Tehisintellekti mõju robotiseeritud protsesside automatiseerimisel – põhjalik arutelu tehisintellekti ja RPA lähenemise kohta

Robootiliste protsesside automatiseerimine on hoogne rong. Deloitte’i sõnul saavutab tehnoloogia peaaegu üldine kasutuselevõtt aastaks 2025. Kuid see, et RPA domineerib ärimaailmas, ei tähenda, et selle areng peatub.

Me seisame põnevas tehnoloogilises pöördepunktis. Viimaste aastate edusammud tehisintellekti vallas on olnud hämmastavad. ChatGPT ja muud genereeriva tehisintellekti vormid on üldsuse teadvusse jõudnud. Kuid see põnev tehnoloogia on vaid üks osa tehisintellekti potentsiaalist.

RPA on lihtne, kuid tõhus vahend. RPA ja tehisintellekti lähenemine pakub aga lõputuid innovatsioonivõimalusi. RPAs kasutatava tehisintellekti abil toimuv klienditeenindus, analüütikapõhine otsuste tegemine ja teadmistepõhise töö automatiseerimine on vaid mõned näited tehisintellekti kasutamisest RPAs.

Tehnoloogia arenedes muudab kognitiivne robotprotsesside automatiseerimine töö olemust viisil, mida me vaevalt oskame ette kujutada. Uurime, kuidas AI koos RPAga on juba praegu automatiseerimise piire avardanud, enne kui vaatleme selle tulevast mõju.

RPA piirid

RPA laialdane kasutuselevõtt näitab selle kasulikkust. See tehnoloogia on aidanud lugematutel ettevõtetel saavutada uusi tootmis-, tõhususe ja täpsuse tasemeid, automatiseerides kunagi käsitsi tehtud ülesandeid. Kuid nagu igal tehnoloogial, on ka sellel olemas ülemised piirid.

1. Tehingute automatiseerimine on raskesti hallatav

Kuigi RPA-robotid töötlevad protsesse usinalt, vajavad nad siiski veidi haldamist ja hooldust. Näiteks kui sisendid või väljundid muutuvad, tuleb robotid ümber konfigureerida, et need veidi muutuvad tingimused oleksid võimalik. Dünaamilistes töökeskkondades võib see ressursse ja aega ära kulutada.

2. RPA võitleb struktureerimata andmetega

RPA tööriistad on loodud ülesannete täitmiseks, kasutades if/then/else loogikat. Seetõttu tuginevad nad prognoositavatele andmestruktuuridele. Iga erinevus või muutus sisendandmetes põhjustab vigu või erandeid, sest need on väljaspool määratletud väärtusi, mida bott ootab saada.

3. RPA kujutab endast väljakutseid skaleerimisele

Osaliselt eespool loetletud põhjustel võib RPA protsesside skaleerimine olla keeruline. Iga protsess peab olema selgelt määratletud, juhitud ja hooldatud, samas kui RPA kohandamisvõime puudumine võib samuti probleeme tekitada.

RPA piirangud ei ole midagi, mille pärast peaks muretsema. Tehisintellekti abiga RPA võib ületada kõik need piirangud, avades samal ajal uusi ja põnevaid automatiseerimisvõimalusi.

Siin on näha, kuidas RPA koos tehisintellektiga on muutnud automatiseerimist.

Robootiliste protsesside automatiseerimine ja tehisintellekt:

Täiuslik kooslus

RPA on oma olemuselt lihtne ja lihtsakoeline vahend, vähemalt kasutaja tasandil. See on loodud nii, et see oleks kättesaadav ka mittetehnilistele meeskondadele. Sellisena täidab ta talle antud juhiseid kontrollitud viisil. Inimeste ülesanne on need protsessid tuvastada ja juhtida RPAd käskude täitmiseks.

Loomulikult võib samm-sammult juhiste üksikasjalik kirjeldamine muutuda võimatuks, kui see on piisavalt keeruline – seepärast ongi RPA ja tehisintellekti kombineerimine automatiseerimise tulevik.

