I den utmärkta artikeln From Robotic Process Automation to Intelligent Process Automation (Chakraborti, 2020) tar författaren upp hur Robotic Process Automation (RPA) under det senaste decenniet har drivit fram effektiviteten i affärsprocesser på fascinerande sätt. Han menar dock att vi nu befinner oss vid en “vändpunkt” inom denna tekniska trend, där intelligent automatisering framstår som den logiska utvecklingen av RPA.
Chakraborti nämner det nya paradigmet Intelligent Process Automation som kombinerar automatisering av affärsprocesser med maskininlärning (ML), artificiell intelligens (AI) och kunddata.
RPA är en annan viktig komponent i intelligent automatisering. De två begreppen är så sammanflätade att det råder en hel del förvirring om var intelligent processautomation börjar och var robotiserad processautomation slutar.
I den här artikeln undersöker vi skillnaderna och likheterna mellan de båda disciplinerna och visar var de korsar och överlappar varandra. Vi kommer också att dela med oss av några exempel på intelligent automatisering tillsammans med användningsområden inom industrin.
Vad är Robotic Process Automation?
Robotic Process Automation (RPA ) är en uppsättning tekniker som möjliggör olika mål för automatisering av affärsprocesser (BPA). Vi kan definiera en affärsprocess som en uppsättning uppgifter som levererar organisatoriska mål. En affärsprocess kan till exempel vara något så enkelt som att göra en kreditprövning av en låneansökan.
De steg som krävs för en kreditupplysning är att ta fram kundens namn från interna dokument, göra en förfrågan till ett kreditupplysningsföretag och sedan återföra resultatet till interna system. I traditionella affärsmiljöer hanteras dessa uppgifter manuellt. Vid automatisering av affärsprocesser används dock robotar för att utföra dessa uppgifter, därav termen Robotic Process Automation.
RPA-uppgifter måste vara regelbaserade och förutsägbara. De behöver tydligt definierade triggers, inputs och outputs. Undantagshantering är därför något som kan störa dem. Anomalier eller exceptionella omständigheter – eller något som kräver att man tänker i farten – är inte uppgifter som RPA kan hantera. Det betyder naturligtvis inte att undantagshantering är ett främmande begrepp inom RPA-utveckling.
Det finns många scenarier där en bot inte kan slutföra en uppgift på grund av ett problem med säkerhetsbehörighet eller ofullständiga data. Utvecklare kan bygga runt dessa undantag. Tänk dig till exempel ett scenario där du skapar en RPA-process för att överföra fakturadata till en databas, men databasen är nere. Du kan instruera roboten att fortsätta försöka med vissa intervall tills den får kontakt med databasen. Men när det maximala antalet försök har uppnåtts kommer det att kasta ett affärsundantag så att en manuell arbetare kan åtgärda situationen.
Det vi har beskrivit ovan är ett enkelt scenario. Men ni kan behöva utforska intelligent processautomatisering för att bygga mer motståndskraftiga och robusta processer som hanterar undantag på egen hand.
För en djupare inblick i ämnet, läs vår kompletta guide till Robotic Process Automation (RPA).
Vad är intelligent processautomation (IPA)?
Intelligent processautomation är en blandning av tekniker som hjälper företag att automatisera befintliga arbetsflöden och processer. Redan 2017 lyfte McKinsey fram fördelarna med intelligent automatisering. I konsultföretagets mycket omtalade dokument Intelligent process automation: The engine at the core of the next-generation operating model” beskrivs fem kärntekniker som tillsammans gör intelligent automatisering möjlig.
Det är de:
1. Automatisering av robotprocesser (RPA):
En uppsättning verktyg som utför förutsägbara, repetitiva och väldefinierade uppgifter som traditionellt har utförts av mänskliga arbetare
2. Maskininlärning och avancerad analys:
Avancerade algoritmer som är tränade att hitta mönster i stora historiska datamängder så att de kan ge insikter och förutsägelser med en hastighet och noggrannhet som är omöjlig för mänskliga forskare.
3. Generatorer för naturligt språk (NLG)
Som framgår av framgångarna med verktyg som ChatGPT och Pi, kan generatorer för naturligt språk producera text och andra kreativa element för att underlätta kommunikationen mellan människor och teknik.
4. Smarta arbetsflöden:
En programvara för affärsprocesser som hanterar arbetsflödet mellan människor och maskiner och säkerställer smidig leverans, spårning och rapportering.
