25 Sumber Daya Wajib untuk Kesuksesan AI Perusahaan (2020)
Tahun 2020 bukan kali pertama seseorang memprediksi kedatangan kecerdasan buatan (AI). Namun, 2020 berbeda: pandemi COVID-19 telah secara signifikan mempercepat adopsi teknologi transformasi digital.
Pelanggan yang kita bicarakan ingin menggunakan otomatisasi dan AI untuk membangun ketahanan sambil mempersiapkan masa depan. Menuju 2021, tidak ada jalan kembali: era kecerdasan buatan perusahaan telah tiba. Dan kita bukan satu-satunya yang mengatakan ini: Forrester juga memprediksi, “Saatnya untuk AI bersinar.”
Yang penting adalah kombinasi—menambahkan AI ke otomatisasi telah secara drastis memperluas cakupan apa yang dapat diotomatisasi oleh perusahaan. 2020 membuatnya jelas bahwa AI bukan sekadar tren. AI adalah pilar dari perusahaan terotomatisasi sepenuhnya™ dan perusahaan terotomatisasi sepenuhnya membawa AI ke setiap aspek pekerjaan. Potensi otomatisasi sangat luas. Kami percaya kekuatan AI dapat membuatnya hampir tak terbatas. Dalam posting ini, kami telah mengumpulkan dan merangkum sumber daya terbaik yang disusun tim AI UiPath selama 2020. Anda akan menemukan harta karun sumber daya—dari video hingga artikel dan studi kasus—yang menunjukkan mengapa 2020 adalah tahun penting untuk AI. Lebih dari itu, Anda akan tahu mengapa 2021 akan masih lebih hebat.
Gabungkan AI dan RPA untuk mendapatkan manfaat keduanya
AI perusahaan paling kuat dan paling mudah diakses saat perusahaan menggabungkannya dengan RPA. Di atas landasan otomatisasi, AI dapat mengalir ke setiap aspek pekerjaan, meningkatkan beberapa proses dan mengubah yang lainnya. Sepanjang 2020, kami memikirkan secara mendalam tentang apa yang dimaksud dengan kombinasi AI dan RPA dan apa yang dapat dikapurkannya.
Apa Itu AI dan RPA: Perbedaan, Hype, dan Kapan Menggunakannya Bersama
Jangan khawatir jika Anda masih agak samar mengenai perbedaan antara AI dan RPA. Secara ideal, teknologi ini bekerja erat bersama, jadi tidak salah jika Anda kebingungan. Dalam artikel ini, kami uraikan perbedaan antara keduanya.
Secara singkat, RPA adalah teknologi otomatisasi dasar yang menyediakan robot perangkat lunak yang dapat mengotomatiskan tugas-tugas mundur, berulang, dan berbasis aturan yang tidak disukai manusia. AI adalah teknologi otomatisasi canggih yang menangani proses kognitif kompleks menggunakan kumpulan data besar.
AI dan RPA: Transformatif Sendirian, Lebih Kuat Bersama
Di sini, kami menguraikan bagaimana RPA dan AI bersama dapat melepaskan potensi yang tertidur dalam satu sama lain. Dengan AI, pengembang RPA memiliki kemampuan yang hampir tak terbatas untuk mengotomatiskan proses kognitif. Dengan RPA, pengembang dapat memasukkan proses AI dengan cara yang sederhana, terukur, dan aman.
UiPath AI + RPA: Mengaktifkan Ekspansi Otomatisasi Tanpa Batas
Salah satu cara kami memikirkan pernikahan dua teknologi ini adalah, ya, melalui lensa sebuah pasangan.
Dalam video di bawah, sebuah pasangan hendak membeli rumah. Satu masalah: Sebagian besar bank tidak dapat memproses aplikasi hipotek secara efisien. Ini membuat pasangan itu menunggu di luar, menunggu rumah mereka, dan membuat bank mereka menunggu siklus pendapatan lambat berputar. Itu adalah, kecuali mereka memilih AI Superior Bank.
Bank ini, contoh fiktif kami (berdasarkan kasus penggunaan nyata), mengotomatiskan prosesnya dengan robot dan memberangkatkan robot tersebut dengan AI sehingga robot dapat membuat prediksi, menangani variabilitas, dan menginterpretasikan kontak tidak terstruktur. Hasil akhirnya adalah proses yang lebih efisien yang memuaskan pelanggan dan perusahaan.
Portofolio yang Memungkinkan Penerapan AI ke RPA
Kami berfokus pada aplikasi praktis AI di perusahaan.
