25 Sumber Daya Terbaik 2020 Kami untuk Membuat AI Perusahaan Menjadi Kenyataan

Ini bukan tahun pertama seseorang memperkirakan kecerdasan buatan (AI) akan tiba. Namun tahun 2020 berbeda:pandemi COVID-19 secara signifikan mempercepat laju adopsi teknologi transformasi digital.

Pelanggan yang kami ajak bicara ingin menggunakan otomatisasi dan AI untuk membangun ketahanan saat mereka bersiap untuk masa depan. Menuju tahun 2021, tidak ada jalan untuk melihat ke belakang:era kecerdasan buatan perusahaan ada di depan kita. Dan kami bukan satu-satunya yang mengatakan demikian:Forrester juga memprediksi, “Sekarang saatnya AI bersinar.”

Kombinasi itulah yang penting—menambahkan AI ke otomatisasi telah secara drastis memperluas cakupan yang dapat diotomatisasi oleh perusahaan. 2020 memperjelas bahwa AI bukan hanya tren. AI adalah pilar perusahaan yang sepenuhnya otomatis™ dan perusahaan yang sepenuhnya otomatis membawa AI ke setiap aspek pekerjaan. Potensi otomatisasi sangat besar. Kami percaya kekuatan AI dapat membuatnya hampir tak terbatas. Dalam posting ini, kami telah mengumpulkan dan meringkas sumber daya terbaik yang dikumpulkan oleh tim AI UiPath pada tahun 2020. Anda akan menemukan harta karun sumber daya—mulai dari video hingga artikel hingga studi kasus—yang akan menunjukkan mengapa 2020 penting tahun untuk AI. Lebih dari itu, Anda akan mengetahui mengapa tahun 2021 akan lebih besar lagi.

Gabungkan AI dan RPA untuk mendapatkan manfaat dari keduanya

Enterprise AI adalah yang paling kuat dan paling mudah diakses setelah perusahaan menggabungkannya dengan RPA. Di atas landasan otomatisasi, AI dapat mengalir ke setiap aspek pekerjaan, meningkatkan beberapa proses dan mengubah yang lain. Sepanjang tahun 2020, kami memikirkan secara mendalam arti dari kombinasi AI dan RPA dan apa yang dapat dihasilkannya.

Apa itu AI dan RPA:Perbedaan, Hype, dan Kapan Menggunakannya Bersama-sama

Jangan khawatir jika Anda sedikit bingung tentang perbedaan antara AI dan RPA. Idealnya, teknologi bekerja sama dengan erat, jadi Anda tidak dapat disalahkan karena membingungkannya. Dalam artikel ini, kami merinci perbedaan di antara keduanya.

Ringkasnya, RPA adalah teknologi otomasi dasar yang menghadirkan robot perangkat lunak yang dapat mengotomatiskan tugas-tugas biasa, berulang, berdasarkan aturan yang tidak disukai manusia. AI adalah teknologi otomatisasi mutakhir yang menangani proses kognitif kompleks menggunakan kumpulan data besar.

AI dan RPA:Transformatif sendiri, bahkan lebih kuat bersama

Di sini, kami mengartikulasikan bagaimana RPA dan AI bersama-sama dapat mengeluarkan potensi yang terpendam di pihak lain. Dengan AI, pengembang RPA memiliki kemampuan yang hampir tak terbatas untuk mengotomatisasi proses kognitif. Dengan RPA, developer dapat memasukkan proses AI dengan cara yang sederhana, skalabel, dan aman.

UiPath AI + RPA:Mengaktifkan Ekspansi Otomatisasi Tanpa Batas

Salah satu cara kami berpikir tentang perkawinan kedua teknologi ini adalah melalui kacamata pasangan.