1. RPA koos optilise märgituvastusega

Veebilehel
Robootiliste protsesside automatiseerimine koos AI ja OCR-iga äriprotsessi parandamiseks
(Shidaganti, 2021) toob autor välja RPA piirangud, soovitades: “Kõik muudatused automatiseeritud protsessis nõuavad otseseid muudatusi RPA rakenduses”. Shidaganti pakub selle protsessi lahendusena välja tehisintellekti ja esitab argumendi optilise tähemärgituvastuse (OCR) kui RPA põhilise täienduse kohta.

OCR on tõepoolest mõjutanud ettevõtteid, avades RPAd struktureerimata andmetele. Tehisintellektipõhised RPA OCR-vahendid suudavad lugeda teavet trükitud dokumentidest ja isegi kirjalikust tekstist. RPA jaoks on kolm peamist võimalust, mida OCR-integratsioon hõlbustab.

OCR kodeerib struktureeritud andmeid, võimaldades RPA-l töötada ettearvamatute sisenditega.
RPA saab automatiseerida kaugmasinaid, dešifreerides, mis toimub nende vastavatel ekraanidel.
OCR koos masinõppega aitab dokumentide skaneerimise abil oma klienti tundma (KYC), rahapesuvastase võitluse (AML) ja pettuse tuvastamise puhul. Tehnoloogia õppimine ja otsused võivad integreeruda RPAga, võimaldades kiiremat konto avamist, sisseelamist, laenuotsuseid jne.

2. Masinõpe ja RPA

Robootiliste protsesside automatiseerimine ja masinõpe on teine näide tehisintellekti kasutamisest, et ületada RPA-le omaseid piiranguid. Juba 2016. aastal olid kindlustussektori automatiseerimise eksperdid tuvastanud kognitiivse robotiseeritud protsesside automatiseerimise (RPA) võimalused. Selles dokumendis arutavad autorid võimalike horisontidena “iseoptimeerivat klienditeenindust, laenude hinnakujundust, finantsnõustamist või nõuete või kaebuste käsitlemist”.

Edusammude märgiks on huvitav näha, kuidas robotiseeritud protsesside automatiseerimise masinõppe vahendid on lühikese aja jooksul muutunud üldlevinud.

Masinõpe on kõikjal. See kirjeldab protsessi, mille käigus õpetatakse masinat täitma ülesandeid selgesõnaliste programmeerimisjuhiste abil. Nagu te ehk teate, kasutavad masinad algoritme, et analüüsida ja leida andmekogumist mustreid. Kui masin on välja õpetatud, saab ta töödelda muid andmeid ning teha järeldusi ja prognoose.

RPA ja masinõpe sobivad suurepäraselt kokku, sest see tähendab, et RPA muutub targemaks, intuitiivsemaks ja suudab käsitleda struktureerimata andmeid.

3. RPA koos süvaõppega

Masinõpe on tehisintellekti alamharu, samas kui süvaõpe on masinõppe alamharu. Erinevus süvaõppe ja masinõppe vahel on mõnede inimeste jaoks võib-olla peene, kuid seda tasub uurida. Masinõpet koolitatakse andmete põhjal, et aidata otsuste ja prognooside tegemisel.

Kuid tavaliselt puudub tehnoloogial võime end aja jooksul ise parandada. Seevastu süvaõpe hõlmab neuronivõrkude kasutamist õppimiseks ja selle tulemuslikkuse parandamiseks. Teisisõnu, tänu süvaõppele kombineerivad RPA ja ML automaatika, mis muutub kogemuse kaudu paremaks.

Loomulikult vajab Deep Learning selle funktsiooni täitmiseks uskumatult palju andmeid. Veel üks näide tehisintellekti ja RPA vahelise sügava sümbioosi kohta on see, et robotid on ideaalsed selleks, et aidata kaasa nende koolitusandmete kogumise vaevarikkale protsessile. RPA tööriistad saavad selle teabe kogumiseks juurdepääsu erinevatele veebisaitidele ja muudele teabehoidlatele, tagades, et süvaõppe algoritmil on palju andmeid, mida parandada.

