RPA en de uitbreiding ervan naar AI:een nieuw tijdperk van zakelijke en IT-afstemming aansturen

'De toepassingen van intelligente automatisering zullen ook blijven groeien naarmate nieuwe AI-technieken en -oplossingen radicaal op de markt komen het veranderen van de toekomstige werkplek.'

Robotic process automation (RPA) heeft ons de afgelopen jaren een heel eind op weg geholpen in de richting van het ontsluiten van productiviteitsvoordelen die verbonden zijn aan handmatige processen en heeft geleid tot een mentaliteit dat dingen kunnen veranderen zonder de noodzaak van massale herontwikkeling van systemen.

Wanneer grootschalige verandering geen realistische optie is voor organisaties, kan RPA fungeren als een katalysator om bedrijven vooruit te helpen en waarde toe te voegen, waardoor ze strategische plannen kunnen bouwen rond investeringen die ze al hebben gedaan in hun legacy-systemen.

De uitbreiding naar kunstmatige intelligentie (AI) is de volgende stap van deze fijnmazige, snellere vorm van transformatie, waarbij steeds meer bedrijfsactiviteiten geheel of gedeeltelijk geautomatiseerd worden met steeds geavanceerdere middelen. Dit wordt gewoonlijk cognitieve RPA of CRPA genoemd.

Dus, wat zijn enkele praktijkvoorbeelden die RPA en AI combineren in bredere intelligente automatiseringsoplossingen?

Procesdetectie

Naarmate nieuwe digitale technologieën op de markt komen, staan ​​zakelijke professionals voor de uitdaging om precies te begrijpen waar oplossingen waardevol kunnen zijn om de efficiëntie te vergroten en een businesscase voor implementatie te ontwikkelen.

Vaak weet u intuïtief waar er inefficiënties zijn, maar dit moet worden ondersteund door een meer empirisch onderbouwd, bottom-up beeld van wat er gebeurt in de IT-systemen en apparaten van een bedrijf om een ​​sterk argument voor investeringen te maken - dit is waar procesdetectie zo belangrijk is. Het verschil tussen perceptie van waar inefficiënties liggen en wat er in het systeemlandschap gebeurt, kan verrassend zijn.

Door gebruik te maken van analyses, machine learning en AI, kunt u een empirisch onderbouwd beeld van de operationele processen van een organisatie opbouwen, wat op zijn beurt een dieper inzicht geeft in waar digitale technologieën kunnen worden toegepast - of dat nu systeemwijzigingen zijn of de toepassing van RPA op processen uitzonderingen bijvoorbeeld. Het stelt u ook in staat om de voordelen van deze oplossingen te beoordelen zodra ze zijn geïmplementeerd.

Ongestructureerde gegevens beheren

Ondanks de opkomst van digitale en robotica-oplossingen, blijft het beheer van formulieren, correspondentie, contracten en andere vrije tekstinhoud een grote uitdaging voor bedrijven. Dit is met name het geval bij extern materiaal, zoals contracten met klanten of leveranciers, waardoor de noodzaak van zeer handmatig casemanagement ontstaat.

Dit is momenteel een van de belangrijkste gebieden waar bedrijven RPA willen uitbreiden naar het AI-domein. In deze context is RPA de aggregator, die de onbewerkte gegevens verkrijgt die nodig zijn om de AI-componenten te voeden, of het nu gebaseerd is op computervisie, patroonherkenning, classificaties of natuurlijke taalverwerking. Zodra de AI-modules hun functies hebben voltooid, kan RPA worden gebruikt om de antwoorden naar de doelsystemen te pushen.

RPA kan, indien ondersteund door verschillende AI-modules, specifieke mogelijkheden bieden om subjectieve verwerkingstaken uit te voeren die traditioneel door mensen worden uitgevoerd.

De conversatie-interface

Volgens een onderzoek dat dit jaar door Capgemini is uitgevoerd, zullen spraakassistenten de komende drie jaar een dominante manier van consumenteninteractie worden – 24% zegt al dat ze chatbots en voicebots zouden gebruiken in plaats van een website. De opkomst van spraakassistenten zoals Google Assistant, Amazon Alexa en Apple's Siri verandert de klantrelaties ingrijpend en bedrijven worden gedwongen na te denken over hoe ze kunnen worden benut.

