Hoe bedrijven de nadelen van contentverwerking van RPA kunnen overwinnen

Gebouwd om op digitale assistenten voor werknemers te lijken, is bekend dat robotachtige procesautomatisering nuttig is voor het stroomlijnen van bedrijfsactiviteiten zonder de kosten te verhogen, terwijl menselijke fouten worden verminderd. Alleen RPA-software heeft echter zijn valkuilen als het gaat om het verwerken van inhoud, vanwege incompatibele intelligentie.

Er zijn echter manieren om deze nadelen te overwinnen, zoals onthuld door vijf experts in het veld.

Extra integratie

Een manier om de nadelen van contentverwerking te verhelpen, is door andere intelligente technologieën te combineren en deze in het systeem te integreren.

"RPA-technologie wordt voornamelijk gebruikt voor het automatiseren van op regels gebaseerde processen en het nabootsen van menselijke acties, zoals het verwerken van een factuur en het invoeren van gegevens in SAP- of Oracle-systemen vanuit een Microsoft Excel-spreadsheet", legt Gopal Ramasubramanian, senior director, intelligent automation &technology bij Cognizant uit. .

“Als het echter gaat om het verwerken van inhoud in documenten, is er behoefte aan aanvullende slimme intake-technologieën die optische tekenherkenning (OCR), natuurlijke taalverwerking (NLP) en machine learning (ML) combineren om metadata uit de documenten en automatiseer de verwerking.

“De inhoud kan van verschillende typen zijn, zoals gestructureerd/gedrukt, gestructureerd/handgeschreven, ongestructureerd/gedrukt en ongestructureerd/handgeschreven. Het is vrij eenvoudig om gestructureerde inhoud te extraheren met behulp van standaard OCR-technologieën. Het extraheren van ongestructureerde inhoud vormt echter een uitdaging en in toenemende mate zien we de toepassing van NLP- en machine learning-technologieën om dit aan te pakken.”

Arpit Oberoi, RPA-specialist bij delaware, voegt toe:“De grootste uitdaging waarmee RPA-technologie tegenwoordig wordt geconfronteerd, is het feit dat het vaak nog steeds moeite heeft om ongestructureerde inhoud en gegevens te verwerken. Om dit aanhoudende probleem op te lossen, kunnen organisaties proberen hun gegevens te harmoniseren in meer gestructureerde datasets en waar mogelijk ook AI en RPA combineren om de verwerking van inhoud te optimaliseren of te automatiseren.”

Betrokkenheid van derden

Andrew Rayner, vice-president professionele services EMEA bij UiPath, ging verder op het thema van extra integratie door de noodzaak van applicaties van derden in combinatie met RPA uit te leggen.

"Historisch gezien is de RPA-technologie in staat geweest om te integreren met applicaties van derden om de verwerking van inhoud te ondersteunen", aldus Rayner. "Veel van de OCR-leveranciers (Abbyy, IBM, enz.) hebben bijvoorbeeld directe integratie, waardoor semi-gestructureerde of gestructureerde documenten kunnen worden geclassificeerd en herkend.

“Bij UiPath hebben we zwaar geïnvesteerd in documentbegrip om klanten een 'out of the box'-oplossing te bieden, met de flexibiliteit om verschillende technieken toe te passen, zoals patroonafstemming, sjablonen en machine learning om ongestructureerde en semi-gestructureerde documenttypen aan te pakken. .

"Omdat we breder nadenken over contentverwerking, speelt dit goed in op hyperautomatisering. We hebben nu langlopende workflows met mensen in de lus, waardoor zowel robots als mensen naadloos aan een transactie kunnen werken.

"Er zijn enorme vorderingen gemaakt op het gebied van applicatieconnectiviteit om inhoud te verwerken via de gebruikersinterface of API's, en met de introductie van RPA en ML kunnen robots nu classificeren, sentiment begrijpen en de beste acties voorstellen voor inhoud die ongestructureerd is."

