I den utmerkede artikkelen, From Robotic Process Automation to Intelligent Process Automation (Chakraborti, 2020), vurderer forfatteren hvordan Robotic Process Automation (RPA) i løpet av det siste tiåret har presset frem forretningsprosesseffektivitet på fascinerende måter. Han foreslår imidlertid at vi nå sitter på et “bøyepunkt” innenfor denne teknologiske trenden, med intelligent automatisering som dukker opp som den logiske utviklingen av RPA.
Chakraborti siterer det nye paradigmet for Intelligent Process Automation som kobler forretningsprosessautomatisering sammen med maskinlæring (ML), kunstig intelligens (AI) og kundedata.
RPA er en annen kritisk komponent i intelligent automatisering. De to konseptene er så sammenvevd at det er en god del forvirring om hvor intelligent prosessautomatisering starter og hvor robotprosessautomatisering slutter.
Denne artikkelen vil utforske forskjellene og fellestrekkene til begge disiplinene og vise hvor de krysser hverandre og overlapper hverandre. Vi vil også dele noen intelligente automatiseringseksempler sammen med brukssaker i industrien.
Hva er robotprosessautomatisering?
Robotic Process Automation (RPA) refererer til et sett med teknologier som muliggjør ulike mål for forretningsprosessautomatisering (BPA). Vi kan definere en forretningsprosess som et sett med oppgaver som leverer organisatoriske mål. For eksempel kan en forretningsprosess være noe så enkelt som å gjennomføre en kredittsjekk på en lånesøknad.
Trinnene som kreves for en kredittsjekk involverer å trekke en klients navn fra interne dokumenter, sende en forespørsel til et kredittbyrå og deretter mate resultatet tilbake til interne systemer. I tradisjonelle forretningsmiljøer håndteres disse oppgavene manuelt. Imidlertid bruker forretningsprosessautomatisering roboter for å fullføre disse oppgavene, derav begrepet Robotic Process Automation.
RPA-oppgaver må være regelbaserte og forutsigbare. De trenger klart definerte triggere, innganger og utganger. Som sådan er unntakshåndtering noe som kan kaste dem av. Anomalier eller eksepsjonelle omstendigheter – eller noe som krever tenkning i farten – er ikke oppgaver RPA kan håndtere. Det er selvfølgelig ikke dermed sagt at unntakshåndtering er et fremmedbegrep i RPA-utvikling.
Det er mange scenarier der en robot ikke kan fullføre en oppgave på grunn av et problem med sikkerhetstillatelse eller ufullstendige data. Utviklere kan bygge rundt disse unntakene. Tenk deg for eksempel et scenario der du oppretter en RPA-prosess for å overføre fakturadata til en database, men databasen er nede. Du kan instruere roboten til å fortsette å prøve med bestemte intervaller til den kobles til databasen. Men når et maksimalt antall forsøk er nådd, vil det gi et forretningsunntak slik at en manuell arbeider kan rette opp situasjonen.
Det vi har beskrevet ovenfor er et enkelt scenario. Det kan imidlertid hende du må utforske intelligent prosessautomatisering for å bygge mer robuste og robuste prosesser som håndterer unntak uavhengig.
For et dypere dykk inn i emnet, les vår komplette guide til robotprosessautomatisering (RPA).
Hva er intelligent prosessautomatisering (IPA)?
Intelligent prosessautomatisering refererer til en blanding av teknologier som hjelper virksomheter med å automatisere eksisterende arbeidsflyter og prosesser. Så langt tilbake som i 2017 har McKinsey fremhevet fordelene med intelligent automatisering. Konsulentfirmaets mye brukte papir, Intelligent prosessautomatisering: Motoren i kjernen av neste generasjons driftsmodell , skisserer fem kjerneteknologier som kommer sammen for å gjøre intelligent automatisering mulig.