Dalam video di bawah ini, sepasang suami istri hendak membeli rumah. Satu masalah:Sebagian besar bank tidak dapat memproses aplikasi hipotek secara efisien. Itu membuat pasangan kami kedinginan, menunggu rumah mereka, dan membuat bank mereka menunggu siklus pendapatan yang lambat berubah. Yaitu, kecuali mereka memilih AI Superior Bank.

Bank ini, contoh fiktif kami (berdasarkan kasus penggunaan nyata), mengotomatiskan prosesnya dengan robot dan mempersenjatai robot tersebut dengan AI sehingga robot dapat membuat prediksi, menangani variabilitas, dan menafsirkan konten yang tidak terstruktur. Hasil akhirnya adalah proses yang lebih efisien yang memuaskan pelanggan dan perusahaan.

Portofolio yang memungkinkan membawa AI ke dalam RPA

Kami fokus pada aplikasi praktis AI di perusahaan.

Karena itu, kami telah membangun AI ke dalam setiap bagian Platform UiPath. Melalui portofolio kami, Anda dapat mengotomatiskan lebih banyak proses dengan:

1. Menemukan lebih banyak peluang otomatisasi di mana saja:Dengan AI dan RPA bersama-sama, Anda dapat menemukan peluang otomatisasi dan membangun jalur otomatisasi yang lebih baik.

2. Mengajar robot Anda untuk menangani tugas "berpikir":Dengan UiPath Document Understanding, UiPath AI Computer Vision, dan Chatbots, Anda dapat melengkapi robot Anda dengan kemampuan untuk melakukan semua jenis proses kognitif.

3. Memasukkan AI ke dalam robot dengan mudah:Dengan UiPath StudioX dan UiPath AI Fabric*, Anda dapat menambahkan keterampilan AI dan menerapkan AI dengan mudah seret dan lepas.

4. Memanfaatkan loop pembelajaran:Dengan semua alat ini, Anda dapat meningkatkan kinerja robot perangkat lunak dan model AI Anda saat data baru masuk.

Portofolio ini mengubah proses yang melibatkan, misalnya, meninjau resume, menyelesaikan klaim, dan memastikan kepatuhan audit.

*Catatan editor:UiPath AI Fabric sekarang Pusat AI .

5 Cara RPA dan AI Dapat Memposisikan Bisnis Untuk Sukses Sekarang dan Setelah COVID-19

Seperti yang kami tulis di atas, COVID-19 terbukti menjadi akselerator transformasi digital. Proses yang didorong oleh RPA dan AI akan segera menjadi normal baru, dan bisnis yang ingin tetap kompetitif harus menerapkan RPA dan AI sekarang dan menerapkannya secara mendalam. Dalam postingan ini, kami membahas lima cara berbeda yang dapat digunakan bisnis untuk menggunakan RPA dan AI agar sukses—bahkan setelah pandemi. Jika C-suite Anda masih ragu tentang otomatisasi, ini adalah pos yang harus mereka berikan.

Tetapkan fondasi kesuksesan AI dengan pengetahuan tentang sejarah dan teknologinya

Kecerdasan buatan perusahaan membutuhkan fondasi untuk berhasil. Tanpa itu, bahkan para pemimpin bisnis paling inovatif pun tidak akan bisa mengendalikannya. Sebuah studi Accenture menunjukkan bahwa 76% eksekutif berjuang untuk meningkatkan AI di seluruh bisnis mereka. Lebih buruk lagi, banyak eksekutif C-suite—sebanyak tiga dari empat—takut jika mereka tidak meningkatkan AI dalam lima tahun ke depan, mereka akan gulung tikar. Keinginan untuk masa depan ada di sana, seperti ketakutan akan terdegradasi ke masa lalu. Yang hilang adalah pemahaman tentang dari mana AI berasal dan apa artinya mendukung perkembangannya.