Dengan demikian, kami telah membangun AI ke setiap bagian dari Platform UiPath. Melalui portofolio kami, Anda dapat mengotomatiskan lebih banyak proses dengan:
Menemukan lebih banyak peluang otomatisasi di mana saja: Dengan AI dan RPA bersama, Anda dapat mengungkap peluang otomatisasi dan membangun pipeline otomatisasi yang lebih baik.
Mengajari robot Anda untuk menangani tugas “berpikir”: Dengan UiPath Document Understanding, UiPath AI Computer Vision, dan Chatbot, Anda dapat melengkapi robot Anda dengan kemampuan untuk menangani segala jenis proses kognitif.
Menyisipkan AI ke dalam robot dengan mudah: Dengan UiPath StudioX dan UiPath AI Fabric*, Anda dapat menyisipkan keterampilan AI dan menerapkan AI dengan kemudahan seret-lepas.
Memanfaatkan loop pembelajaran: Dengan semua alat ini, Anda dapat meningkatkan performa robot perangkat lunak dan model AI Anda saat data baru mengalir masuk.
Portofolio ini mengubah proses yang melibatkan, misalnya, peninjauan resume, penyelesaian klaim, dan memastikan kepatuhan audit.
*Catatan Editor: UiPath AI Fabric sekarang adalah AI Center.
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 pengendali transformasi digital. Proses yang dihasilkan oleh RPA dan AI segera akan menjadi norma baru, dan bisnis yang ingin tetap kompetitif harus menerapkan RPA dan AI sekarang dan menerapkannya secara menyeluruh. Dalam posting ini, kami membahas lima cara berbeda bisnis dapat menggunakan RPA dan AI untuk berhasil—bahkan di tengah pandemi. Jika C-suite Anda masih ragu tentang otomatisasi, ini adalah posting yang harus dibawa kepada mereka.
Tetapkan Fondasi untuk Sukses AI dengan Pengetahuan tentang Sejarah dan Teknologinya
AI perusahaan memerlukan fondasi untuk berhasil. Tanpa itu, bahkan pemimpin bisnis paling inovatif ditinggalkan tanpa arah. Studi Accenture menunjukkan bahwa 76% eksekutif kesulitan menskala AI di seluruh bisnis mereka. Lebih buruk lagi, banyak eksekutif C-suite—banyak hingga tiga dari empat—khawatir bahwa jika mereka tidak menskala AI dalam lima tahun ke depan, mereka akan bangkrut. Keinginan untuk masa depan ada, dan juga takut untuk dikesampingkan ke masa lalu. Yang hilang adalah pemahaman tentang dari mana AI datang dan apa artinya untuk mendukung pengembangannya.
Sejarah AI: Dari Fiksi Futuristik ke Masa Depan Perusahaan
Daniel Dines, Pendiri dan CEO kami, suka mengatakan bahwa otomatisasi bukan hal baru. Otomatisasi berulang sejak awal umankind, ketika beberapa manusia pertama kali mencoba mengurangi biaya pekerjaan mereka. AI jauh lebih modern (dan efisien, untungnya). Dalam posting ini, kami membahas sejarah AI, dari perkenalnya di aula kehormatan akademika hingga aplikasi bisnis nyata di lapangan. Perjalanan ini menarik, dan sangat bermanfaat bagi pemimpin bisnis untuk mengetahui di mana masa depan terakar.
Menggabungkan OCR dengan AI dan RPA untuk Analisis Data Tingkat Lanjut
AI memerlukan banyak teknologi prasyarat—pengakuan karakter optik (OCR) terkemuka di antaranya. Setelah dilengkapi dengan OCR, robot perangkat lunak dapat mencerna data tidak terstruktur (yang mencakup sekitar 80% hingga 90% semua data) dan menghasilkan teks yang dienkode mesin. Jika Anda menambahkan AI ke dalam campuran, robot perangkat lunak dapat menginterpretasikan data yang dihasilkan menggunakan petunjuk konteks, berarti mereka dapat menangani variabilitas dalam data mentah dan memisahkan dokumen sesuai kebutuhan. Tiga unsur: AI, RPA, dan OCR menghasilkan hasil yang tidak satu pun dari ketiganya dapat lakukan sendiri.