5. Kognitiva agenter:
Smarta chatbots som använder en kombination av ML och NLP för att tillhandahålla automatiserade kundservicerepresentanter som minskar belastningen på servicepersonalen och i vissa fall utmärker sig genom att sälja och förstå kunderna.
De tekniker som anges ovan är de grundläggande byggstenarna i en IPA-lösning. Även om det är underförstått skulle vi också vilja lägga till Computer Vision Technology (CVT ) till listan över verktyg som utgör IPA-teknik.
Likheterna mellan RPA och IPA
RPA och IPA är visserligen olika teknikkategorier, men de har en hel del beröringspunkter. Här är några av likheterna mellan RPA och IPA.
1. De är båda automatiseringsverktyg
Den mest uppenbara kopplingen mellan RPA och IPA är att båda verktygen finns för att automatisera affärsprocesser. Varje lösning har sin egen strategi och använder olika typer av teknik för att uppnå sina mål, men i grund och botten är deras etos att hantera uppgifter som människor traditionellt utför och hitta sätt att göra dem mer effektivt, kostnadseffektivt och korrekt.
2. RPA är en central del av IPA
En annan viktig likhet mellan de båda teknikerna är det faktum att RPA är en kärnkomponent i IPA. Maskininlärning och annan teknik som efterliknar mänsklig kognition är viktiga delar av IPA, men automatiseringen bygger på en RPA-grund.
3. RPA och IPA har liknande fördelar
RPA och IPA har också många av de samma affärsmässiga fördelarna. De hjälper till exempel företag att minska kostnader, spara tid, öka produktiviteten, öka medarbetarnas arbetstillfredsställelse, uppfylla standarder, förbättra servicen och minska antalet mänskliga fel.
Skillnaderna mellan RPA och IPA
Även om RPA och IPA har många gemensamma nämnare finns det några skillnader som du behöver förstå.
#1. Skalbarhet
RPA är utmärkt för att automatisera enskilda uppgifter, men att styra komplexa arbetsflöden eller hantera ostrukturerad data är en vanlig utmaning. IPA erbjuder en blandning av verktyg som hjälper till med flaskhalsar i skalningen, t.ex. ostrukturerad data eller beslutsfattande.
#2. Inlärning och anpassning i realtid
RPA är en perfekt lösning för uppgifter som följer en förutsägbar, steg-för-steg-väg. Per definition följer den instruktioner. Å andra sidan kan IPA lära sig och anpassa sig i realtid tack vare funktioner som ML.
#3. Intelligens
Intelligens är svårt att definiera. Men vi förstår alla att mänskligt tänkande använder olika verktyg som logik, resonemang, inlärning, planering och problemlösning för att generera svar eller förutsägelser baserade på information.
RPA-verktyg kan bearbeta information, men endast via en strikt uppsättning regler. I grund och botten används logiken om/så/annat för att hantera affärsprocesser. I själva verket efterliknar RPA mänsklig kognition, men bara för att den får en karta.
Intelligent automation, å andra sidan, bearbetar data på ett sätt som mer liknar mänsklig kognition. Eftersom intelligenta automatiseringsverktyg använder AI kan de gå utanför gränserna för att följa instruktioner och anpassa sig till förändrade omständigheter, ostrukturerade data och andra exceptionella faktorer som kan sätta stopp för RPA-verktyg.
#4. Hantering av ostrukturerade data
RPA hjälper teamen att hantera deterministiska uppgifter. Därför är den beroende av förutsägbara indata, t.ex. strukturerade data. Men när det handlar om att hantera ostrukturerad data eller information som inte går att reservera, når vi de övre gränserna för RPA-verktyg.
Hanteringen av strukturerade data är ofta en manuell uppgift. Eftersom det handlar om en hel del beslutsfattande och tolkning är det vettigt att använda mänsklig kognition. Intelligent automation kan dock hantera ostrukturerade data tack vare användningen av AI-teknik som maskininlärning.
Det är värt att notera att RPA-verktyg kan användas för att omvandla ostrukturerad data till strukturerad data. Med hjälp av verktyg för bearbetning av naturligt språk (NLP) eller optisk teckenigenkänning (OCR) kan du till exempel översätta dessa data till något som en RPA kan arbeta med. Ostrukturerade data gör dock processen komplex och kräver att flera mallar skapas som kan hantera uppgiften. Denna verklighet kan leda till skalningsproblem inom RPA-lösningar.
