Решение все более сложных для автоматизации задач

Во время промышленной революции автоматизация позволила машинам взять на себя трудные, повторяющиеся задачи, которые выполняли люди, и заменила их гораздо более быстрыми, надежными и менее утомительными усовершенствованиями из стали, пара, шестерен и двигателей. Это позволило нам перейти от изготовления одежды вручную к массовому производству ее партиями. Информационная революция также ускорила коммерцию и бизнес, заменив огромные комнаты с пишущими машинками, картотеками и множеством секретарей компьютерами, которые могли работать быстрее, с большим количеством информации и без устали. Но непрекращающийся рост производительности в бизнесе и промышленности на этом не остановился — интернет-революция позволила компаниям взаимодействовать с миллионами клиентов круглосуточно и обеспечивать уровень обслуживания и реагирования, которого они раньше не могли достичь. Итак, мы находимся в конце продолжающегося роста производительности, или предприятия могут еще раз революционизировать себя с помощью новых технологий?

Сегодняшние работники умственного труда похожи на вчерашних офисных работников. Они проводят время в электронной почте, по телефону, в различных настольных и онлайн-приложениях и на веб-сайтах, общаясь с клиентами, поставщиками, сотрудниками, партнерами и внутренними заинтересованными сторонами. Большая часть времени тратится на работу с различными системами для перетасовки информации из одного места в другое или ввода/манипулирования данными из одной системы в другую. Если вы когда-либо имели дело с бюрократической организацией, такой как ваш Департамент транспортных средств, вы испытываете радость от работы с экономикой услуг, основанной на знаниях. Но так быть не должно.

Большая часть причин, по которым организации, по-видимому, видят ограниченную производительность своих офисных и умственных работников, заключается в том, что информация находится в нескольких разных системах, в разных форматах и ​​с различными процессами, которые определяют, как информация может течь из одного места в другое. Можно было бы подумать, что переход к интерфейсам прикладного программирования (API) и другим системам компьютерных технологий мог решить эту проблему. Тем не менее, хотя API упростили технический аспект перемещения информации из одного места в другое (иногда), они не решили проблему устранения различий в информации. Эти различные различия требуют от человека понимания того, когда нужна информация, как с ней нужно манипулировать и как использовать ее для любой конкретной задачи, необходимой организации.

Почему роботизированной автоматизации процессов недостаточно

В этом пространстве сбора, управления и манипулирования данными из самых разных источников появляется новый класс автоматизированных «машин»: инструменты роботизированной автоматизации процессов (RPA). Эти роботы действуют от имени или вместо своих коллег-людей, чтобы взаимодействовать с существующими устаревшими системами на предприятии или где-либо в Интернете. Они имитируют поведение людей, чтобы человек мог сосредоточиться на более важных для компании задачах, а не, скажем, на копировании информации с веб-сайта в электронную таблицу.

Тем не менее, в то время как RPA вносит значительные улучшения в деятельность компании, заменяя рутинную человеческую деятельность автоматизированными задачами, искусственный интеллект (ИИ) готов дать этому новому механизму производительности гигантский импульс. Инструменты RPA застревают, когда требуется суждение о том, что, как и когда использовать определенную информацию в определенных контекстах. Что, если системы смогут учиться у своих руководителей-людей тому, как использовать эту информацию? Системы, которые используют машинное обучение (ML) для динамической адаптации к новой информации и данным, превратят эти системы из простых роботов, автоматизирующих процессы, в инструменты интеллектуальной автоматизации процессов (IPA), которые могут существенно повлиять на экономику работников умственного труда. Или, как выразился McKinsey Consulting: «По сути, IPA убирает робота из человека».

Интеллектуальная автоматизация процессов: следующий шаг

Даже традиционные инструменты RPA, как правило, дают сбой, когда что-то существенно отличается от того, что было записано. В частности, бывают случаи, когда необходимо понять контекст страницы и предпринять различные действия в зависимости от понимания обстоятельств. Например, при переносе медицинской информации из одной системы в другую использование одной лабораторной системы над другой зависит от вида диагностики или лечения. Машинное обучение и другие подходы ИИ могут помочь справиться с такими ситуациями, используя обработку текста или произнесенных слов на естественном языке, используя различные определения следующих шагов на основе изученных взаимодействий и, таким образом, обеспечивая определенный уровень рассуждений и понимания различных путей, которые автоматизированы. система может взять.

Кроме того, во многих случаях информация является неполной, требует дополнительного уточнения или объединения с несколькими источниками для выполнения конкретной задачи. Например, данные пациента могут иметь неполную историю, которая не требуется в одной системе, но требуется в другой. Другим примером является информация о клиентах, которая нуждается в дополнении из других систем, чтобы обеспечить большую ценность. Интеллектуальные системы могут создавать и поддерживать более полный профиль клиента, пациента, сотрудника, партнера, потребителя или другого лица и компании и использовать эти знания для заполнения пробелов в информации, полученной из различных источников. Таким образом, интеллектуальные системы автоматизации процессов могут помочь устранить многие исключения, требующие вмешательства человека в системы RPA.

Cognilytica потратила время на анализ рынка IPA, и мы определили, что ключевые возможности относятся к нескольким уровням «AI-Enabled», как мы определяем ниже:

Узнайте больше о рынке IPA в отчете Cognilytica Market Report

Хотите узнать больше о рынке IPA, ключевых поставщиках, на которых следует обратить внимание, и наших прогнозах для рынка, который, по нашим прогнозам, к 2023 году составит более 8,3 млрд долларов совокупного дохода от программного обеспечения и услуг? Затем ознакомьтесь с Отчетом о рынке IPA на сайте Cognilytica — бесплатно для подписчиков Cognilytica Access и доступен для покупки тем, кто не является подписчиком. Вы также можете послушать наш подкаст на эту тему: AI Today Podcast #22: Intelligent Process Automation.