Sejarah AI:Dari Fiksi Futuristik hingga Masa Depan Perusahaan

Daniel Dines, Pendiri dan CEO kami, senang mengatakan bahwa otomatisasi bukanlah hal baru. Otomasi membentang kembali ke awal umat manusia, ketika beberapa manusia pertama mencoba mengurangi biaya pekerjaan mereka. AI jauh lebih modern (dan efisien, untungnya). Dalam posting ini, kami membahas sejarah AI, mulai dari pengenalannya di aula akademis yang suci hingga aplikasi bisnis nyata di lapangan. Perjalanan ini sangat menarik, dan bermanfaat bagi setiap pemimpin bisnis untuk mengetahui di mana masa depan berakar.

Menggabungkan OCR Dengan AI dan RPA untuk Analisis Data Tingkat Lanjut

AI memerlukan banyak teknologi prakondisi—pengenalan karakter optik (OCR) yang paling utama di antaranya. Setelah dilengkapi dengan OCR, robot perangkat lunak dapat mencerna data tidak terstruktur (yang menyumbang sekitar 80% hingga 90% dari semua data) dan menghasilkan teks yang disandikan oleh mesin. Jika Anda menambahkan AI ke dalam campuran, robot perangkat lunak dapat menginterpretasikan data yang dihasilkan menggunakan petunjuk konteks, yang berarti mereka dapat menangani variabilitas dalam data mentah dan dokumen terpisah seperlunya. Trifecta:AI, RPA, dan OCR memberikan hasil yang tidak dapat dilakukan sendiri oleh ketiganya.

UiPath Menanggapi Konsultasi Komisi Eropa tentang Kecerdasan Buatan

2020 melihat banyak peristiwa besar di AI di luar dunia bisnis langsung — salah satunya, Komisi Eropa yang memproduksi buku putih “Tentang Kecerdasan Buatan:Pendekatan Eropa untuk keunggulan dan kepercayaan.” Kami bergabung dengan perusahaan seperti Google dan Microsoft untuk menanggapi makalah ini. Kami memberikan banyak saran tentang cara terbaik untuk mengatur AI, seperti:

• Ambil pendekatan berbasis risiko secara bertahap, proporsional.

• Menyelaraskan peraturan untuk konsistensi di seluruh pasar UE.

• Berikan definisi AI yang ringkas dan jelas.

Ini adalah diskusi yang dengan senang hati kami lakukan dan dengan senang hati akan terus berlanjut. Pada tahun 2021, seiring dengan pertumbuhan AI, kami berharap diskusi akan berkembang.

Pelajari kasus penggunaan untuk kecerdasan buatan perusahaan

Kasus penggunaan untuk AI perusahaan cenderung terbagi dalam tiga kelompok:proses yang sangat bervariasi, alur kerja dengan hasil yang tidak terduga, dan tugas yang menggunakan data tidak terstruktur. Dalam kehidupan nyata, kasus penggunaan ini mungkin terlihat seperti prediksi penerimaan kembali dalam perawatan kesehatan, pengoptimalan harga di ritel, deteksi penipuan dalam layanan keuangan, dan banyak lagi. Sepanjang tahun 2020, kami mencoba menyoroti kasus penggunaan ini dan membuat AI terasa nyata.

UiPath adalah perusahaan yang berfokus pada pelanggan, dan, dengan demikian, kami telah membawa pelanggan dan mitra kami ke garis depan bila memungkinkan:

• Dalam Bagaimana AI Dapat Terus Meningkatkan dan Menskalakan Otomatisasi, kami mempelajari bagaimana Evros—sebuah perusahaan di industri layanan terkelola TI dan integrasi sistem—menggunakan otomatisasi cerdas untuk mengurangi beban kerja manusia dan bagaimana Cognizant membantu pelanggan mereka menambahkan AI ke RPA.

• Di Heritage Bank:Driving Automation With RPA dan AI, kami mempelajari bagaimana mutual bank terbesar di Australia mencapai akurasi 98% dengan model machine learning (ML) (dibuat oleh UiPath) yang mereka terapkan di AI Fabric.

