación”. A continuación, afirma: “Mientras tanto, la IA Generativa está creando publicidad para el evento, escribiendo discursos de felicitación para los homenajeados y manteniendo conversaciones con todos los invitados.”
Lo poderoso de esta analogía es que capta perfectamente algo que todos hemos observado en el último año. La IA generativa es tan interesante y potente que no podemos evitar maravillarnos ante sus resultados. Sin embargo, sin alguien (RPA) que trabaje en segundo plano realizando tareas serviles, no puede haber ningún evento o, al menos, no uno funcional.
Según Gartner, la IA generativa ofrece muchas opciones. Puede generar rápidamente contenidos escritos, imágenes, vídeos, música e incluso código. Algunas de las posibilidades son inmediatamente obvias, como el servicio de atención al cliente conversacional.
Pero los chatbots mejorados son sólo el principio; otros casos de uso de la RPA y la IA Generativa incluyen ayudar a la RPA a comprender datos no estructurados de muchas formas e incluso aumentar la RPA con la toma de decisiones, el análisis de datos y mucho más.
6. Automatización asistida
Puede dividir la automatización en dos categorías: Atendida y Desatendida. Como es de esperar, la automatización desatendida significa que el bot ejecuta procesos sin intervención humana. Por el contrario, la automatización asistida describe tareas que requieren la interacción humana durante, como mínimo, un paso del proceso.
Esto puede funcionar de varias maneras. Por ejemplo, el proceso automatizado puede requerir una activación manual. Alternativamente, uno de los pasos puede necesitar credenciales de seguridad durante el proceso. Sin embargo, es posible realizar orquestaciones más complejas gracias a la Automatización Robótica de Escritorios (RDA).
La Automatización Robótica de Escritorios (RDA) es una forma de Automatización Asistida. Sin embargo, gracias a herramientas de IA como el ML y el reconocimiento óptico de caracteres, estos robots cosen dinámicamente múltiples procesos de flujo de trabajo, automatizando constantemente varias tareas para un usuario individual. En este escenario, el bot RDA actúa como un asistente virtual, recuperando datos, enviando archivos y generando informes mientras el operativo humano habla con un cliente.
7. Robots autocurativos
A
Encuesta sobre el estado de la RPA a partir de 2022
reveló un problema que afecta a algunas empresas que adoptan soluciones de RPA. Más del 69% de los encuestados sugieren que experimentan un bot RPA roto cada semana. Peor aún, más del 40% sugirió que se tarda más de 5 horas en reparar su bot, y otros encuestados sugirieron que la reparación puede llevar más de un día.
Estas cifras son inaceptablemente altas. Sin embargo, la encuesta no entra en los detalles del problema. Entre las razones más comunes de los fallos de los RPA se encuentran los cambios en los datos introducidos, las excepciones de los robots, los datos incompletos, las pruebas deficientes o la falta de mantenimiento, por nombrar algunas.
El RPA autorreparable describe un sistema que puede repararse a sí mismo sin la intervención de un trabajador humano.
Los robots RPA autorreparables son posibles gracias a algoritmos de IA que supervisan el rendimiento de la tarea automatizada. Cuando surgen problemas, estas útiles herramientas entran en acción, identifican la causa y aplican una solución. La ventaja es un mayor rendimiento y más tiempo de actividad.
8. Minería de procesamiento inteligente
La minería de procesos en el contexto de la RPA implica el descubrimiento de tareas que las empresas pueden automatizar. Utilizando las capacidades analíticas avanzadas de la IA, los equipos pueden minar sus flujos de trabajo empresariales para encontrar tareas que puedan automatizarse y hacer previsiones sobre el impacto de esta automatización.
La minería de procesos utiliza ML y análisis de datos. Por ejemplo, utiliza un software de grabación de pantalla para capturar los datos del flujo de trabajo, desglosándolos en pasos. A continuación, las herramientas de ML o de análisis ejecutan modelos de estas tareas y encuentran áreas que pueden convertirse en procesos automatizados. Las herramientas de IA proporcionan a las empresas una mejor supervisión y comprensión de las tareas, permitiéndoles identificar dependencias, cuellos de botella e ineficiencias.
La combinación de RPA y minería de procesos es muy potente porque puede ayudar a las empresas a desenterrar procesos que de otro modo no detectarían. Esto significa que puede obtener más valor de sus inversiones en RPA y agravar aún más las demás ventajas de RPA, como la reducción de costes y el aumento de la productividad.
La otra cosa que puede notar aquí es que la minería de procesos puede reducir el tiempo de descubrimiento de procesos RPA apropiados. Eso significa que su aplicación se pone en marcha mucho más rápido.
9. Automatización de pruebas de software
Los desarrolladores y editores de software han aportado algunas de las tecnologías más disruptivas de las últimas décadas. Sin embargo, su propio sector también ha experimentado una especie de revolución. Las metodologías DevOps y Agile han ayudado a los desarrolladores a satisfacer la demanda de productos rápidos como el rayo y en continua mejora, mientras que las canalizaciones CI/CD también contribuyen a acelerar los plazos de comercialización.