Sügavõpe võimaldab ka robotitel kasutada ära prognoosiva analüüsi eeliseid. Kui RPA satub eranditesse, saab ta neid võrrelda oodatavate või ootamatute mustritega, kõrvaldades sõltuvuse inimese sekkumisest.

Kui nutikad robotid saavad teha andmepõhiseid otsuseid, saavad nad klientidele optimaalselt reageerida. Üks näide selliste rakenduste kohta RPAs on näiteks tunnetusanalüüsi vahendid, mis kasutavad tarbijate meeleolude dekodeerimiseks loomulikku keeletöötlust (NLP). Botid omakorda saavad oma vastuse moduleerida, et tabada sobivat nooti. See dünaamilisus võib palju ära teha, et ületada lüngad empaatilise inimliku klienditeeninduse ja selle mehhaniseeritud alternatiivi vahel.

4. RPA ja pildituvastus

RPA ühendamine pildituvastustarkvaraga on veel üks näide tehisintellekti kasutamisest, et ületada RPA suutmatus tulla toime segaste või struktureerimata andmetega. Paberis
Tehisintellekti tehnoloogiate analüüs ja rakendatavus RPA tarkvararobotite valdkonnas äriprotsesside automatiseerimiseks
(Kanakov, 2022) kirjeldab autor mõningaid põnevaid RPA ja pildituvastuse kasutusvõimalusi seoses töölevõtmise taustakontrolli automatiseerimisega või pettuste tuvastamise abistamisega.

Muud Kanakovi pakutud kasutusjuhud hõlmavad kaameratega ühendatud RPA-vahendeid, mis kasutavad näotuvastust hoone turvalisuse tagamiseks. Rakendused on tõeliselt lõputud. Näiteks võiksid droonid või kaamerad skaneerida mistahes keskkondi anomaaliate leidmiseks. Kui RPA-süsteem on avastanud probleemid, võib see neist teatada asjaomastele osapooltele, tagades kiire parandamise.

5. RPA koos genereeriva tehisintellektiga

Ühes
artiklis Forbesis
DELLi Clint Boulton kasutab RPA ja generatiivse tehisintellekti võrdlemisel fantastilist analoogiat. Ta soovitab, et “pidulikul üritusel kontrollib RPA külaliste nimekirja, loeb pileteid ja jälgib selliseid asju nagu ruumi mahutavus, küte ja valgustus”. Seejärel märgib ta: “Vahepeal loob Generative AI ürituse reklaami, kirjutab õnnitluskõnesid aukodanikele ja vestleb iga külalisega.”

Selle analoogia juures on nii võimas see, et see väljendab suurepäraselt midagi, mida me kõik oleme viimase aasta jooksul täheldanud. Generatiivne tehisintellekt on nii huvitav ja võimas, et me ei saa teisiti kui imetleda selle tulemusi. Kuid kui keegi (RPA) ei tööta taustal ja ei täida algelisi ülesandeid, ei saa olla mingit üritust või vähemalt ei saa olla toimiv üritus.

Gartneri sõnul pakub generatiivne tehisintellekt palju võimalusi. Sellega saab kiiresti luua kirjalikku sisu, pilte, videoid, muusikat ja isegi koodi. Mõned võimalused on kohe ilmselged, näiteks vestluslik klienditeenindus.

Kuid täiustatud vestlusrobotid on alles algus; RPA ja generatiivse tehisintellekti muud kasutusviisid hõlmavad RPA-d, mis aitavad RPA-l mõista mitmetes vormides struktureerimata andmeid ja isegi täiendada RPA-d otsuste tegemisel, andmeanalüüsil ja muudel juhtudel.

6. Osales automaatika

Automatiseerimise võib jagada kahte kategooriasse: Hooldatud ja järelevalveta. Nagu arvata võis, tähendab Unattended Automation seda, et robot täidab protsesse ilma inimese panuseta. Seevastu “jälgitav automatiseerimine” kirjeldab ülesandeid, mis nõuavad inimese sekkumist vähemalt ühe sammu jooksul.