• Di Perusahaan Asuransi Kesehatan Besar yang Menggunakan Pusat AI UiPath untuk Merampingkan Hasil Klinis, kami mempelajari bagaimana Amitech menghemat $11 juta menggunakan UiPath serta kombinasi AI dan otomatisasi.

Kami memiliki lebih banyak kasus penggunaan dari mana mereka berasal. Jelajahi lebih banyak kasus penggunaan layanan perbankan dan keuangan. Atau pelajari lebih dalam kasus penggunaan layanan kesehatan.

Dan jika Anda lebih suka video, lihat daftar putar yang menyertakan lebih banyak kasus penggunaan.

Mudah untuk memulai AI

Salah satu misi kami adalah membuat AI dapat diakses. Tidak ada gunanya bagi kami, dan Anda, jika AI perusahaan tetap menjadi tujuan mulia, sebuah teknologi yang Anda impikan tetapi tidak pernah digunakan. Selama tahun 2020, kami berinvestasi dengan cara yang memudahkan siapa saja untuk memulai AI.

AI Semakin Mudah:Model Pemula UiPath untuk Mengotomatiskan Proses yang Lebih Kompleks

Model pemula adalah kunci untuk membuat AI lebih mudah diakses. Model ML adalah bagian dari perangkat lunak yang dilatih pada kumpulan data yang besar; model pemula mengemas versi pra-latihan yang dapat diterapkan oleh perusahaan menggunakan AI Fabric. Dalam artikel ini, kami merinci beberapa kasus penggunaan utama untuk AI dan ML, dan menunjukkan bagaimana Anda dapat menggunakan model pemula untuk memulai upaya AI Anda.

Latih Ulang Model Pemula AI dengan Mudah untuk Hasil yang Lebih Akurat

Tentu saja, memulai dengan model pemula adalah, yah, baru permulaan. Model-model ini memberikan dasar yang kuat untuk upaya AI Anda, tetapi, pada akhirnya, Anda ingin bergerak melampauinya. Dalam artikel ini, kami menjelaskan bagaimana Anda dapat memodifikasi dan melatih kembali model ML Anda. Kami menyajikan tiga alasan Anda mungkin perlu berlatih kembali:

• Model Anda saat ini tidak dilatih untuk menangani kumpulan data tertentu.

• Model Anda saat ini dapat melakukan beberapa peningkatan.

• Data dunia nyata mengharuskan model Anda saat ini berkembang.

Banyak model yang tidak memerlukan pelatihan ulang, tetapi bagi model yang membutuhkannya, pengetahuan ini sangat penting.

Memperkenalkan Pemahaman Dokumen UiPath – Cara yang Lebih Efisien untuk Memproses Dokumen Secara Cerdas

Pada tahun 2020, kami memperkenalkan UiPath Document Understanding—teknologi baru yang memungkinkan robot perangkat lunak untuk mengurai dan menafsirkan bahkan dokumen yang paling kompleks dan tidak terstruktur. Berbekal AI, robot perangkat lunak UiPath sekarang dapat membaca, mengekstrak, menafsirkan, dan bertindak berdasarkan data. Di masa lalu, ini hanya mungkin untuk dokumen dengan struktur tetap, seperti formulir, paspor, atau lisensi. Sekarang, robot perangkat lunak dapat menggunakan AI untuk memahami dokumen dengan berbagai tata letak atau tanpa struktur tetap, seperti kuitansi, tagihan, dan resume.

Memanfaatkan Dokumen Pemahaman Ekosistem

Pemahaman Dokumen paling baik dijelaskan sebagai ekosistem, bukan fitur. Dalam artikel ini, kami menjelaskan bagaimana teknologi seperti OCR, ekstraktor berbasis template (TBE), pembelajaran tanpa pengawasan (USL), dan pemrosesan bahasa alami (NLP) menggabungkan kekuatan untuk mendorong pemahaman dokumen yang benar-benar canggih.