UiPath Merespons Konsultasi Komisi Eropa tentang Kecerdasan Buatan
Tahun 2020 menyaksikan banyak besar acara di AI di luar dunia bisnis langsung—terkemuka di antaranya, Komisi Europa menghasilkan putih naskah “Mengenai Kecerdasan Buatan: Sebuah Pendekatan Eropa terhadap keunggulan dan kepercayaan.” Kami bergabung dengan perusahaan seperti Google dan Microsoft untuk merespons naskah tersebut. Kami membuat banyak saran tentang cara terbaik untuk mengatur AI, seperti:
Terapkan pendekatan bertahap, proporsional, dan berbasis risiko.
Harmonisasikan regulasi untuk konsistensi di seluruh pasar Uni Eropa.
Berikan definisi AI yang ringkas dan jelas.
Ini adalah diskusi yang kami senangi dan kami senang melanjutkannya. Pada 2021, seiring pertumbuhan AI, kami berharap diskusi tersebut akan berkembang.
Studi Kasus Penggunaan untuk Kecerdasan Buatan Perusahaan
Kasus penggunaan untuk AI perusahaan cenderung jatuh ke dalam tiga kategori: proses yang sangat variabel, alur kerja dengan hasil yang tidak dapat diprediksi, dan tugas yang menggunakan data tidak terstruktur. Dalam kehidupan nyata, kasus penggunaan ini mungkin terlihat seperti prediksi readmisi di perawatan kesehatan, optimasi harga di retail, deteksi penipuan di jasa keuangan, dan lainnya. Sepanjang 2020, kami mencoba menyoroti kasus penggunaan ini dan membuat AI terasa nyata.
UiPath adalah perusahaan yang berpusat pada pelanggan, dan, dengan demikian, kami telah membawa pelanggan dan mitra kami ke garis depan whenever possible:
Dalam Bagaimana AI dapat Secara Berkelanjutan Meningkatkan dan Menskala Otomatisasi, kami mempelajari bagaimana Evros—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.
Dalam Heritage Bank: Mendorong Otomasi dengan RPA dan AI, kami mempelajari bagaimana bank mutual terbesar Australia mencapai akurasi 98% dengan model pembelajaran mesin (ML) (dibangun oleh UiPath) yang diterapkan di AI Fabric.
Dalam Perusahaan Asuransi Kesehatan Besar Menggunakan UiPath AI Center untuk Meningkatkan Hasil Klinis, kami mempelajari bagaimana Amitech menghemat $11 juta menggunakan UiPath dan kombinasi AI dan otomatisasi.
Kami memiliki banyak kasus penggunaan lainnya di luar itu. Jelajahi lebih banyak kasus penggunaan perbankan dan jasa keuangan. Atau selami lebih dalam ke dalam kasus penggunaan perawatan kesehatan.
Dan jika Anda lebih menyukai video, periksa daftar putar yang mencakup banyak kasus penggunaan lainnya.
Buat Mudah untuk Memulai dengan AI
Salah satu misi kami adalah membuat AI dapat diakses. Tidak ada gunanya bagi kami, dan bagi Anda, jika AI perusahaan tetap menjadi tujuan yang luar biasa, sebuah teknologi yang Anda impikan tetapi tidak pernah gunakan. Selama 2020, kami berinvestasi dalam cara untuk membuatnya mudah bagi siapa saja untuk memulai dengan AI.
AI Baru saja Lebih Mudah: Model Starter UiPath untuk Mengotomatiskan Proses yang Lebih Kompleks
Model starter adalah kunci untuk membuat AI lebih dapat diakses. Model ML adalah potongan perangkat lunak yang dilatih pada kumpulan data besar; model starter memaketkan versi yang telah dilatih sebelumnya yang dapat diterapkan perusahaan menggunakan AI Fabric. Dalam artikel ini, kami uraikan beberapa kasus penggunaan utama untuk AI dan ML, dan menunjukkan bagaimana Anda dapat menggunakan model starter untuk memulai upaya AI Anda.
Mengulang Latih Model Starter AI dengan Mudah untuk Hasil yang Lebih Akurat
Tentu saja, memulai dengan model starter adalah, ya, hanya awal. Model ini memberikan fondasi yang kuat untuk upaya AI Anda, tetapi, akhirnya, Anda akan ingin melampauinya. Dalam artikel ini, kami menjelaskan bagaimana Anda dapat memodifikasi dan mengulang latih model ML Anda. Kami menyajikan tiga alasan mengapa Anda mungkin perlu mengulang latih:
Model saat ini Anda tidak dilatih untuk menangani kumpulan data tertentu.
Model saat ini Anda dapat menggunakan beberapa perbaikan.