See võib toimida mitmel viisil. Näiteks võib automatiseeritud protsess nõuda käsitsi käivitamist. Teise võimalusena võib üks etappidest vajada protsessi käigus turvamandaate. Tänu robotiseeritud töölaua automatiseerimisele (RDA) on siin siiski võimalik ka keerulisemad orkestratsioonid.

Robootiline töölaua automaatika (RDA) on üks osalusautomaatika vorm. Tänu tehisintellekti vahenditele, nagu ML ja optiline märgituvastus, ühendavad need robotid dünaamiliselt mitu tööprotsessi, automatiseerides pidevalt erinevaid ülesandeid üksiku kasutaja jaoks. Selle stsenaariumi puhul tegutseb RDA-bot nagu virtuaalne assistent, kes otsib andmeid, saadab faile ja koostab aruandeid, samal ajal kui inimene räägib kliendiga.

7. Eneseparanevad robotid

A
RPA olukorra uuring aastast 2022
näitas probleemi, mis mõjutab mõningaid RPA-lahendusi kasutusele võtvaid ettevõtteid. Üle 69% vastanutest väidab, et neil on igal nädalal mõni RPA-bot katki. Veelgi hullem on see, et üle 40% väitis, et nende boti parandamine võtab rohkem kui 5 tundi, teised vastajad väitsid, et parandamine võib võtta rohkem kui ühe päeva.

Need arvud on lubamatult kõrged. Uuringus ei ole aga probleemi üksikasjadesse süvenetud. RPA ebaõnnestumise sagedased põhjused on näiteks sisendimuudatused, robotite sattumine eranditesse, ebatäielikud andmed, kehv testimine või hoolduse puudumine.

Eneseparanev RPA kirjeldab süsteemi, mis suudab end ise parandada ilma inimese panuseta.

Eneseparanevad RPA-robotid on võimalik tänu tehisintellekti algoritmidele, mis jälgivad automatiseeritud ülesande täitmist. Probleemide ilmnemisel hakkavad need kasulikud tööriistad tööle, tuvastavad algpõhjuse ja rakendavad lahenduse. Positiivne külg on suurem jõudlus ja rohkem tööaega.

8. Aruka töötlemise kaevandamine

Protsesside kaevandamine RPA kontekstis hõlmab selliste ülesannete avastamist, mida ettevõtted saavad automatiseerida. Kasutades tehisintellekti täiustatud analüütilisi võimalusi, saavad meeskonnad oma äritegevuse töövooge analüüsida, et leida ülesandeid, mida saab automatiseerida, ja teha prognoose selle automatiseerimise mõju kohta.

Protsesside kaevandamine kasutab ML-i ja andmeanalüüsi. Näiteks kasutab ta töövoogude andmete salvestamiseks ekraanisalvestustarkvara, mis jaotab need etappideks. Seejärel käivitavad ML- või analüütilised tööriistad nende ülesannete mudelid ja leiavad valdkonnad, mida saab muuta automatiseeritud protsessideks. Tehisintellekti tööriistad annavad ettevõtetele parema ülevaate ja arusaamise ülesannetest, võimaldades neil tuvastada sõltuvusi, kitsaskohti ja ebaefektiivsust.

RPA ja protsesside kaevandamise ühendamine on väga võimas, sest see võib aidata ettevõtetel avastada protsesse, mida nad muidu ei pruugi avastada. See tähendab, et saate oma RPA-investeeringutest rohkem kasu ja saate veelgi suurendada muid RPA eeliseid, nagu kulude vähendamine ja tootlikkuse suurendamine.

Teine asi, mida võite siinkohal märgata, on see, et protsesside kaevandamine võib vähendada asjakohaste RPA protsesside avastamisaega. See tähendab, et teie rakendamine käivitub palju kiiremini.

