В замечательной статье ” От роботизированной автоматизации процессов к интеллектуальной автоматизации процессов ” (Chakraborti, 2020) автор рассматривает, как за последнее десятилетие роботизированная автоматизация процессов (RPA) продвинула вперед эффективность бизнес-процессов в увлекательной форме. Однако, по его мнению, сейчас мы находимся в “точке перегиба” в этой технологической тенденции, когда интеллектуальная автоматизация становится логическим продолжением RPA.
В качестве примера Чакраборти приводит новую парадигму Intelligent Process Automation, в которой автоматизация бизнес-процессов сочетается с машинным обучением (ML), искусственным интеллектом (AI) и данными о клиентах.
RPA – еще один важнейший компонент интеллектуальной автоматизации. Эти два понятия настолько переплетены между собой, что существует определенная путаница в том, где начинается интеллектуальная автоматизация процессов и где заканчивается роботизированная автоматизация процессов.
В данной статье мы рассмотрим различия и общие черты обеих дисциплин и покажем, где они пересекаются и накладываются друг на друга. Мы также расскажем о некоторых примерах интеллектуальной автоматизации, а также об отраслевых примерах использования.
Что такое роботизированная автоматизация процессов?
Под роботизированной автоматизацией процессов (RPA) понимается набор технологий, позволяющих решать различные задачи автоматизации бизнес-процессов (BPA). Мы можем определить бизнес-процесс как набор задач, которые обеспечивают достижение целей организации. Например, бизнес-процесс может быть таким простым, как проверка кредитоспособности заявки на получение кредита.
Для проведения кредитной проверки необходимо извлечь имя клиента из внутренних документов, сделать запрос в кредитное агентство, а затем вернуть результат во внутренние системы. В традиционных бизнес-средах эти задачи решаются вручную. Однако при автоматизации бизнес-процессов для выполнения этих задач используются роботы, отсюда и термин Robotic Process Automation.
Задачи RPA должны быть основаны на правилах и предсказуемы. Им необходимы четко определенные триггеры, входы и выходы. Поэтому обработка исключений – это то, что может выбить их из колеи. Аномалии, исключительные обстоятельства или что-либо, требующее мышления на лету, – это не те задачи, с которыми может справиться RPA. Конечно, это не означает, что обработка исключений – чуждое понятие для разработки РЗА.
Существует множество сценариев, когда бот не может выполнить задачу из-за проблем с разрешением безопасности или неполноты данных. Разработчики могут обойти эти исключения. Например, представьте себе сценарий, в котором вы создаете RPA-процесс для передачи данных о счетах-фактурах в базу данных, но база данных не работает. Можно дать роботу указание продолжать попытки через определенные промежутки времени, пока он не соединится с базой данных. Однако по достижении максимального количества попыток будет выброшено бизнес-исключение, чтобы работник вручную мог исправить ситуацию.
То, что мы описали выше, является простым сценарием. Однако для построения более устойчивых и надежных процессов, самостоятельно справляющихся с исключениями, может потребоваться автоматизация интеллектуальных процессов.
Для более глубокого погружения в тему читайте наше Полное руководство по роботизированной автоматизации процессов (RPA).
Что такое интеллектуальная автоматизация процессов (ИАП)?
Под интеллектуальной автоматизацией процессов понимается совокупность технологий, позволяющих предприятиям автоматизировать существующие рабочие процессы. Еще в 2017 году компания McKinsey обратила внимание на преимущества интеллектуальной автоматизации. В широко распространенном документе консалтинговой компании ” Интеллектуальная автоматизация процессов: Двигатель, лежащий в основе операционной модели следующего поколения, описывает пять основных технологий, которые в совокупности делают возможной интеллектуальную автоматизацию.
К ним относятся:
1. Роботизированная автоматизация процессов (RPA):
Набор инструментов, выполняющих предсказуемые, повторяющиеся и четко определенные задачи, которые традиционно были уделом людей.
2. Машинное обучение и расширенная аналитика:
Передовые алгоритмы, обученные находить закономерности в огромных массивах исторических данных, позволяют делать выводы и прогнозы со скоростью и точностью, недоступными для человека.
3. Генераторы естественного языка (ГЯ)
Как показывает успех таких инструментов, как ChatGPT и Pi, генераторы естественного языка могут создавать текст и другие творческие элементы для облегчения общения между людьми и технологиями.
4. Интеллектуальные рабочие процессы:
Программное обеспечение бизнес-процессов, которое управляет рабочим процессом между людьми и машинами, обеспечивая бесперебойную доставку, отслеживание и отчетность.