RPA es una herramienta fantástica para tipos específicos de pruebas de software. McKinsey sugiere que el desarrollo de software de nueva generación está justo por detrás de la IA en términos de las principales tendencias tecnológicas para 2023. La automatización de las pruebas de software, impulsada tanto por RPA como por IA, estará a la vanguardia de esa tendencia, con la IA generativa escribiendo código y los equipos no técnicos siendo bienvenidos al redil gracias a las herramientas sin código.
Como sugiere el socio de la consultora, Santiago Comella-Dorda, “los desarrolladores son quizá uno de los activos más valiosos para la empresa digital moderna y, sin embargo, dedican bastante más del 40% de su tiempo a tareas repetitivas y de escaso valor que podrían automatizarse fácilmente con un conjunto de herramientas modernas.”
10. Automatización inteligente RPA
Inteligencia Artificial La Automatización Robótica de Procesos, también llamada Automatización Inteligente de Procesos (IPA), se considera la siguiente etapa de la automatización. Toma la RPA y le añade capacidades cognitivas a través de la IA. Puede englobar la RPA con todas o algunas de las demás tecnologías de IA enumeradas anteriormente.
En una
encuesta de IBM a ejecutivos de alto nivel
, el 90% de los encuestados sugirió que Intelligent Automation les ayudó a rendir “por encima de la media en la gestión del cambio organizativo en respuesta a las tendencias empresariales emergentes”. Este sentimiento habla de la capacidad de la RPA y la IA para crear soluciones ágiles y sólidas que pueden ofrecer una auténtica ventaja competitiva.
Una prueba del poder de la RPA y la IA para provocar cambios organizativos puede encontrarse en la respuesta de la comunidad empresarial a la pandemia de COVID-19. La adopción de la tecnología de automatización robótica de procesos para garantizar los procesos empresariales durante la pandemia de COVID-19 (Siderska, 2021) mostraron cómo el 60% de las empresas polacas estudiadas pudieron implantar la continuidad empresarial gracias a las herramientas de RPA. Según el estudio, la IA y la analítica fueron los principales contribuyentes.
En una encuesta reciente de
encuesta de Gartner
un 80% de los ejecutivos revelaron su convencimiento de que la automatización puede aplicarse a cualquier proceso empresarial. Esta estadística es un testimonio notable del poder de la RPA cuando se utiliza con IA. Es imposible imaginar que esa cifra pudiera ser tan alta sin el aumento de la RPA por la IA.
En cuanto al futuro, la investigación sobre
procesamiento neuromórfico
– un sistema de procesamiento de la información basado en la estructura cerebral- podría conducir a una mayor cognición y a la inteligencia de las máquinas. Lo apasionante de este horizonte es que estos modelos de inteligencia requieren muchos menos datos de entrenamiento, lo que significa que podrían estar al alcance de las empresas.
Cómo la inteligencia artificial cambiará el futuro
del trabajo y la sociedad
Las herramientas de automatización de procesos de IA apenas están calentando motores. Estas son algunas de las áreas en las que la IA tendrá un mayor impacto en la automatización.
1. Industria 4.0
La primera Revolución Industrial funcionó con vapor, la segunda con electricidad. La Tercera Revolución Industrial fue posible gracias a las tecnologías digitales durante la década de 1970. Cuando se habla de la Cuarta Revolución Industrial, también conocida como Industria 4.0, hay varios candidatos tecnológicos, como los Gemelos Digitales, la Realidad Virtual, el Internet de las Cosas (IoT), la IA y el ML, e incluso la impresión 3D.
Sin embargo, una
Encuesta Global de la Cadena de Suministro del IMD
de 2022 revela una verdad preocupante. De los más de 200 ejecutivos del sector manufacturero entrevistados, muy pocos mencionaron la tecnología relacionada con la Industria 4.0 como una gran prioridad. Esto está muy lejos de 2019, cuando El 68% de los participantes en una encuesta de McKinsey sugirió que la Industria 4.0 era una prioridad estratégica de primer orden.
En el documento de investigación Automatización robótica de procesos e inteligencia artificial en la industria 4.0 – Revisión bibliográfica (Riberio, 2021), el autor afirma que “dado el alcance de la aplicabilidad de la IA, RPA ha ido añadiendo gradualmente, a sus características de automatización, implementaciones de algoritmos o técnicas de IA aplicadas en determinados contextos (por ejemplo, Planificación de Recursos Empresariales, Contabilidad, Recursos Humanos) para clasificar, reconocer, categorizar, etc.”.
A medida que la tecnología siga evolucionando, nuevas herramientas y posibilidades ayudarán a que la Industria 4.0 se convierta en una realidad impulsada por la IA.
2. Hiperautomatización
La hiperautomatización es la evolución natural de la automatización. Sin embargo, en lugar de la automatización de una tarea o proceso empresarial concreto, pretende ampliar las capacidades de automatización a toda la organización. La versión final será una empresa totalmente conectada y en gran medida autónoma, en la que los flujos de trabajo y las decisiones serán ágiles y resistentes.
