Hoe AI Robotic Process Automation revolutioneert

RPA, wanneer ondersteund door diverse AI-modules, kan specifieke capaciteiten leveren om subjectieve verwerkingstaken uit te voeren die traditioneel door mensen worden uitgevoerd.

AI en robotic process automation worden vaak in dezelfde zin gebundeld, maar de meerderheid van RPA-initiatieven heeft niets met intelligentie te maken. In de realiteit gaan RPA-initiatieven typisch over het proberen te automatiseren van repetitieve, saaie, regel-gebaseerde processen om tijd vrij te maken voor werknemers om te focussen op het echte 'intelligente' werk, zoals klant-gefocuste taken.

RPA is in essentie 'apje ziet, apje doet'; RPA-software leert processen zonder te begrijpen waarom het werkt. Bijvoorbeeld, RPA-software vertrouwt erop verteld te worden hoe te voldoen aan user interfaces, het registreert de ondernomen taken, zoals cursorbewegingen en klikken, en vertaalt deze acties naar code, als zodanig invalideert elke update of wijziging aan het proces het.

Op dit moment resorten organisaties ertoe om mensen in te zetten om dit soort problemen handmatig te onderhouden, wat ironisch is omdat ze mensen die handmatige taken doen vervangen door technologie die mensen vereist om handmatige taken te doen.

Hoe "AI" kan helpen

Er is goed nieuws: de RPA-markt rijpt. Enterprises beginnen te realiseren wat RPA is, en wat het niet is; ze beginnen ook te begrijpen dat desktop RPA of UI-gebaseerde RPA niet de zilveren kogel is voor elk procesprobleem in elke organisatie.

In deze context kijken enterprises naar AI in de hoop hun bots slimmer te maken.

Voordat we hierin duiken, laten we door de AI-hype snijden en stap weg van het concept van zinnelijke machines die ook schaakgrootmeester kunnen zijn – academisch interessant misschien, maar het correleert niet met zakelijke voordelen.

De AI-velden die meest relevant zijn voor RPA zijn machine learning, predictive analytics en gesofisticeerde cognitive computing. Stel je voor hoe AI updates en wijzigingen aan een UI kan detecteren en RPA-software kan sturen om dienovereenkomstig te handelen.

Breder gezien, het managen van ongestructureerde data is een sleutelgebied waar enterprises naar kijken om RPA uit te breiden in het AI-domein. In deze context is RPA-software de aggregator, die de ruwe data verzamelt die nodig is om de AI-componenten te voeden, of het nu gebaseerd is op computer vision, patroonherkenning, classifiers of natural language processing. Eenmaal de AI-modules hun functies hebben voltooid, kan RPA dan gebruikt worden om de antwoorden in de doelsystemen te pushen.

RPA, wanneer ondersteund door diverse AI-modules, kan specifieke capaciteiten leveren om subjectieve verwerkingstaken uit te voeren die traditioneel door mensen worden uitgevoerd.

Er is geen one-stop-shop voor AI

Er is veel 'AI-washing' in de tech-markt geweest, waardoor het moeilijk is voor zakelijke leiders de gebieden te identificeren waar AI toepasbaar is en welke leveranciers de echte deal zijn.

Wat AI-capaciteiten betreft, zijn sommige RPA-leveranciers meer geavanceerd dan anderen, terwijl andere beter geschikt zijn voor specifieke gebieden of industrieën. Echter, als je vraagt welke ene leverancier de meest cognitieve is, vraag je misschien de verkeerde vraag.

In plaats daarvan zouden organisaties moeten proberen hun blik te verbreden en een meer eclectische mix van AI-oplossingen om te armen.

"Geen enkele RPA-leverancier gaat de beste chatbot zijn, de beste OCR/ICR document capture of de beste natural language processor," argueerde Neil Kinson, chief of staff bij Redwood Software. "Eigenlijk al die zeer smalle use cases van AI vereisen hoogst gerichte, gecureerde datasets, enorm volume en specialisatie. Een RPA-platform zal nooit in al die exceleren.

"Veel organisaties voelen dat ze de piekcapaciteit van RPA hebben bereikt en realiseren dat er nog processen zijn die ze nu begrijpen niet aangepakt kunnen worden door één enkel tool; en eigenlijk, ze moeten meerdere technologieën inzetten om de meerdere procesuitdagingen aan te pakken."