#5. RPA är mer kostnadseffektivt
Även om IA-verktyg har ett bredare användningsområde än RPA-programvara, kommer dessa extrafunktioner till en kostnad. En av de mest tilltalande aspekterna med automatiseringsverktyg är deras bevisade kostnadsbesparingar. Men med tanke på deras relativa prislappar är RPA-programvara mer tillgänglig för större delen av marknaden.
Intelligent automation är en mer flexibel lösning som kan fungera i ett bredare spektrum av miljöer. Men det är inte alla företag som har komplexa automatiseringskrav. Beroende på omfattningen av de affärsprocesser du behöver automatisera kan RPA-lösningar ge dig allt du behöver.
#6. RPA är snabbare att implementera
Intelligenta automatiseringsverktyg erbjuder lösningar på en mängd olika problem. Men när det gäller snabba implementeringstider blir denna komplexitet något negativt. RPA-verktyg är enklare, och därför är implementeringen billigare och mindre tidskrävande. För ledare som är pressade att uppnå digital transformation i sina verksamheter kan RPA-lösningar erbjuda en snabbare väg till att skapa värde.
#7. IPA-verktyg har en brantare inlärningskurva
Återigen skapar den relativa komplexiteten hos dessa verktyg fördelar och nackdelar. Att använda IPA-verktyg kräver till sin natur mycket tekniska funktioner som maskininlärning.
Det finns fortfarande hopp för icke-tekniska team. Konsultföretag inom intelligent automation kan ta hand om mycket av det tunga arbetet och processutformningen. Dessutom blir IA-verktygen allt mer användarvänliga.
Exempel på intelligent processautomation och användningsområden inom industrin
Enligt undersökningar kommer 120 zettabyte data att produceras år 2023. Varje år ökar mängden data som produceras i världen med cirka 20-25%. Enligt MIT Sloan är cirka 80 % av dessa data ostrukturerade. RPA-verktyg har gjort det möjligt för företag att göra mycket med strukturerad data, men det är tydligt att text, ljud, video, e-post, innehåll i sociala medier, serverloggar, sensorloggar och satellitbilder kan erbjuda fantastiska möjligheter.
Det bästa sättet att förstå möjligheterna med intelligent affärsautomation är genom praktiska, verkliga exempel och användningsfall. Här är några sätt som intelligent automationsteknik kan hjälpa till i vissa branscher.
1. Kundtjänst
Förväntningarna på kundservice har ökat dramatiskt under de senaste åren. Den moderna konsumenten kräver alltid tillgängliga självbetjäningsalternativ med en hög grad av personalisering. Intelligent automatisering hjälper företag att erbjuda den förväntade nivån av kundanpassad service utan de höga omkostnader som är förknippade med mänsklig personal.
Chatbots som drivs av naturliga språkprocessorer och är anslutna till plattformar för hantering av kundrelationer (CRM) kan erbjuda utmärkta kundupplevelser. I kombination med automatiserad e-posthantering, prediktiv analys och sentimentanalys får företagen en omnikanalshantering som förutser problem och hjälper till att behålla kunderna.
2. Hälso- och sjukvård
Sjukvården har varit en viktig användare av intelligent automation. Global ohälsa innebär att sjukhusen blir allt mer belastade, och många knakar i fogarna under trycket. Snäva budgetar och överarbetad personal understryker behovet av ökad effektivitet, särskilt när det gäller administrativa uppgifter som patientregistrering, försäkringshantering, schemaläggning, fakturering med mera.
3. Ekonomi
Finansbranschen har med rätta fått rykte om sig att ligga i framkant när det gäller banbrytande teknik. Som tidiga användare av RPA-teknik har branschen fortsatt att hitta sätt att öka effektiviteten och uppfylla lagstadgade krav. Intelligent automatisering används inom hela finanssektorn för att upptäcka bedrägerier och följa lagar och regler. Men tekniken hjälper också till med driften och effektiviserar beslutsfattandet för låneansökningar med mera. Dessutom kan den automatisera programvarutestning och hjälpa finansinstitut att skapa skräddarsydd programvara.
4. Tillverkning
Under de senaste åren har allmänhetens medvetenhet om frågor som rör försörjningskedjan ökat på grund av flaskhalsar, inflation och en allmän levnadskostnadskris. Tillverkarna måste ta till sig den digitala omvandlingen när köpbeteendet utvecklas och affärsdynamiken förändras. Denna verklighet är särskilt tydlig i nyindustrialiserade länder eller utvecklingsländer.