De er:
1. Robotisk prosessautomatisering (RPA):
En pakke med verktøy som utfører forutsigbare, repeterende og veldefinerte oppgaver som tradisjonelt var domenet til menneskelige arbeidere
2. Maskinlæring og avansert analyse:
Avanserte algoritmer som er opplært til å finne mønstre i enorme historiske datasett, slik at de kan gi innsikt og spådommer med en hastighet og nøyaktighet som er umulig for menneskelige forskere.
3. Naturlige språkgeneratorer (NLG)
Som det fremgår av suksessen til verktøy som ChatGPT og Pi, kan naturlige språkgeneratorer produsere tekst og andre reklamer for å lette kommunikasjonen mellom mennesker og teknologi.
4. Smarte arbeidsflyter:
En forretningsprosessprogramvare som styrer arbeidsflyten mellom mennesker og maskiner, og sikrer jevn levering, sporing og rapportering.
5. Kognitive midler:
Smarte chatboter som bruker en kombinasjon av ML og NLP for å gi automatiserte kundeservicerepresentanter som reduserer belastningen på servicepersonell og, i noen tilfeller, utmerker seg ved å selge og forstå kunder.
Teknologiene oppført ovenfor er de grunnleggende byggesteinene som danner en IPA-løsning. Selv om det er underforstått, vil vi også legge til Computer Vision Technology (CVT) til listen over verktøy som utgjør IPA-teknologi.
Likhetene mellom RPA og IPA
Mens RPA og IPA er forskjellige teknologikategorier, har de en god del crossover. Her er noen av likhetene mellom RPA og IPA.
1. De er begge automatiseringsverktøy
Den mest åpenbare forbindelsen mellom RPA og IPA er at begge verktøyene finnes for å automatisere forretningsprosesser. Mens hver løsning tar sin egen tilnærming og bruker forskjellige typer teknologi for å nå sine mål, er deres etos i utgangspunktet å håndtere oppgaver som mennesker tradisjonelt utfører og finne måter å gjøre dem mer effektivt, kostnadseffektivt og nøyaktig.
2. RPA er en sentral del av IPA
En annen viktig likhet mellom begge teknologiene er det faktum at RPA er en kjernekomponent i IPA. Mens maskinlæring og annen teknologi som etterligner menneskelig erkjennelse er sentrale deler av IPA, er automatiseringen bygget på et RPA-grunnfjell.
3. RPA og IPA deler lignende fordeler
RPA og IPA deler også mange av de samme forretningsfordelene. For eksempel hjelper de bedrifter med å redusere kostnader, spare tid, øke produktiviteten, øke arbeidstilfredsheten hos de ansatte, oppfylle overholdelsesstandarder, forbedre servicen og redusere menneskelige feil.
Forskjellene mellom RPA og IPA
Mens RPA og IPA har mange fellestrekk, er det noen forskjeller du må forstå.
#1. Skalerbarhet
Mens RPA utmerker seg med å automatisere diskrete oppgaver, er orkestrering av komplekse arbeidsflyter eller håndtering av ustrukturerte data en vanlig utfordring. IPA tilbyr en blanding av verktøy som hjelper med å skalere flaskehalser, for eksempel ustrukturerte data eller beslutningstaking.
#2. Sanntidslæring og tilpasning
RPA er en perfekt løsning for oppgaver som tar en forutsigbar, steg-for-steg vei. Per definisjon følger den instruksjoner. På den annen side kan IPA lære og tilpasse seg i sanntid takket være funksjoner som ML.
#3. Intelligens
Intelligens er vanskelig å definere. Imidlertid forstår vi alle at menneskelig tenkning bruker ulike verktøy som logikk, resonnement, læring, planlegging og problemløsning for å generere svar eller spådommer basert på informasjon.
RPA-verktøy kan behandle informasjon, men bare via et strengt sett med regler. I utgangspunktet bruker den if/then/else-logikk for å håndtere forretningsprosesser. Faktisk etterligner RPA menneskelig erkjennelse, men bare fordi den er gitt et kart.