5. Когнитивные агенты:
Интеллектуальные чат-боты, использующие комбинацию ML и NLP для обеспечения автоматизированного обслуживания клиентов, снижают нагрузку на обслуживающий персонал и, в некоторых случаях, превосходят его в продажах и понимании клиентов.
Перечисленные технологии являются базовыми элементами, формирующими решение IPA. Хотя это и подразумевается, мы бы также добавили к списку инструментов, составляющих технологию МПА, технологию компьютерного зрения (CVT).
Сходство между RPA и IPA
Хотя RPA и IPA – это разные технологические категории, они в достаточной степени пересекаются. Вот некоторые общие черты RPA и IPA.
1. Они оба являются средствами автоматизации
Наиболее очевидная связь между RPA и IPA заключается в том, что оба инструмента существуют для автоматизации бизнес-процессов. Хотя каждое решение имеет свой собственный подход и использует различные типы технологий для достижения поставленных целей, суть их заключается в том, чтобы решать задачи, которые традиционно выполняет человек, и находить способы делать это более эффективно, экономично и точно.
2. RPA является центральной частью IPA
Еще одно важное сходство между обеими технологиями заключается в том, что RPA является основным компонентом IPA. Хотя машинное обучение и другие технологии, имитирующие человеческое познание, являются ключевыми составляющими IPA, автоматизация строится на основе RPA.
3. RPA и IPA имеют схожие преимущества
RPA и IPA также имеют много общих преимуществ для бизнеса. Например, они помогают предприятиям сократить расходы, сэкономить время, повысить производительность труда, удовлетворенность работой сотрудников, обеспечить соответствие стандартам, улучшить качество обслуживания и снизить количество человеческих ошибок.
Различия между RPA и IPA
Несмотря на то, что RPA и IPA имеют много общего, есть и некоторые моменты, которые необходимо понимать.
#1. Масштабируемость
Хотя RPA отлично справляется с автоматизацией отдельных задач, организация сложных рабочих процессов или работа с неструктурированными данными является распространенной проблемой. IPA предлагает набор инструментов, которые помогают справиться с узкими местами масштабирования, такими как неструктурированные данные или принятие решений.
#2. Обучение и адаптация в реальном времени
RPA – идеальное решение для задач, которые имеют предсказуемый, пошаговый характер. По определению, он следует инструкциям. С другой стороны, благодаря таким функциям, как ML, IPA может обучаться и адаптироваться в реальном времени.
#3. Разведка
Интеллект трудно поддается определению. Однако все мы понимаем, что человеческое мышление использует различные инструменты, такие как логика, рассуждения, обучение, планирование и решение проблем, чтобы генерировать ответы или прогнозы на основе информации.
Средства RPA могут обрабатывать информацию, но только по строгому набору правил. В основном, для обработки бизнес-процессов используется логика “если/то/или”. По сути, RPA имитирует человеческое познание, но только потому, что ему дана карта.
Интеллектуальная автоматизация, напротив, обрабатывает данные таким образом, который более близок к человеческому познанию. Поскольку интеллектуальные средства автоматизации используют ИИ, они могут выходить за рамки выполнения инструкций, адаптироваться и подстраиваться под изменяющиеся обстоятельства, неструктурированные данные и другие исключительные факторы, которые могут поставить в тупик средства RPA.
#4. Работа с неструктурированными данными
RPA помогает командам справляться с детерминированными задачами. В этом смысле она опирается на предсказуемые входные данные, например, структурированные. Однако когда речь заходит о работе с неструктурированными данными или любой информацией, выходящей за рамки правил, мы достигаем верхней границы возможностей средств RPA.
Работа со структурированными данными часто ложится на плечи ручного труда. Поскольку в данном случае речь идет о принятии решений и интерпретации, имеет смысл использовать человеческое познание. Однако интеллектуальная автоматизация может работать с неструктурированными данными благодаря использованию технологий искусственного интеллекта, таких как машинное обучение.
Стоит отметить, что средства RPA могут использоваться для превращения неструктурированных данных в структурированные. Например, использование средств обработки естественного языка (NLP) или оптического распознавания символов (OCR) помогает перевести эти данные в то, с чем может работать RPA. Однако природа неструктурированных данных делает этот процесс сложным и требует создания множества шаблонов, способных справиться с этой задачей. Такая реальность может привести к проблемам масштабирования RPA-решений.