RPA och IPA kan hjälpa företag inom dessa områden att överbrygga klyftan och förbättra processer och organisation över hela värdekedjan. Automatisering av produktionsorder, förståelse för och anpassning till förändrade kundpreferenser, förbättrad logistik och minskat avfall är bara några områden som kan dra nytta av AI-drivna verktyg.
Är intelligent processautomation och hyperautomation samma sak?
Även om många experter använder intelligent processautomation och hyperautomation synonymt är det två skilda begrepp. Förvirringen är förståelig. Båda disciplinerna ligger i framkant när det gäller att automatisera IT- och affärsprocesser med hjälp av artificiell intelligens och annan relaterad teknik. Det är dock viktigt att förstå skillnaderna mellan de två.
Som nämnts ovan använder intelligent processautomation en blandning av tekniker som AI, ML, datorseende, kognitiv, naturlig språkbehandling och, naturligtvis, RPA.
Hyperautomation, å andra sidan, är en filosofi eller metod som syftar till att automatisera så många affärsprocesser som möjligt.
Förvirringen beror till stor del på att IPA är en del av en hyperautomatiseringsstrategi. Hyperautomation är dock en mer sofistikerad, accelererad version av IA med mycket större räckvidd. Istället för att hantera fasta processer eller uppgifter arbetar hyperautomation över plattformar och tekniker för att maximera verksamhetens effektivitet.
Där IPA och RPA korsar varandra och konvergerar
Vi har ägnat en stor del av den här artikeln åt att dissekera de relativa fördelarna med IPA och RPA. Även om det är bra att skilja mellan dessa automatiseringstekniker är det inte helt korrekt att betrakta dem som motstridiga eller konkurrerande verktyg. Det bästa sättet att förstå deras kapacitet är som kompletterande automatiseringsverktyg.
Det finns ett antal punkter där de båda verktygen korsar varandra.
#1. IPA som en lösning på RPA:s begränsningar
I artikeln How to Compete in the Age of Artificial Intelligence (Mohanty och Vyas, 2018) skriver författarna att “RPA-robotar gör exakt vad du säger till dem, det är deras största styrka, men också deras största svaghet.” Denna känsla understryker en kritisk punkt om gränserna för RPA: Ostrukturerad data och oförutsägbara scenarier innebär dock att företag inte kan använda RPA-lösningar för alla uppgifter.
Maskininlärning kan bidra till att utöka RPA:s kapacitet, särskilt inom två huvudområden. Det är de:
1. Hantering av ostrukturerade data
2. Att öppna dörren för beslutsfattande på högre nivå
I dagsläget är RPA-verktyg oförmögna att göra ovanstående. Men när automatiseringen kompletteras med AI kan den nå en helt ny nivå.
#2. Som en språngbräda mot IPA- eller hyperautomatiseringsimplementering
Det är frestande att betrakta RPA, IPA och hyperautomation som ett kontinuum. Ändå kan det vara en något förenklad bild av saken. Faktum är att alla komplexa automationssystem som inkluderar IPA eller hyperautomation kommer att vara starkt beroende av RPA. Därför kommer RPA-verktyg fortfarande att vara både relevanta och nödvändiga i dessa avancerade scenarier.
Där detta argument är mer robust är i samband med genomförandet. Vägen till hyperautomation kräver en hel del forskning om vilka uppgifter som kan automatiseras. Genom att börja med RPA bygger man en solid grund för vilka typer av uppgifter som kan automatiseras. Det gör det möjligt för företag att bygga och testa automatiseringsarbetsflöden som de så småningom kan utöka och komplettera med IPA.
Hyperautomation är ett tillvägagångssätt som innebär att man automatiserar allt som är möjligt. Hur det ser ut kommer att skilja sig från företag till företag. Inom vissa företag kan det handla om RPA, som till en liten del stöds av AI; i andra kan det vara en fullfjädrad, omfattande automatiseringsmaskin med minimal mänsklig insats.
#3. Prediktiv analys och beslutsfattande
RPA utför definierade uppgifter baserat på särskilda utlösare eller ingångar. När vi tänker på några av fördelarna med IPA, som sentimentanalys, naturlig språkbehandling, datorseende och ML-funktioner, är det tydligt att tekniken kommer att kunna hantera en hel del röriga data och omvandla dem till strukturerad information som kan fungera som dessa triggers eller ingångar.