9. Tarkvara testimise automatiseerimine

Tarkvaraarendajad ja kirjastajad on viimaste aastakümnete jooksul pakkunud mõningaid kõige häirivamaid tehnoloogiaid. Kuid ka nende tööstus ise on läbi teinud teatava revolutsiooni. DevOps ja agiilsed metoodikad on aidanud arendajatel vastata nõudlusele välkkiirete, pidevalt täiustuvate toodete järele, samal ajal kui CI/CD-putkad aitavad samuti kaasa kiiremale turulejõudmisele.

RPA on fantastiline vahend teatavat tüüpi tarkvara testimiseks. McKinsey väidab, et järgmise põlvkonna tarkvaraarendus on tehisintellekti osas napilt maha jäänud suurimad tehnoloogilised suundumused aastaks 2023. Tarkvara testimise automatiseerimine, mida toetavad nii RPA kui ka tehisintellekt, on selle suundumuse esirinnas, kusjuures koodita tööriistade abil kirjutatakse koodi ja mitte-tehnilised meeskonnad on teretulnud.

Nagu konsultatsioonifirma partner Santiago Comella-Dorda soovitab: “Arendajad on ehk üks kõige väärtuslikumaid varasid kaasaegse digitaalse ettevõtte jaoks, kuid nad kulutavad üle 40 protsendi oma ajast korduvatele, madala väärtusega ülesannetele, mida saaks kaasaegse tööriistakomplekti abil hõlpsasti automatiseerida.”

10. RPA intelligentne automatiseerimine

Tehisintellekti robotiseeritud protsesside automatiseerimist, mida nimetatakse ka intelligentseks protsesside automatiseerimiseks (IPA), peetakse automatiseerimise järgmiseks etapiks. See võtab RPA ja lisab kognitiivseid võimeid tehisintellekti abil. See võib hõlmata RPA-d koos kõigi või mõne muu eespool loetletud tehisintellekti tehnoloogiaga.

Ühes
IBMi uuringus C-suite juhtide seas
90% vastanutest väitis, et intelligentne automatiseerimine aitas neil “keskmisest paremini juhtida organisatsioonilisi muutusi, et reageerida esilekerkivatele äritrendidele”. See näitab RPA ja tehisintellekti võimet luua paindlikke ja tugevaid lahendusi, mis võivad pakkuda tõelist konkurentsieelist.

Tõendid RPA ja tehisintellekti võimest tuua organisatsioonilisi muutusi võib leida äriringkondade reageeringust COVID-19 pandeemiale. Robootiliste protsesside automatiseerimise tehnoloogia kasutuselevõtt äriprotsesside tagamiseks COVID-19 pandeemia ajal (Siderska, 2021) näitas, kuidas 60% uuritud Poola ettevõtetest suutis tänu RPA vahenditele rakendada äritegevuse järjepidevust. Uuringu kohaselt olid AI ja analüütika peamised tegurid.

Ühes hiljutises
Gartneri uuringus
näitas 80% juhtidest, et nad usuvad, et automatiseerimist saab rakendada mis tahes äriprotsessis. See statistika on märkimisväärne tunnistus RPA võimsusest, kui seda kasutatakse koos tehisintellektiga. On võimatu ette kujutada, et see arv võiks olla nii suur, kui RPA-d ei oleks täiendatud tehisintellekti abil.

Mis puutub tulevikku, siis uuritakse
neuromorfne töötlemine
– ajustruktuuril põhinev infotöötlussüsteem – võib viia suurema kognitsiooni ja masinintellekti saavutamiseni. Põnev on see, et need luuremudelid vajavad palju vähem treeningandmeid, mis tähendab, et need võiksid olla ettevõtetele kättesaadavad.

Kuidas tehisintellektipõhine RPA muudab tulevikku

töö ja ühiskonna kohta

Tehisintellekti protsesside automatiseerimise vahendid on alles soojendamisel. Siin on mõned valdkonnad, kus tehisintellekt mõjutab automatiseerimist veelgi.