Data dunia nyata meminta model saat ini Anda untuk berevolusi.
Banyak model tidak memerlukan pelatihan ulang, tetapi untuk yang memerlukan, pengetahuan ini esensial.
Memperkenalkan UiPath Document Understanding – Cara yang Lebih Efisien untuk Memproses Dokumen Secara Cerdas
Pada 2020, kami memperkenalkan UiPath Document Understanding—teknologi baru yang memungkinkan robot perangkat lunak untuk mengurai dan menginterpretasikan bahkan dokumen yang paling kompleks dan tidak terstruktur. Dilengkapi dengan AI, robot perangkat lunak UiPath sekarang dapat membaca, mengekstrak, menginterpretasikan, dan bertindak terhadap 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 tata letak yang bervariasi atau tanpa struktur tetap, seperti terima tagihan, tagihan, dan resume.
Memanfaatkan Ekosistem Document Understanding
Document Understanding paling baik dijelaskan sebagai ekosistem, bukan fitur. Dalam artikel ini, kami menjelaskan bagaimana teknologi seperti OCR, ekstraktor berbasis templat (TBE), pembelajaran tidak terawasi (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 Ditingkatkan
Keuntungan utama lainnya dari Document Understanding adalah kemampianya untuk menggunakan baik pendekatan berbasis aturan maupun berbasis model untuk pemrosesan dokumen. Dalam artikel ini, kami melihat beberapa tipe dokumen dan klasifikasi yang paling umum dan meneliti keuntungan ekstraksi data berbasis aturan dan ekstraksi data berbasis model. Dengan pemahaman bersama itu, kami membahas beberapa tantangan umum yang dihadapi perusahaan saat menerapkan pendekatan ini dan meninjau manfaat yang dapat dicapai perusahaan setelah mereka menggabungkannya.
Tingkatkan Efisiensi Operasional dan Mengurangi Risiko dengan Document Understanding
Pada 2020, kami menyusun beberapa putih naskah mendalam yang menganalisis bagaimana bisnis dapat memanfaatkan fitur UiPath baru. Dalam satu ini, kami berfokus pada UiPath Document Understanding, ekosistem yang didorong AI yang memungkinkan robot perangkat lunak untuk membaca dan bahkan memahami segala macam dokumen. Baca putih naskah ini untuk memahami cara memilih solusi pemrosesan dokumen Anda dan cara menggunakannya untuk mendorong efisiensi operasional.
Menggabungkan Kekuatan AI dan RPA dengan AI Center
Putih naskah lain yang kami susun berfokus pada AI, RPA, dan salah satu produk paling menarik kami: UiPath AI Center. Peluang untuk otomatisasi yang ditingkatkan AI banyak, dan dalam putih naskah ini, kami membahas bagaimana Anda dapat menerapkan dan menskala AI—terutama dengan dukungan UiPath AI Center.
Hasil Bisnis yang Lebih Baik dengan Mengoperasionalkan Kecerdasan Buatan secara Skala
Apabila berbicara tentang AI, pertanyaan bagi banyak perusahaan—dengan benar—adalah bagaimana mengoperasionalkannya. Terdapat upaya untuk menyelaraskan siklus hidup data science, tetapi, sejauh ini, upaya tersebut belum memperhitungkan bahwa kebutuhan setiap perusahaan berbeda. Di sini, kami membedah bagaimana bisnis dapat sebenarnya menerapkan ML dan AI secara skala. Kami mencakup empat fase:
Proses empat fase ini memberikan Anda operasi ML yang fleksibel, dapat dipelihara, dan dapat diskala.
Kembangkan Keterampilan untuk Menghadapi 2021
Penelitian kami menunjukkan keinginan yang luas akan 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 dalam Laporan Negara Pengembang RPA UiPath mengatakan bahwa mereka ingin menambahkan ML dan data science ke dalam keterampilan mereka. Ketertarikan ada, dan sebagai tanggapan, kami telah menambahkan kursus yang relevan ke UiPath Academy.
UiPath Academy sekarang mencakup kursus tentang:
AI Center
Document Understanding
AI Computer Vision
Peningkatan keterampilan akan menjadi bagian esensial dari kesuksesan pada 2021. Karyawan cerdas akan mengejarnya, dan organisasi cerdas akan mendorong dan menyediakannya.
Masa depan kecerdasan buatan perusahaan sudah tiba—jadi ayo kita buat menjadi yang baik. Mulai coba perusahaan Anda hari ini.