Investeer met zorg in gereedschap

Hoewel de noodzaak om hulp van aanvullende software in te roepen terecht is, moeten organisaties voorzichtig zijn met te hoge uitgaven en ervoor zorgen dat de tools waarin ze investeren een duidelijk, specifiek doel hebben.

"Bedrijven hebben veel ongestructureerde gegevens in veel verschillende formaten in hun hele organisatie, of dat nu documenten, e-mails of zelfs systeemgebaseerde gegevens zijn die niet gestructureerd zijn, zoals betalingsgegevens voor afstemmingen", zegt Chris Porter, CEO van NexBotix. "Dat veroorzaakt een probleem voor RPA, dat alleen gestructureerde, op regels gebaseerde digitale processen aankan.

“Er zijn een aantal verschillende manieren waarop klanten deze tekortkomingen kunnen verhelpen. Een daarvan is om een ​​op maat gemaakte puntoplossing te kopen, zoals een OCR-tool, die gegevens uit documenten kan halen, of ze kunnen investeren in een workflowtool om robots en mensen te helpen orkestreren, of misschien wat machine learning van Google kopen om inzichten uit de documenten te halen. hun complexe documenten. Deze tools zijn ontworpen om een ​​zeer beperkt aantal problemen op te lossen, binnen strakke parameters.

“Elk van deze heeft echter zijn eigen technische uitdagingen; wanneer u aan een van deze projecten begint, krijgt u te maken met aanzienlijke kosten en heeft u de juiste vaardigheden en technologie nodig om elk initiatief te ondersteunen. Elke use-case moet worden behandeld als een individueel project, omdat u in feite koopt voor die specifieke behoefte, en als u veel verschillende soorten gegevens in uw organisatie heeft, veel verschillende processen met dit niveau van ongestructureerde gegevens, u moet elke keer opnieuw beginnen en de juiste oplossing kopen om elk individueel probleem op te lossen.

“De sleutel is het toepassen van de juiste technologie om de juiste problemen op te lossen, maar wel op een schaalbare manier die gericht is op bedrijfswaarde. We hebben bijvoorbeeld kant-en-klare factuurverwerking die we in elk bedrijf kunnen implementeren door gebruik te maken van herbruikbare componenten en het end-to-end bedrijfsproces in de crediteurenadministratie te automatiseren. We hebben al het harde werk gedaan om dat te bouwen en het voor de klant te laten werken.”

Content intelligence

Een laatste manier om de nadelen van RPA bij het verwerken van inhoud te overwinnen, is door extra mogelijkheden te implementeren.

Neil Murphy, global vice-president bij ABBYY, legt uit:“De grootste uitdaging met RPA is dat het niet in staat is om ongestructureerde inhoud zoals facturen, e-mails, formulieren, bonnen of correspondentie te verwerken. Bedrijven kunnen dit echter overwinnen en doen dit ook.

"Het enige dat nodig is, zijn 'vaardigheden' voor content intelligence die RPA-bots slimmer maken door cognitieve mogelijkheden toe te voegen, zoals het analyseren, begrijpen en verwerken van ongestructureerde inhoud. Organisaties kunnen deze vaardigheden op het gebied van content intelligence inzetten met gebruiksvriendelijke oplossingen zonder code of low-code, waarmee hun personeel RPA-bots kan bouwen die een breed scala aan documenten aankunnen.

“We zien nu al adoptie in alle soorten bedrijven waar de technologische toetredingsdrempel door een dergelijke aanpak wordt weggenomen. Dit stimuleert op zijn beurt innovatie - sommige bedrijven combineren deze vaardigheden nu om een ​​geavanceerd cognitief begrip van complexe gebruiksscenario's te bieden. Onboarding van klanten is een goed voorbeeld, waar een veelheid aan documenten moet worden verwerkt, van identiteitsdocumenten en onboardingformulieren tot bankafschriften en bewijs van adres.”