Om deze oplossingen binnen een bedrijf in te zetten, hebben we een mechanisme nodig dat toegang geeft tot het applicatiedomein van een organisatie. Een voicebot of chatbot is natuurlijk alleen zo slim als de informatie die hij kan extraheren en doorgeven aan zijn gebruiker. De manier waarop dit in dit voorbeeld samenkomt, is door de robots in te zetten om de gegevens op te halen en af ​​te leveren aan onze conversatie-interface, de chatbot, en zo de gestelde vraag te beantwoorden.

Dit wordt bereikt doordat de chatbot de abstracte vraag omzet in een reeks vragen die door het RPA-systeem kunnen worden begrepen. De robot bevraagt ​​vervolgens het (de) geregistreerde systeem(en) om relevante gegevensitems op te halen, verpakt ze en geeft het pakket terug aan de chatbot, zodat deze deze kan reconstrueren in een natuurlijke taalreactie.

RPA is een cruciaal onderdeel bij het ontsluiten van applicaties – met name applicaties die moeilijk te integreren zijn – en stelt hen in staat deel te nemen aan de nieuwe wereld van conversatie-interfaces.

Snelheid tot inzicht

Alle bedrijven hebben een of andere datapijplijn die hun toeleveringsketens en magazijnen voedt. Ze zijn ontworpen om te proberen om regelmatig 100% van de benodigde gegevens te verstrekken. Hoewel het meestal voldoende is voor rapportage, is het niet een volledig genoeg dataset voor analyse en het genereren van inzichten.

Er is altijd een ‘last mile’ aan aanvullende analyse nodig om een ​​specifiek inzicht vast te leggen. Dit vult de dataset aan met gegevens ter ondersteuning van de analyse van hoofdoorzaken van uitdagingen, zoals bijvoorbeeld de maandafsluiting.

RPA kan worden gebruikt om die laatste mijl van extractie te ondersteunen, door de aggregatie en gegevensvoorbereiding te bieden om de dynamische rapportagebehoeften te ondersteunen, zonder te hoeven wachten tot de bedrijfs-IT de datapijplijnen uitbreidt. Dit stelt ons op zijn beurt in staat om dingen te voorspellen en te doen die historisch moeilijk waren voor mensen.

We hebben moeite om te voorspellen omdat we niet kunnen omgaan met de enorme hoeveelheden gegevens. We hebben moeite om grote hoeveelheden gegevens te vertellen die een groot aantal afdelingen of afdelingen bestrijken. AI kan worden gebruikt om technieken voor het genereren van natuurlijke taal te modelleren en te voorspellen of te gebruiken om een ​​grammaticaal correcte, verhalende samenvatting van de bevindingen te maken binnen een blok met onbewerkte gegevens in plaats van legers van mensen te gebruiken.

In veel van de hierboven geschetste use-cases bevinden we ons nog in de zeer vroege fasen van het benutten van de voordelen van RPA en de uitbreiding ervan naar AI. Dat toont echter alleen maar aan hoeveel RPA de komende jaren zal blijven evolueren en uitbreiden binnen bedrijven.

De toepassingen van intelligente automatisering zullen ook blijven groeien naarmate nieuwe AI-technieken en -oplossingen op de markt komen, waardoor de toekomstige werkplek radicaal verandert. Om ervoor te zorgen dat bedrijven deze technologie volledig kunnen benutten, moeten ze eerst begrijpen hoe deze oplossingen hun processen kunnen transformeren en strikt beheer toepassen om ervoor te zorgen dat hun besluitvorming effectief is.

Als bedrijven ernaar streven deze verbonden, maar fijnmazige oplossingen in hun organisaties te implementeren, zal dit hen helpen een transformatie met twee snelheden te realiseren en zal een nieuw tijdperk van zakelijke en IT-afstemming volgen.