RPA-contentverwerkingsuitdagingen overwinnen: bewezen strategieën van experts

RPA is ontworpen als digitale assistenten voor medewerkers en stroomlijnt zakelijke operaties zonder kostenverhoging, terwijl menselijke fouten verminderd worden. Maar RPA-software alleen heeft tekortkomingen bij contentverwerking door incompatibele intelligentie. Vijf experts delen strategieën om deze nadelen te overwinnen.

Additionele integratie

Gopal Ramasubramanian van Cognizant: "RPA automatiseert voornamelijk regel-gebaseerde processen en ahmt menselijke acties na, zoals facturen verwerken en data invoeren in SAP of Oracle vanuit Excel. Maar voor contentverwerking in documenten zijn extra slimme inname-technologieën nodig die OCR, NLP en machine learning combineren om metadata te extraheren en verwerking te automatiseren."

"Content kan gestructureerd/geprint, gestructureerd/handgeschreven, ongestructureerd/geprint of ongestructureerd/handgeschreven zijn. Gestructureerde content is makkelijk te extraheren met standaard OCR. Ongestructureerde content is een uitdaging, en we zien toenemende adoptie van NLP en machine learning hiervoor."

Arpit Oberoi, RPA-specialist bij delaware: "De grootste uitdaging is dat RPA nog steeds worstelt met ongestructureerde content en data. Organisaties kunnen proberen data te harmoniseren in meer gestructureerde datasets en, waar mogelijk, AI en RPA combineren om contentverwerking te optimaliseren of te automatiseren."

Derde-partij betrokkenheid

Andrew Rayner van UiPath: "Historisch kon RPA integreren met derde-partij applicaties voor contentverwerking. OCR-leveranciers (Abbyy, IBM) hebben directe integratie voor classificatie en herkenning van semi-gestructureerde of gestructureerde documenten. Bij UiPath hebben we zwaar geïnvesteerd in document understanding voor een 'out-of-the-box' oplossing met flexibiliteit voor pattern matching, templating en machine learning bij ongestructureerde en semi-gestructureerde documenten."

"Dit speelt in op hyperautomatisering: long-running workflows met 'human in the loop', zodat robots en mensen naadloos aan een transactie werken. Er zijn enorme vooruitgang in applicatieconnectiviteit voor contentverwerking via UI of API's. Met RPA en ML kunnen robots nu classificeren, sentiment begrijpen en volgende beste acties voor ongestructureerde content voorstellen."

Investeren in tools, met zorg

Chris Porter van NexBotix waarschuwt voor overspenden: "Bedrijven hebben veel ongestructureerde data in diverse formaten: documenten, e-mails, systeemdata zoals betalingsdata voor reconciliatie. RPA kan alleen gestructureerde, regel-gebaseerde processen aan."

"Er zijn een paar manieren om tekortkomingen te overwinnen: een afgestemde point solution zoals een OCR-tool kopen, een workflow-tool voor orchestratie van robots en mensen, of machine learning van Google voor inzichten uit complexe documenten. Maar elk heeft technische uitdagingen: significante kosten, noodzaak voor juiste skills en tech. Elk use case moet als apart project behandeld worden – je koopt voor die specifieke behoefte. Bij veel verschillende datatypen en processen moet je elke keer opnieuw beginnen."

"De sleutel is de juiste technologie toepassen op de juiste problemen, maar op een schaalbare manier die zich richt op zakelijke waarde. Bijvoorbeeld: we hebben kant-en-klare factuurverwerking die we in elk bedrijf kunnen implementeren met herbruikbare componenten, en het end-to-end zakelijke proces in accounts payable automatiseren. We hebben het harde werk al gedaan."

Content intelligentie

Neil Murphy van ABBYY: "De grootste uitdaging is dat RPA ongestructureerde content niet kan verwerken: facturen, e-mails, formulieren, bonnen, correspondentie. Maar bedrijven kunnen dit overwinnen. Het vereist 'content intelligence skills' die RPA-bots slimmer maken door cognitieve capaciteiten toe te voegen: analyseren, begrijpen en verwerken van ongestructureerde content. Organisaties kunnen deze skills implementeren met no-code/low-code oplossingen, zodat medewerkers RPA-bots bouwen die een breed scala documenten aan kunnen."

"We zien adoptie bij alle bedrijfsgroottes waar de technologische drempel weggehaald wordt. Dit drijft innovatie – bedrijven combineren skills voor geavanceerde cognitieve begrip van complexe use cases. Klantonboarding is een goed voorbeeld: veel documenten moeten verwerkt worden, van identiteitsdocumenten en onboarding-formulieren tot bankafschriften en adresbewijzen."