Intelligent automatisering behandler derimot data på en måte som ligner mer på menneskelig erkjennelse. Fordi intelligente automatiseringsverktøy bruker AI, kan de gå utenfor grensene for å følge instruksjoner og tilpasse og justere til endrede omstendigheter, ustrukturerte data og andre eksepsjonelle faktorer som kan stoppe RPA-verktøy.
#4. Håndtering av ustrukturerte data
RPA hjelper team med å håndtere deterministiske oppgaver. Som sådan er den avhengig av forutsigbare input, for eksempel strukturerte data. Men når det gjelder å håndtere ustrukturerte data eller annen informasjon som forsvinner fra reservasjonen, når vi de øvre grensene for RPA-verktøy.
Håndtering av strukturerte data faller ofte på manuelle arbeidere. Fordi det er en god del beslutninger og tolkning involvert, er det fornuftig å bruke menneskelig erkjennelse. Imidlertid kan intelligent automatisering håndtere ustrukturerte data takket være bruken av AI-teknologier som maskinlæring.
Det er verdt å merke seg at RPA-verktøy kan brukes til å gjøre ustrukturerte data om til strukturerte data. For eksempel, bruk av verktøy for naturlig språkbehandling (NLP) eller optisk tegngjenkjenning (OCR) hjelper til med å oversette disse dataene til noe som en RPA kan jobbe med. Naturen til ustrukturerte data gjør imidlertid denne prosessen kompleks og krever opprettelse av flere maler som er i stand til å håndtere jobben. Denne virkeligheten kan føre til skaleringsproblemer innenfor RPA-løsninger.
#5. RPA er mer kostnadseffektivt
Mens IA-verktøy har et bredere omfang enn RPA-programvare, har disse tilleggene en kostnad. En av de mest tiltalende aspektene ved automatiseringsverktøy er deres beviste kostnadsbesparelser. Men med tanke på deres relative prislapper, er RPA-programvare mer tilgjengelig for det meste av markedet.
Intelligent automatisering er en mer fleksibel løsning som kan fungere i et bredere spekter av miljøer. Likevel har ikke alle bedrifter komplekse automatiseringskrav. Avhengig av omfanget av forretningsprosessene du trenger å automatisere, kan RPA-løsninger gi alt du trenger.
#6. RPA er raskere å implementere
Intelligente automatiseringsverktøy gir løsninger på et bredt spekter av problemer. Men når det gjelder raske implementeringstider, blir denne kompleksiteten en liten negativ. RPA-verktøy er enklere, og derfor er implementering rimeligere og mindre tidkrevende. For ledere under press for å oppnå digital transformasjon på tvers av virksomhetene sine, kan RPA-løsninger tilby en raskere vei til å generere verdi.
#7. IPA-verktøy har en brattere læringskurve
Igjen, den relative kompleksiteten til disse verktøyene skaper fordeler og ulemper. Av natur krever bruk av IPA-verktøy svært tekniske funksjoner som maskinlæring.
Det er fortsatt håp for ikke-tekniske lag. Intelligente automasjonskonsulentfirmaer kan gjøre mye av tungløftet og prosessdesign. Dessuten blir IA-verktøy mer brukervennlige for hver dag som går.
Eksempler på intelligent prosessautomatisering og brukssaker i industrien
I følge forskning skal det produseres 120 zettabyte med data i 2023 . Hvert år øker volumet av data produsert på verdensbasis med rundt 20 % til 25 %. I følge MIT Sloan er omtrent 80 % av disse dataene ustrukturerte. Mens RPA-verktøy har gjort det mulig for bedrifter å gjøre mye med strukturerte data, er det klart at tekst, lyd, videoer, e-poster, innhold på sosiale medier, serverlogger, sensorlogger og satellittbilder kan tilby bemerkelsesverdige muligheter.