#5. RPA является более экономически эффективным
Хотя инструменты IA имеют более широкую сферу применения, чем программное обеспечение RPA, за эти дополнительные возможности приходится платить. Одним из наиболее привлекательных аспектов средств автоматизации является доказанное снижение затрат. Однако, учитывая их относительную дороговизну, программное обеспечение RPA является более доступным для большинства участников рынка.
Интеллектуальная автоматизация – это более гибкое решение, которое может работать в более широком диапазоне сред. Однако не каждый бизнес имеет сложные требования к автоматизации. В зависимости от масштабов бизнес-процессов, которые необходимо автоматизировать, RPA-решения могут обеспечить все необходимое.
#6. RPA быстрее внедряется
Интеллектуальные средства автоматизации позволяют решать широкий круг задач. Однако, когда речь идет о быстром внедрении, эта сложность становится небольшим минусом. Инструменты RPA проще, а значит, их внедрение менее затратно и менее трудоемко. Для руководителей, которым приходится добиваться цифровой трансформации всего бизнеса, решения RPA могут предложить более быстрый путь к созданию стоимости.
#7. Инструменты IPA имеют более сложную кривую обучения
Опять же, относительная сложность этих инструментов создает свои преимущества и недостатки. По своей природе внедрение инструментов IPA требует наличия таких высокотехнологичных функций, как машинное обучение.
У нетехнических команд еще есть надежда. Консалтинговые фирмы, специализирующиеся на интеллектуальной автоматизации, могут выполнить большую часть работы по проектированию процессов. Более того, инструменты IA с каждым днем становятся все более удобными для пользователя.
Примеры автоматизации интеллектуальных процессов и отраслевые примеры использования
Согласно исследованиям, в 2023 году будет произведено 120 зеттабайт данных. Ежегодно объем данных, производимых в мире, увеличивается примерно на 20-25%. По данным MIT Sloan, около 80% этих данных являются неструктурированными. Хотя инструменты RPA позволили компаниям многое сделать со структурированными данными, очевидно, что текст, аудио, видео, электронная почта, содержимое социальных сетей, журналы серверов, журналы датчиков и спутниковые снимки могут открыть широкие возможности.
Лучше всего понять возможности интеллектуальной автоматизации бизнеса можно на практических примерах и примерах использования. Вот некоторые способы, которыми интеллектуальные технологии автоматизации могут помочь в конкретных отраслях.
1. Обслуживание клиентов
В последние годы ожидания от обслуживания клиентов значительно возросли. Современный потребитель требует постоянно действующих возможностей самообслуживания с высокой степенью персонализации. Интеллектуальная автоматизация помогает предприятиям обеспечить ожидаемый уровень индивидуального обслуживания без высоких накладных расходов, связанных с персоналом.
Чат-боты, работающие на базе процессоров естественного языка и подключенные к платформам управления взаимоотношениями с клиентами (CRM), могут обеспечить превосходное качество обслуживания клиентов. В сочетании с автоматизированной обработкой электронной почты, предиктивной аналитикой и анализом настроений компании получают омниканальное обслуживание, которое позволяет предвидеть проблемы и способствует удержанию клиентов.
2. Здравоохранение
Значительное распространение интеллектуальная автоматизация получила в здравоохранении. Глобальное заболевание приводит к тому, что больницы становятся все более загруженными, и многие из них скрипят под нагрузкой. Ограниченные бюджеты и перегруженный работой персонал подчеркивают необходимость повышения эффективности работы, особенно при выполнении административных задач, таких как регистрация пациентов, оформление страховок, составление расписания, выставление счетов и т.д.
3. Финансы
Финансовая отрасль по праву заслужила репутацию передовой в области передовых технологий. Будучи первыми последователями технологии RPA, отрасль продолжает искать пути повышения эффективности и выполнения нормативных требований. Интеллектуальная автоматизация используется в финансовой сфере для выявления мошенничества и обеспечения соответствия нормативным требованиям. Однако эти технологии помогают и в операционной деятельности, все более оптимизируя процесс принятия решений по кредитным заявкам и т.д. Кроме того, с его помощью можно автоматизировать тестирование программного обеспечения, что помогает финансовым организациям создавать программное обеспечение на заказ.
4. Производство
В последние годы общественное внимание к проблемам цепочек поставок возросло в связи с возникновением “узких мест”, инфляцией и общим кризисом стоимости жизни. По мере изменения покупательских предпочтений и динамики развития бизнеса производителям необходимо внедрять цифровую трансформацию. Эта реальность особенно характерна для новых индустриальных или развивающихся стран.