Möjligheterna här är häpnadsväckande. Som vi har sett inom den medicinska industrin har forskning visat att AI överträffade radiologer vid mammografiscreening. För att kunna göra exakta förutsägelser krävs många års erfarenhet och domänexpertis som försvinner när någon går i pension eller slutar. RPA förstärkt med AI kan hjälpa till att överbrygga detta erfarenhetsgap.
Även om exemplet med mammografiscreening är iögonfallande kan fördelarna med RPA och IPA tillämpas på flera andra affärshanteringsscenarier som kräver högkvalitativ kognition eller beslutsfattande. När dessa beslut väl har fattats kan de utlösa nedströmsåtgärder via RPA, vilket ger en otrolig produktivitetsnivå för ett brett spektrum av företag.
Fem intelligenta automatiseringsverktyg
Det finns flera leverantörer av intelligent automation på marknaden. Var och en erbjuder en unik blandning av olika tekniker, metoder och priser. Låt oss titta närmare på fem av de största namnen inom IA-området.
#1. ZAPTEST
ZAPTEST är en intelligent automatiseringslösning som erbjuder toppmoderna hyperautomatiseringsverktyg för både mjukvaruautomation och robotiserad processautomation. Den använder en blandning av Computer Vision Technology och RPA för att hjälpa användare att upptäcka och automatisera både front- och back-end kontorsuppgifter. Plattformen har utmärkta funktioner som OCR och gedigna analysverktyg. Den levereras också med kodlös kapacitet, gratis- och företagsversioner, automatisering av alla appar över plattformar och webbläsare, obegränsade licenser och en ZAP-expert på heltid som arbetar som en del av kundens team (inom dess företagsversion)
#2. IBM Cloud Pak för affärsautomation
IBM Cloud Pak är en modulär, intelligent automatiseringslösning för hybridmoln. Denna heltäckande plattform för affärsautomation är utrustad med en mängd olika funktioner, inklusive automatisering av arbetsflöden, dokumenthantering, processmining och beslutshantering. Det inkluderar också verktyg med låg eller ingen kod och bra kundsupport.
#3. UiPath plattform för verksamhetsautomation
UiPath har stärkt sitt RPA-erbjudande med intelligent affärsautomation. Plattformen använder datorseende och obevakad robotteknik (med deras ord “robotar som hanterar robotar”) för att uppnå dessa mål. De använder också kognitiva förbättringar för att förstå språk och ostrukturerade data. UiPath Business Automation Platform kan integreras med kognitiva tjänster från tredje part från leverantörer som IBM, Google och Microsoft.
#4. SS&C Blue Prism Cloud
SS&C Blue Prism Cloud är en annan molnbaserad plattform för intelligent automatisering med IA-funktioner. Företaget erbjuder också intelligenta automatiseringstjänster som hjälper teamen att hantera implementering och underhåll. Förutom intelligenta verktyg för robotiserad processautomation erbjuder Blue Prism Cloud även en kodfri designstudio med dra-och-släpp-funktion och Control Room, en funktion för orkestrering av arbetsflödesautomation.
#5. Microsoft Power Automate
Microsoft Power Automate, som tidigare hette Microsoft Flow, är en annan molnbaserad intelligent automatiseringslösning utan kod. Paketet erbjuder en funktion som kallas AI Builder som är användarvänlig, skalbar och lätt att ansluta. Microsofts mycket omtalade investering på 10 miljarder dollar i ChatGPT innebär att företaget tillhandahåller funktioner för bearbetning av naturligt språk i kombination med ett peka-och-klicka-gränssnitt som gör det möjligt för icke-tekniska team att bygga intelligenta arbetsflöden för robotprocessautomatisering.
Avslutande tankar
RPA och IPA är olika tekniker. Men de kompletterar varandra på djupet. Den verkliga kraften i båda verktygen ligger i deras förmåga att förstärka inte bara mänskliga arbetare utan också varandra. Som många exempel på intelligent automatisering visar kan mycket av det kärnarbete som IA möjliggör utföras av digitala medarbetare och robotar. För att lyckas med automatisering måste man bryta ner och förstå befintliga arbetsflöden. RPA kan ta hänsyn till många av dessa beståndsdelar.
Vi står inför en spännande era i arbetslivet, där människans kognitiva förmågor kan kompletteras med AI. Digital omvandling är med rätta en prioriterad fråga för företag i både utvecklade länder och utvecklingsländer. Att använda IPA- och RPA-verktyg kommer att utgöra en central del av dessa omställningar och möjliggöra oanad produktivitet.