Den beste måten å forstå egenskapene til intelligent virksomhetsautomatisering er gjennom praktiske eksempler og brukstilfeller fra den virkelige verden. Her er noen måter intelligent automatiseringsteknologi kan hjelpe i bestemte bransjer.
1. Kundeservice
Forventningene til kundeservice har vokst dramatisk de siste årene. Den moderne forbrukeren krever alltid-på, selvbetjeningsalternativer med høy grad av personalisering. Intelligent automatisering hjelper bedrifter med å tilby det forventede nivået av tilpasset pleie uten de høye kostnadene forbundet med menneskelige arbeidere.
Chatbots drevet av naturlige språkprosessorer og koblet til plattformer for kundeforholdsstyring (CRM) kan tilby utmerkede kundeopplevelser. Når de er alliert med automatisert e-posthåndtering, prediktiv analyse og sentimentanalyse, har bedrifter omnikanalbehandling som forutser problemer og bidrar til å holde på kunder.
2. Helsetjenester
Helsevesenet har vært en betydelig bruker av intelligent automatisering. Global dårlig helse betyr at sykehusene blir travlere, med mange som knirker under presset. Trange budsjetter og overarbeidet personale fremhever behovet for større operasjonell effektivitet, spesielt i administrative oppgaver som pasientregistrering, forsikringsbehandling, planlegging, fakturering og mer.
3. Økonomi
Finansnæringen har med rette opparbeidet seg et rykte som å være i forkant av banebrytende teknologier. Som tidlige brukere av RPA-teknologi har industrien fortsatt å finne måter å drive effektivitet og møte regulatoriske byrder. Intelligent automatisering brukes på tvers av det økonomiske området for å hjelpe med svindeloppdagelse og overholdelse. Teknologien hjelper imidlertid også med driften, og effektiviserer i økende grad beslutningstaking for lånesøknader og mer. Videre kan den også automatisere programvaretesting , og hjelpe finansinstitusjoner med å lage skreddersydd programvare.
4. Produksjon
De siste årene har offentlig bevissthet om forsyningskjedeproblemer vokst på grunn av flaskehalser, inflasjon og en generell levekostnadskrise. Produsenter må omfavne digital transformasjon ettersom kjøpspreferanser utvikler seg og forretningsdynamikken endres. Denne virkeligheten er spesielt pekt i nylig industrialiserte eller utviklingsland.
RPA og IPA kan hjelpe virksomheter på disse områdene med å bygge bro over gapet og forbedre prosesser og organisasjon på tvers av hele verdikjeden. Automatisering av produksjonsordrer, forståelse og tilpasning til skiftende kundepreferanser, forbedring av logistikk og reduksjon av avfall er bare noen få områder som kan dra nytte av AI-drevne verktøy.
Er intelligent prosessautomatisering og hyperautomatisering det samme?
Mens mange eksperter bruker intelligent prosessautomatisering og hyperautomatisering om hverandre, er de distinkte konsepter. Forvirringen er forståelig. Begge disiplinene er i forkant av automatisering av IT- og forretningsprosesser ved å bruke kunstig intelligens og andre relaterte teknologier. Det er imidlertid viktig å forstå forskjellene mellom de to.
Som nevnt ovenfor bruker intelligent prosessautomatisering en blanding av teknologier som AI, ML, datasyn, kognitiv, naturlig språkbehandling og, selvfølgelig, RPA.
Hyperautomatisering, derimot, er en filosofi eller tilnærming som søker å automatisere så mange forretningsprosesser som mulig.
Mye av forvirringen stammer fra det faktum at IPA er en del av en hyperautomatiseringstilnærming. Likevel er hyperautomatisering en mer sofistikert, akselerert versjon av IA med langt større omfang. I stedet for å håndtere faste prosesser eller oppgaver, fungerer hyperautomatisering på tvers av plattformer og teknologier for å maksimere virksomhetens effektivitet.