Menggabungkan Pendekatan Berbasis Aturan dan Berbasis Model untuk Pemrosesan Dokumen yang Lebih Baik

Keuntungan utama lainnya dari Pemahaman Dokumen adalah kemampuannya untuk menggunakan pendekatan berbasis aturan dan berbasis model untuk memproses dokumen. Dalam artikel ini, kami melihat beberapa jenis dan klasifikasi dokumen yang paling umum dan memeriksa keuntungan ekstraksi data berbasis aturan dan ekstraksi data berbasis model. Dengan pemahaman bersama itu, kami menggali beberapa tantangan umum yang dihadapi perusahaan saat menerapkan pendekatan ini dan meninjau manfaat yang dapat dicapai perusahaan setelah mereka menggabungkannya.

Meningkatkan Efisiensi Operasional dan Mengurangi Risiko dengan Pemahaman Dokumen

Pada tahun 2020, kami mengumpulkan beberapa buku putih mendalam yang menganalisis bagaimana bisnis dapat memanfaatkan fitur UiPath baru. Dalam hal ini, kami fokus pada Pemahaman Dokumen UiPath, sebuah ekosistem yang didukung oleh AI yang memungkinkan robot perangkat lunak untuk membaca dan bahkan memahami semua jenis dokumen. Baca buku putih ini untuk memahami cara memilih solusi pemrosesan dokumen Anda dan cara menggunakannya untuk mendorong efisiensi operasional.

Menyatukan Kekuatan AI dan RPA dengan AI Center

Buku putih lain yang kami susun berfokus pada AI, RPA, dan salah satu produk kami yang paling menarik:UiPath AI Center. Ada banyak peluang untuk otomatisasi yang disempurnakan dengan AI, dan dalam buku putih ini, kami membahas bagaimana Anda dapat menerapkan dan menskalakan AI—terutama dengan dukungan UiPath AI Center.

Hasil Bisnis yang Lebih Baik dengan Mengoperasikan Kecerdasan Buatan dalam Skala Besar

Ketika datang ke AI, pertanyaan bagi banyak perusahaan — memang seharusnya begitu — adalah bagaimana mengoperasionalkannya. Ada upaya untuk menstandarisasi siklus hidup ilmu data, tetapi, sejauh ini, upaya ini belum memperhitungkan bahwa kebutuhan setiap perusahaan berbeda. Di sini, kami membedah bagaimana bisnis benar-benar dapat menerapkan ML dan AI dalam skala besar. Kami membahas empat fase:

• Tentukan masalah Anda

• Pahami data Anda

• Bangun model ML

• Terapkan model yang berkembang

Proses empat fase ini memberi Anda operasi ML yang fleksibel, dapat dipelihara, dan skalabel.

Keterampilan untuk bersiap-siap untuk tahun 2021

Penelitian kami menunjukkan keinginan luas untuk pengetahuan AI. Lebih dari 80% pengembang RPA dalam survei kami Dampak RPA pada Pengalaman Karyawan, misalnya, menunjukkan bahwa mereka ingin belajar tentang AI/ML. Selain itu, beberapa pengembang RPA di UiPath State of RPA Developers Report kami mengatakan bahwa mereka ingin menambahkan ML dan ilmu data ke keahlian mereka. Rasa lapar ada di sana, dan sebagai tanggapan, kami telah menambahkan kursus yang relevan ke Akademi UiPath.

Akademi UiPath sekarang menyertakan kursus tentang:

• Pusat AI

• Pemahaman Dokumen

• Visi Komputer AI

Peningkatan keterampilan akan menjadi bagian penting dari kesuksesan pada tahun 2021. Karyawan yang cerdas akan mengejarnya, dan organisasi yang cerdas akan mendorong dan menyediakannya.

Masa depan kecerdasan buatan perusahaan ada di sini—jadi mari kita buat yang bagus. Mulai uji coba perusahaan Anda hari ini.