La hiperautomatización implica una mezcla de varias tecnologías. Esto incluye:
- RPA
- AI
- Automatización de procesos empresariales (BPA)
- ML
- Tratamiento inteligente de documentos (PID)
- Orquestación de flujos de trabajo
- Minería de procesos
- Procesamiento del lenguaje natural (PLN)
- Gemelo digital de una organización (DTO)
- RPA conversacional
- Visión artificial RPA
Como se afirma en el documento Hiperautomatización para mejorar la automatización en las industrias (Haleem, 2021), “Mediante una mezcla de tecnologías de automatización, la hiperautomatización puede superar algunas limitaciones de un único método de dispositivo de automatización. Esto permite a las empresas trascender más allá de los límites de cada proceso y automatizar casi cualquier operación ardua y escalable.”
3. Menor dependencia de los expertos
El auge del desarrollo de software en los últimos años ha puesto de manifiesto un problema. Mientras crecía la demanda de aplicaciones y tecnología móvil, la oferta no daba abasto. Los desarrolladores de software escaseaban, por lo que muchos puestos permanecían vacantes durante meses.
Con prestigiosos empleos de seis cifras al acecho de candidatos cualificados, se le podría perdonar por pensar que la gente simplemente se reciclaría y cosecharía las recompensas. Las escuelas y universidades también fueron objeto de escrutinio, ya que los gobiernos sugirieron que no estaban haciendo lo suficiente para fomentar la asimilación de las materias STEM. Sin embargo, la realidad es que codificar es difícil. Sólo una pequeña parte de la población tiene aptitudes para el trabajo.
A medida que nuestro mundo se vuelve cada vez más digital, la escasez de programadores bien podría considerarse una advertencia a la que no hemos prestado atención. Afortunadamente, la automatización impulsada por IA puede proporcionar el antídoto a este problema.
Los puestos directivos requieren una mezcla de capacidad de gestión y profundos conocimientos de la materia. La lectura y el aprendizaje son sólo una parte de lo que hace que los ejecutivos y los miembros de los equipos superiores sean valiosos para una organización. Sin embargo, a medida que más sectores adopten la tecnología, esta reserva de talento se agotará.
Los análisis de IA pueden utilizar grandes cantidades de datos históricos para encontrar perspectivas y relaciones subyacentes y hacer predicciones. Estas herramientas ayudarán a salvar la brecha de la experiencia. También puede servir para democratizar la astuta toma de decisiones que hasta ahora estaba reservada a las empresas con grandes presupuestos.
Mientras que los responsables de la toma de decisiones y los estrategas experimentados nunca pasarán de moda, una empresa hiperautomatizada impulsada por el aprendizaje automático (ML) y el análisis de datos funcionará las veinticuatro horas del día, tomando decisiones basadas en factores que ningún ser humano podría considerar conscientemente.
McKinsey sugiere que ya se vislumbra la automatización del trabajo del conocimiento. El derecho, la economía, la educación, las artes y la tecnología experimentarán trastornos que antes sólo se consideraba que ponían en peligro los empleos menos cualificados. Sin embargo, aún está por determinar lo que esto significa para la población activa en general.
4. Mayor eficiencia gubernamental
El gasto público es un tema siempre polémico. En todo el mundo, las administraciones democráticas tienen fama de infladas y de gastar de forma irregular. Por
investigación del prestigioso Brookings Institute
los organismos públicos estadounidenses están adoptando la IA y la RPA.
Departamentos tan diversos como la Administración de Alimentos y Medicamentos, la Seguridad Social, la Agencia Logística de Defensa y el Departamento del Tesoro han adoptado la IA y la RPA para aumentar la productividad y reducir los costes de sus servicios esenciales. Además, un
encuesta del Consejo Americano para la Tecnología y el Consejo Asesor de la Industria (ACT-IAC)
muestra casos de uso de una docena de organizaciones gubernamentales.
Un gobierno más eficiente y rentable podría tener un efecto transformador en el conjunto de la sociedad. Los servicios podrían ser más eficientes y eficaces, y los impuestos podrían canalizarse hacia programas que cambiarían la vida de millones de personas. Sin embargo, esta adopción generalizada pone de relieve la importancia de eliminar
sesgo en la IA,
especialmente si los gobiernos de todo el mundo utilizan la tecnología para tomar decisiones políticas.
Reflexiones finales
La IA ha tenido un profundo impacto en la tecnología RPA. Las primeras herramientas de automatización eran capaces de gestionar muchas de las tareas rutinarias y mundanas del lugar de trabajo. Sin embargo, a medida que crecía el apetito colectivo por la automatización, la RPA se topó con sus límites. La IA está derribando esas barreras.
La combinación de RPA e IA amplía el potencial de ambas herramientas. Las empresas ya están cosechando los frutos de la automatización inteligente, como la mejora del servicio al cliente, el aumento de la eficiencia organizativa y la reducción de los costes operativos. La IA ha abierto el ámbito de la RPA de formas que parecían improbables hace tan sólo una década.
Sin embargo, la historia de la automatización de procesos robóticos y la IA no termina aquí. A medida que avancemos hacia la era de la hiperautomatización, se producirán nuevos avances. Va a ser un viaje salvaje, así que no te quedes atrás.