Der IPA og RPA krysser hverandre og konvergerer
Vi har brukt mye av denne artikkelen på å dissekere de relative fordelene ved IPA og RPA. Selv om det er nyttig å skille mellom disse automatiseringsteknologiene, er det ikke helt riktig å tenke på dem som kontradiktoriske eller konkurrerende verktøy. Den beste måten å forstå deres evner på er som gratis automatiseringsverktøy.
Det er en rekke punkter der begge verktøyene krysser hverandre.
#1. IPA som en løsning for RPAs begrensninger
I artikkelen How to Compete in the Age of Artificial Intelligence (Mohanty og Vyas, 2018) uttaler forfatterne at “RPA-roboter vil gjøre akkurat det du forteller dem, det er deres største styrke, men også deres største svakhet.” Denne følelsen understreker et kritisk poeng om grensene til RPA: Som det fremgår av dens utbredte bruk, er det et viktig verktøy i informasjonsalderen; ustrukturerte data og uforutsigbare scenarier betyr imidlertid at bedrifter ikke kan ta i bruk RPA-løsninger for hver oppgave.
Maskinlæring kan bidra til å utvide mulighetene til RPA, spesielt på to hovedområder. De er:
1. Håndtering av ustrukturerte data
2. Åpne døren til høyere ordens beslutningstaking
Slik situasjonen er, er ikke RPA-verktøy i stand til det ovennevnte. Men når den utvides med AI, kan automatisering flyttes til et nytt nivå.
#2. Som et springbrett mot implementering av IPA eller hyperautomatisering
Det er fristende å betrakte RPA, IPA og hyperautomatisering som et kontinuum. Likevel kan det være en liten overforenkling av saken. Faktum er at ethvert komplekst automatiseringssystem som inkluderer IPA eller hyperautomatisering vil i stor grad stole på RPA. Som sådan vil RPA-verktøy fortsatt være både relevante og nødvendige innenfor disse avanserte scenariene.
Der dette argumentet er mer robust er i forbindelse med implementering. Veien til hyperautomatisering krever mye forskning på hvilke oppgaver som kan automatiseres. Å starte med RPA bygger et solid grunnlag for de typer oppgaver som kan automatiseres. Det lar bedrifter bygge og teste automatiseringsarbeidsflyter som de til slutt kan utvide og utvide med IPA.
Hyperautomatisering er en tilnærming som innebærer å automatisere det som er mulig. Hvordan det ser ut vil variere fra virksomhet til virksomhet. Innenfor noen selskaper kan det involvere RPA, som i liten grad assisteres av AI; i andre kan det være en fullverdig, omfattende automatiseringsmaskin med minimal menneskelig innsats.
#3. Prediktiv analyse og beslutningstaking
RPA utfører definerte oppgaver basert på bestemte triggere eller innganger. Når vi vurderer noen av fordelene med IPA, som sentimentanalyse, naturlig språkbehandling, datasynsteknologi og ML-funksjoner, er det klart at teknologien vil være i stand til å håndtere mye rotete data og gjøre det om til strukturert informasjon som kan tjene som disse triggere eller innganger.
Mulighetene her er svimlende. Som vi har sett i medisinsk industri, har forskning vist at AI overgikk radiologer i mammografisk screening. Nøyaktig å gjøre disse spådommene krever mange års erfaring og domeneekspertise som forlater virksomheten når noen går av med pensjon eller slutter. RPA utvidet med AI kan bidra til å overvinne dette erfaringsgapet.
Mens eksemplet med mammografisk screening er iøynefallende, kan fordelene med RPA og IPA gjelde for flere andre forretningsstyringsscenarier som krever høykvalitets erkjennelse eller beslutningstaking. Når disse beslutningene er nådd, kan de utløse nedstrømshandlingene via RPA, noe som gir et utrolig produktivitetsnivå til et bredt spekter av virksomheter.
