Маддула Вишну Вардхан Редди

РОБОТИЗИРОВАННАЯ АВТОМАТИЗАЦИЯ ПРОЦЕССОВ (RPA):

В интеллектуальной автоматизации одним из самых умных технологических достижений в недавнем прошлом стала концепция роботизированной автоматизации процессов, широко известная под аббревиатурой RPA. Вековой метод очистки экрана или подход к автоматизации тестирования на основе пользовательского интерфейса (UI) очень эффективно расширен в RPA для автоматизации бизнес-процессов, которые выполняются пользователями-людьми с помощью компьютеров, в результате чего появился собственный отраслевой сегмент.

Если концепцию RPA необходимо упростить, ее можно сформулировать как простую технику «записи и воспроизведения», когда робот (который на самом деле представляет собой программное обеспечение, установленное на рабочем столе) обучается тому, как программное обеспечение используется для выполнения некоторых действий. задачи, и робот делает это периодически, что делает его простым, но эффективным способом автоматизации. Например, процесс проверки счета-фактуры может включать в себя загрузку пользователем-человеком счетов-фактур с трех разных порталов поставщиков, загрузку их в систему ERP и сверку значений с соответствующими заказами на покупку, а затем их утверждение или отклонение в системе. Этот процесс можно очень легко включить в программное обеспечение RPA с помощью некоторого количества сценариев. Воздействие заключается в том, что процесс больше не нуждается в человеке для его выполнения, поскольку он становится автоматизированным.

С другой стороны, если один и тот же процесс необходимо автоматизировать с помощью традиционного подхода, это потребует интеграции с системами трех разных поставщиков, которые снова должны быть интегрированы с системой ERP с некоторой логикой проверки. Тот же эффект будет достигнут, но с дополнительными задачами по разработке программного обеспечения, работой с ИТ-командой по открытию портов на брандмауэрах, наличием серверов, выделенных для запуска программного обеспечения, и некоторыми усилиями по обслуживанию. Теперь сравните это с дневной работой по написанию сценариев для программного обеспечения RPA, которое работает на рабочем столе, но без необходимости открытия какого-либо порта, разработки программного обеспечения, интеграции, участия ИТ и т. д. То же самое программное обеспечение RPA можно использовать для автоматизации многих других процессов. , так как он может работать 24 часа в сутки 7 дней в неделю, и, скорее всего, проверка счета-фактуры должна обрабатываться всего несколько часов в неделю.

Одному RPA сложно быть «умным». Хотя RPA предоставляет очень быстрые неинтрузивные средства автоматизации, в буквальном смысле такие же, как использование виртуального пользователя-человека, у него есть свои ограничения. Он применим для процессов, основанных на четко определенных стандартных операционных процедурах (СОП), где правила принятия решений очень четко параметризованы. В любой стратегии автоматизации на основе RPA важно разделить более крупный процесс на «автоматизируемые» области и области «вмешательства человека» и обновить процесс, чтобы обеспечить максимальную автоматизацию. Однако полностью автоматизировать его нецелесообразно. Например, процесс может содержать набор процессов, которые являются довольно процедурными, а некоторые области могут включать применение знаний и вынесение суждений — в случаях, когда огромный объем знаний не может быть эффективно закодирован в алгоритмы, RPA не сможет автоматизировать эту часть. и его нужно будет направить пользователю-человеку. Следовательно, для областей, где необходимо применять человеческое суждение, нет необходимости говорить, что RPA не эффективен.

Таким образом, машинное обучение возникнет для решения проблем со знаниями.

Машинное обучение (МО) — ИИ

Модели машинного обучения можно вставлять в рабочие процессы RPA для выполнения задач машинного восприятия, таких как распознавание изображений: задачи, которые человеческий мозг может выполнять под во-вторых, чьи выходные данные могут быть подключены к более широкому потоку бизнес-логики. Машинное обучение (МО) — это новая технология, которая уже достигла такого уровня, когда ее можно применять для решения реальных задач. ML по существу работает по принципу инкапсуляции большого количества данных (или знаний) в некоторую форму математической модели. Модель может быть использована для применения содержащихся в ней знаний для решения проблем.

RPA и AI пересекаются в том смысле, что вы можете использовать AI как компонент рабочего процесса RPA. Все больше и больше поставщиков RPA используют ИИ в своих продуктах. Полезные приложения продвинутого ИИ в RPA могут включать распознавание изображений (для более надежного распознавания изображений на экране) или анализ текста. Кроме того, глубокое обучение с подкреплением может быть встроено в рабочие процессы RPA или моделирование бизнес-процессов, чтобы максимизировать четко определенные деловая цель.

Машинное обучение можно применять к множеству задач, где есть доступ к большим объемам исторических данных, которые можно использовать для прогнозирования или принятия решений в определенных областях. Следует отметить, что это не похоже на разработку алгоритма; вместо этого он основан на создании базы знаний. Если мы возьмем задачу маршрутизации билетов, будет крайне сложно разработать алгоритм, учитывающий все без исключения билеты, которые были выставлены за последний год (что может составлять, например, многие тысячи описаний билетов и этих описаний). не структурированная информация). Однако подход ML может очень эффективно решать такие ситуации.

Соединение RPA с ML для интеллектуальной автоматизации

Соединение машинного обучения с RPA имеет смысл, когда автоматизация бизнеса осуществляется комплексно и стратегически. Для эффективной, ориентированной на будущее и стратегической автоматизации бизнес-процессов необходимо объединить эти две технологии.

Сила RPA заключается в простоте автоматизации процесса. Однако его ограничение заключается в том, что его нельзя автоматизировать, если он включает в себя принятие решений, основанное на применении знаний. Здесь на сцену выходит ML; он помогает создать базу знаний на основе исторических данных и использует ее для принятия решений и прогнозирования.

если мы возьмем тот же пример процесса маршрутизации билетов L1, то теперь он кажется полностью выполнимым, когда процесс RPA берет описание билета и вызывает службу прогнозирования ML, чтобы получить информацию о маршрутизации для продолжения процесса автоматизации. Это похоже на введение умного агента в процедурный процесс RPA. Также возможно продолжать обогащать модель машинного обучения, периодически переобучая ее и поддерживая ее в актуальном состоянии.

ИИ — это горизонтальная технология, которая принимает решения в отношении данных. Иногда он принимает решения или прогнозы на основе правил, написанных людьми вручную (механизмы правил); иногда он принимает решения, основываясь на наборе числовых параметров, к которым пришел после долгих проб и ошибок (машинное обучение).

Таким образом, объединение возможностей ML с RPA может создать мощные решения для автоматизации. Многие поставщики программного обеспечения RPA пытаются добавить эту возможность в сам инструмент, чтобы расширить его возможности. Однако машинное обучение, являющееся новой областью, требует опыта инженеров, обладающих глубокими знаниями и навыками для разработки точных моделей машинного обучения. Следовательно, это область, управляемая экспертами, где во многих случаях RPA предназначен для конечного пользователя. Обладая необходимым опытом, предприятия могут реализовать действительно интеллектуальные решения по автоматизации, которые приведут к рентабельности инвестиций. Тем не менее, это обычно невозможно реализовать только с помощью RPA.

Примечание. Все исследования, которые я провел, прочитав некоторые статьи великих инженеров.