1. Tööstus 4.0

Esimene tööstusrevolutsioon sai jõudu aurust, teine aga elektrist. Kolmandat tööstusrevolutsiooni võimaldasid 1970ndatel digitaalsed tehnoloogiad. Neljanda tööstusrevolutsiooni ehk tööstuse 4.0 puhul on mitmeid tehnoloogilisi kandidaate, näiteks digitaalsed kaksikud, virtuaalreaalsus, asjade internet, tehisintellekt ja tehisintellekt ning isegi 3D-printimine.

Siiski on
IMD ülemaailmne tarneahela uuring
aastast 2022 paljastab murettekitava tõe. Rohkem kui 200 intervjueeritud tootmisjuhi hulgas nimetasid väga vähesed tööstuse 4.0-ga seotud tehnoloogiat suureks prioriteediks. See on kaugel 2019. aastast, kui 68% McKinsey uuringus osalenutest väitis, et Industry 4.0 on peamine strateegiline prioriteet.

Uurimisdokumendis Robootiliste protsesside automatiseerimine ja tehisintellekt tööstuses 4.0 – Kirjanduse ülevaade (Riberio, 2021) väidab autor, et “arvestades tehisintellekti rakendatavuse ulatust, on RPA järk-järgult lisanud oma automatiseerimisfunktsioonidele teatud kontekstides (nt ettevõtte ressursside planeerimine, raamatupidamine, personalitöö) rakendatavate algoritmide või tehisintellekti tehnikate rakendusi, et klassifitseerida, ära tunda, kategoriseerida jne”.

Kuna tehnoloogia areneb edasi, aitavad uued vahendid ja võimalused muuta tööstuse 4.0 tehisintellektipõhiseks reaalsuseks.

2. Hüperautomaatika

Hüperautomaatika on automatiseerimise loomulik areng. Konkreetse ülesande või äriprotsessi automatiseerimise asemel püütakse aga laiendada automatiseerimisvõimalusi kogu organisatsiooni ulatuses. Lõplik versioon on täielikult ühendatud ja suures osas autonoomne ettevõte, kus töövood ja otsused on sujuvamad, paindlikumad ja paindlikumad.

Hüperautomaatika hõlmab mitmete tehnoloogiate kombinatsiooni. See hõlmab:

RPA
AI
Äriprotsesside automatiseerimine (BPA)
ML
Intelligentne dokumenditöötlus (IDP)
Töövoogude orkestreerimine
Protsessi kaevandamine
Loomuliku keele töötlemine (NLP)
Organisatsiooni digitaalne kaksik (DTO)
Vestluslik RPA
Arvutinägemine RPA

Nagu on esitatud dokumendis Hüperautomaatika tööstuse automatiseerimise tõhustamiseks (Haleem, 2021): “Automaatikatehnoloogiate segu abil saab hüperautomaatika ületada mõned piirangud, mis tulenevad ühe automaatikaseadme meetodist. See võimaldab ettevõtetel ületada iga protsessi piirid ja automatiseerida peaaegu kõiki raskeid ja skaleeritavaid toiminguid.”

3. Väiksem sõltuvus ekspertidest

Viimaste aastate tarkvaraarenduse buum on toonud esile ühe probleemi. Samal ajal kui nõudlus rakenduste ja mobiiltehnoloogia järele kasvas, ei suutnud pakkumine sellega sammu pidada. Tarkvaraarendajatest oli puudus, mis tähendas, et paljud ametikohad jäid kuude kaupa täitmata.

Kuna kvalifitseeritud kandidaate ootavad ees prestiižikad, kuuekohalised töökohad, võib arvata, et inimesed lihtsalt ümberõppeksid ja saaksid kasu. Ka koolid ja ülikoolid sattusid kontrolli alla, kuna valitsused väitsid, et nad ei tee piisavalt palju selleks, et soodustada STEM-õppeainete omandamist. Tegelikkus on aga see, et kodeerimine on raske. Ainult väikesel osal elanikkonnast on selleks sobivus.