RPA и IPA могут помочь предприятиям в этих областях преодолеть разрыв и улучшить процессы и организацию по всей цепочке создания стоимости. Автоматизация производственных заказов, понимание и адаптация к меняющимся предпочтениям клиентов, улучшение логистики и сокращение отходов – вот лишь несколько областей, в которых могут быть полезны инструменты на основе искусственного интеллекта.
Являются ли интеллектуальная автоматизация процессов и гиперавтоматизация одним и тем же?
Хотя многие специалисты используют понятия “интеллектуальная автоматизация процессов” и ” гиперавтоматизация” как взаимозаменяемые, это разные понятия. Недоумение вполне объяснимо. Обе дисциплины находятся на переднем крае автоматизации ИТ- и бизнес-процессов с помощью искусственного интеллекта и других соответствующих технологий. Однако необходимо понимать разницу между ними.
Как уже говорилось выше, для автоматизации интеллектуальных процессов используется сочетание таких технологий, как ИИ, ML, компьютерное зрение, когнитивные технологии, обработка естественного языка и, конечно же, RPA.
С другой стороны, гиперавтоматизация – это философия или подход, направленный на автоматизацию как можно большего числа бизнес-процессов.
Во многом эта путаница связана с тем, что IPA является частью гиперавтоматизированного подхода. Однако гиперавтоматизация – это более сложный, ускоренный вариант ИА с гораздо большими возможностями. Вместо того чтобы иметь дело с фиксированными процессами или задачами, гиперавтоматизация работает с платформами и технологиями для достижения максимальной эффективности бизнеса.
Где пересекаются и сходятся IPA и RPA
Большую часть этой статьи мы посвятили анализу сравнительных достоинств IPA и RPA. Хотя различие между этими технологиями автоматизации проводить полезно, рассматривать их как противоборствующие или конкурирующие инструменты не совсем правильно. Лучше всего понимать их возможности как вспомогательные средства автоматизации.
Существует ряд точек, в которых оба инструмента пересекаются.
#1. IPA как решение проблем, связанных с ограничениями RPA
В статье How to Compete in the Age of Artificial Intelligence (Mohanty and Vyas, 2018) авторы утверждают, что “роботы RPA будут делать именно то, что вы им скажете, и это их главная сила, но и главная слабость”. Эти настроения подчеркивают важную мысль о границах применения RPA: Как показывает широкое распространение RPA, она является важным инструментом в информационную эпоху, однако неструктурированные данные и непредсказуемые сценарии развития событий не позволяют предприятиям использовать RPA-решения для решения любых задач.
Машинное обучение может помочь расширить возможности RPA, особенно в двух основных областях. К ним относятся:
1. Работа с неструктурированными данными
2. Открытие двери к принятию решений более высокого порядка
В настоящее время средства RPA не способны выполнить вышеперечисленные задачи. Однако в сочетании с искусственным интеллектом автоматизация может выйти на новый уровень.
#2. Как ступенька к внедрению МПА или гиперавтоматизации
Заманчиво рассматривать RPA, IPA и гиперавтоматизацию как некий континуум. Тем не менее, это может быть несколько упрощенным вариантом. Дело в том, что любая комплексная система автоматизации, включающая в себя МПА или гиперавтоматизацию, будет в значительной степени опираться на RPA. Таким образом, инструменты RPA по-прежнему будут актуальны и необходимы в этих продвинутых сценариях.
Где этот аргумент более устойчив, так это в контексте внедрения. Путь к гиперавтоматизации требует большого количества исследований того, какие задачи могут быть автоматизированы. Начало работы с RPA создает прочную основу для определения типов задач, которые могут быть автоматизированы. Она позволяет предприятиям создавать и тестировать автоматизированные рабочие процессы, которые в дальнейшем можно расширять и дополнять с помощью IPA.
Гиперавтоматизация – это подход, предполагающий автоматизацию всего, что только возможно. Для разных предприятий это выглядит по-разному. В одних компаниях это может быть RPA, которому в небольшой степени помогает ИИ, в других – полноценная комплексная автоматизация с минимальным участием человека.
#3. Прогнозный анализ и принятие решений
RPA выполняет определенные задачи на основе определенных триггеров или входных данных. Если учесть некоторые преимущества IPA, такие как анализ настроений, обработка естественного языка, технология компьютерного зрения и возможности ML, то становится ясно, что эта технология сможет обрабатывать большое количество беспорядочных данных и превращать их в структурированную информацию, которая может служить в качестве таких триггеров или входных данных.