Fem intelligente automatiseringsverktøy
Det er flere intelligente automatiseringsleverandører på markedet. Hver tilbyr en unik blanding av forskjellige teknologier, tilnærminger og priser. La oss utforske fem av de største navnene i IA-området.
#1. ZAPTEST
ZAPTEST er en ende-til-ende, fullstack, intelligent automatiseringsløsning som tilbyr toppmoderne hyperautomatiseringsverktøy for både programvareautomatisering og robotprosessautomatisering. Den bruker en blanding av Computer Vision Technology og RPA for å hjelpe brukere med å oppdage og automatisere både front- og back-end kontoroppgaver. Plattformen har utmerkede funksjoner som OCR og solide analyseverktøy. Den kommer også med kodeløs funksjonalitet, gratis- og bedriftsutgaver, automatisering på tvers av plattformer/nettlesere av enhver app, ubegrensede lisenser og en heltids ZAP-ekspert som jobber som en del av kundens team, (innenfor Enterprise-utgaven)
#2. IBM Cloud Pak for Business Automation
IBM Cloud Pak er en modulær, hybrid sky, intelligent automatiseringsløsning. Denne ende-til-ende bedriftsautomatiseringsplattformen kommer fullpakket med en rekke funksjoner, inkludert arbeidsflytautomatisering, dokumentbehandling, prosessmining og beslutningsadministrasjonsfunksjonalitet. Det inkluderer også verktøy med lav og ingen kode og god kundestøtte.
#3. UiPath Business Automation Platform
UiPath har styrket RPA-tilbudet sitt med intelligent forretningsautomatisering. Plattformen bruker Computer Vision-teknologi og Unattended Robotics (med deres ord, “roboter som administrerer roboter”) for å nå disse målene. De bruker også kognitive forbedringer for å forstå språk og ustrukturerte data. UiPath Business Automation Platform integreres med kognitive tredjepartstjenester fra leverandører som IBM, Google og Microsoft.
#4. SS&C blå prismesky
SS&C Blue Prism Cloud er en annen skybasert intelligent automatiseringsplattform med IA-funksjoner. Firmaet tilbyr også intelligente automatiseringstjenester for å hjelpe team med å håndtere implementering og vedlikehold. I tillegg til intelligente robotiske prosessautomatiseringsverktøy, tilbyr Blue Prism Cloud også et uten kode, dra-og-slipp designstudio og kontrollrom, en funksjon for orkestrering av arbeidsflytautomatisering.
#5. Microsoft Power Automate
Microsoft Power Automate, tidligere kalt Microsoft Flow, er en annen skybasert, kodefri intelligent automatiseringsløsning. Pakken tilbyr en funksjon kalt AI Builder som er brukervennlig, skalerbar og lett å koble til. Microsofts høyt publiserte investering på 10 milliarder dollar i ChatGPT betyr at det gir naturlige språkbehandlingsmuligheter kombinert med et pek-og-klikk-grensesnitt som lar ikke-tekniske team bygge intelligente robotprosessautomatiseringsarbeidsflyter.
Siste tanker
RPA og IPA er forskjellige teknologier. Imidlertid er de dypt komplementære. Den virkelige kraften til begge verktøyene ligger i deres evne til å forsterke ikke bare menneskelige arbeidere, men også hverandre. Som mange intelligente automasjonseksempler viser, kan mye av kjernearbeidet som IA muliggjør, utføres av digitale arbeidere og roboter. Vellykket automatisering krever å bryte ned og forstå eksisterende arbeidsflyter. RPA kan stå for mange av disse bestanddelene.
Vi står på terskelen til en spennende æra i arbeidsverdenen, hvor menneskelige kognitive evner kan suppleres med AI. Digital transformasjon er med rette en prioritet for bedrifter på tvers av utviklede og utviklingsland. Å ta i bruk IPA- og RPA-verktøy vil utgjøre en sentral del av disse overgangene, og muliggjør ufattelig produktivitet.