Kuna meie maailm muutub üha enam digitaalseks, võib kooderipuudust pidada hoiatuseks, mida me ei võtnud arvesse. Õnneks võib tehisintellektipõhine automatiseerimine pakkuda sellele probleemile vastumürki.

Juhtivatel ametikohtadel on vaja nii juhtimisoskusi kui ka põhjalikke erialaseid teadmisi. Lugemine ja õppimine on vaid üks osa sellest, mis teeb juhid ja meeskonnaliikmed organisatsiooni jaoks väärtuslikuks. Kuna aga üha rohkem tööstusharusid võtab tehnoloogia kasutusele, siis see talentide reserv tühjeneb.

Tehisintellekti analüütika võib kasutada tohutuid koguseid ajaloolisi andmeid, et leida teadmisi ja aluseks olevaid seoseid ning teha prognoose. Need vahendid aitavad ületada kogemuste puudumist. Samuti võib see aidata demokratiseerida nutikaid otsuseid, mis varem olid suurte eelarvetega ettevõtete pärusmaa.

Kuigi kogenud otsustajad ja strateegid ei lähe kunagi moest välja, hakkab masinõppe (ML) ja andmeanalüüsi poolt juhitud hüperautomaatne äri jooksma ööpäevaringselt, tehes valikuid tegurite põhjal, mida inimene ei suuda teadlikult arvesse võtta.

McKinsey väidab, et teadmiste töö automatiseerimine on nüüdseks käes. Õigus, majandus, haridus, kunst ja tehnoloogia kogevad kõik häireid, mida varem peeti ainult vähem kvalifitseeritud töökohti ohustavaks. Mida see tähendab üldise tööjõu jaoks, on aga veel selgusetu.

4. Suurem valitsuse tõhusus

Valitsuse kulutused on igipõline vaidlusküsimus. Kogu maailmas on demokraatlikud valitsused tuntud oma paisutamise ja ekslike kulutuste poolest. Per
tuntud Brookings Institute’i uuring
, et USA valitsusasutused võtavad kasutusele tehisintellekti ja RPAd.

Nii erinevad ministeeriumid nagu toidu- ja ravimiamet, sotsiaalkindlustus, kaitselogistika agentuur ja rahandusministeerium on võtnud kasutusele tehisintellekti ja RPA, et suurendada tootlikkust ja vähendada oma oluliste teenuste kulusid. Lisaks sellele on
Ameerika Tehnoloogianõukogu ja tööstuse nõuandekogu (ACT-IAC) uuring.
näitab umbes tosina valitsusorganisatsiooni kasutusjuhtumeid.

Tõhusamal ja kulutasuvamal valitsusel võiks olla muutev mõju kogu ühiskonnale. Teenused võiksid muutuda tõhusamaks ja tulemuslikumaks ning maksud saaks suunata programmidesse, mis võiksid muuta miljonite inimeste elu. Selline laialdane kasutuselevõtt rõhutab siiski, kui oluline on kõrvaldada
eelarvamused tehisintellekti puhul,
eriti kui ülemaailmsed valitsused kasutavad tehnoloogiat poliitiliste otsuste tegemiseks.

Lõplikud mõtted

Tehisintellekt on mõjutanud RPA tehnoloogiat põhjalikult. Varajased automatiseerimisvahendid olid võimelised tegelema paljude rutiinsete ja igapäevaste tööülesannetega. Kuid kui kollektiivne soov automatiseerimise järele kasvas, puutus RPA siiski kokku oma piiridega. Tehisintellekt on neid tõkkeid lammutamas.

RPA ja tehisintellekti kombineerimine laiendab mõlema vahendi potentsiaali. Ettevõtted lõikavad juba praegu kasu arukast automatiseerimisest, näiteks parandavad klienditeenindust, suurendavad organisatsiooni tõhusust ja vähendavad tegevuskulusid. Tehisintellekt on avanud RPA rakendusala viisil, mis veel kümme aastat tagasi tundus ebatõenäoline.