Возможности здесь ошеломляют. Как мы видели в медицинской отрасли, исследования показали, что ИИ превосходит рентгенологов в маммографическом скрининге. Точное прогнозирование требует многолетнего опыта и знаний, которые уходят из бизнеса, когда кто-то уходит на пенсию или покидает компанию. RPA, дополненная искусственным интеллектом, может помочь преодолеть этот пробел в опыте.
Хотя пример с маммографическим скринингом бросается в глаза, преимущества RPA и IPA могут быть применены к ряду других сценариев управления бизнесом, требующих высокого качества познания или принятия решений. После принятия таких решений они могут запускать последующие действия с помощью RPA, обеспечивая невероятный уровень производительности для широкого круга предприятий.
Пять интеллектуальных средств автоматизации
На рынке представлено несколько поставщиков интеллектуальных систем автоматизации. Каждый из них предлагает уникальное сочетание различных технологий, подходов и цен. Давайте рассмотрим пять самых крупных имен в области ИА.
#1. ZAPTEST
ZAPTEST – это комплексное решение для интеллектуальной автоматизации, предлагающее современные средства гиперавтоматизации как для автоматизации программного обеспечения, так и для автоматизации роботизированных процессов. Она использует сочетание технологий компьютерного зрения и RPA, помогая пользователям находить и автоматизировать как фронт-, так и бэк-энд офисные задачи. Платформа обладает такими прекрасными возможностями, как OCR и мощные аналитические инструменты. Платформа также включает в себя возможность работы без кода, бесплатную и корпоративную версии, кроссплатформенную/кроссбраузерную автоматизацию любых приложений, неограниченное количество лицензий и штатного эксперта ZAP, работающего в составе команды заказчика (в рамках корпоративной версии).
#2. IBM Cloud Pak для автоматизации бизнеса
IBM Cloud Pak – модульное гибридное облако, интеллектуальное решение для автоматизации. Эта комплексная платформа для автоматизации бизнеса обладает широким спектром возможностей, включая автоматизацию документооборота, обработку документов, анализ процессов и управление принятием решений. Кроме того, это инструменты с низким и нулевым кодом и хорошая поддержка клиентов.
#3. Платформа автоматизации бизнеса UiPath
Компания UiPath дополнила свое предложение по RPA интеллектуальной автоматизацией бизнеса. Для достижения этих целей платформа использует технологию компьютерного зрения и технологию Unattended Robotics (по их словам, “роботы, управляющие роботами”). Они также используют когнитивные возможности для понимания языка и неструктурированных данных. Платформа автоматизации бизнеса UiPath интегрируется со сторонними когнитивными сервисами таких производителей, как IBM, Google и Microsoft.
#4. SS&C Blue Prism Cloud
SS&C Blue Prism Cloud – еще одна облачная платформа интеллектуальной автоматизации с возможностями IA. Компания также предлагает услуги по интеллектуальной автоматизации, помогая командам справиться с внедрением и сопровождением. Помимо интеллектуальных средств автоматизации роботизированных процессов, Blue Prism Cloud также предлагает студию проектирования без кода и перетаскивания, а также Control Room – функцию оркестровки автоматизации рабочих процессов.
#5. Microsoft Power Automate
Microsoft Power Automate, ранее называвшийся Microsoft Flow, – это еще одно облачное решение для интеллектуальной автоматизации без кода. Пакет предлагает функцию AI Builder, которая удобна в использовании, масштабируется и легко подключается. Инвестиции Microsoft в ChatGPT в размере 10 млрд. долл., получившие широкую огласку, означают, что эта компания предоставляет возможности обработки естественного языка в сочетании с интерфейсом “наведи и щелкни”, позволяющим нетехническим специалистам создавать интеллектуальные рабочие процессы автоматизации роботизированных процессов.
Заключительные мысли
RPA и IPA – это разные технологии. Однако они глубоко комплиментарны. Реальная сила обоих инструментов заключается в их способности дополнять не только работников, но и друг друга. Как показывают многочисленные примеры интеллектуальной автоматизации, большая часть основной работы, которую позволяет выполнять IA, может выполняться цифровыми работниками и роботами. Для успешной автоматизации необходимо разбить и понять существующие рабочие процессы. RPA может учесть многие из этих составляющих.
Мы стоим на пороге захватывающей эпохи в мире труда, когда когнитивные способности человека могут быть дополнены искусственным интеллектом. Цифровая трансформация по праву является приоритетным направлением для бизнеса во всем развитом и развивающемся мире. Внедрение инструментов IPA и RPA станет центральной частью этих переходов, обеспечивая немыслимую производительность.
