Bagaimana perusahaan dapat mengatasi kelemahan pemrosesan konten RPA
Bagaimana perusahaan dapat mengatasi tantangan RPA ini?
Dibangun menyerupai asisten digital untuk karyawan, otomatisasi proses robot dikenal berguna untuk merampingkan operasi bisnis tanpa meningkatkan biaya, sekaligus mengurangi kesalahan manusia. Namun, perangkat lunak RPA sendiri memiliki kekurangan dalam hal pemrosesan konten, karena kecerdasan yang tidak kompatibel.
Namun, ada cara untuk mengatasi kekurangan tersebut, seperti yang diungkapkan oleh lima ahli di bidangnya.
Integrasi tambahan
Salah satu cara untuk mengatasi kelemahan pemrosesan konten adalah dengan menggabungkan teknologi cerdas lainnya dan mengintegrasikannya ke dalam sistem.
“Teknologi RPA terutama digunakan untuk mengotomatisasi proses berbasis aturan dan meniru tindakan manusia, seperti memproses faktur dan memasukkan data ke dalam sistem SAP atau Oracle dari spreadsheet Microsoft Excel,” jelas Gopal Ramasubramanian, direktur senior, otomatisasi cerdas &teknologi di Cognizant .
“Namun, ketika berbicara tentang pemrosesan konten dalam dokumen, ada kebutuhan untuk teknologi asupan cerdas tambahan yang menggabungkan pengenalan karakter optik (OCR), pemrosesan bahasa alami (NLP), dan pembelajaran mesin (ML) untuk dapat mengekstrak metadata dari dokumen dan otomatisasi pemrosesan.
“Isinya bisa dari berbagai jenis, seperti terstruktur/tercetak, terstruktur/tulisan tangan, tidak terstruktur/tercetak dan tidak terstruktur/tulisan tangan. Sangat mudah untuk mengekstrak konten terstruktur menggunakan teknologi OCR standar. Namun, mengekstraksi konten yang tidak terstruktur menimbulkan tantangan dan, semakin, kami melihat adopsi NLP dan teknologi pembelajaran mesin untuk mengatasinya.”
Arpit Oberoi, spesialis RPA di delaware, menambahkan:“Tantangan terbesar yang dihadapi teknologi RPA saat ini adalah fakta bahwa ia sering masih kesulitan memproses konten dan data yang tidak terstruktur. Untuk mengatasi masalah yang sedang berlangsung ini, organisasi dapat mencoba menyelaraskan data mereka ke dalam kumpulan data yang lebih terstruktur dan juga, jika memungkinkan, menggabungkan AI dan RPA untuk mengoptimalkan atau mengotomatiskan pemrosesan konten.”
Keterlibatan pihak ketiga
Andrew Rayner, wakil presiden layanan profesional EMEA di UiPath, melanjutkan tema integrasi tambahan dengan menjelaskan perlunya aplikasi pihak ketiga yang digabungkan dengan RPA.
“Secara historis teknologi RPA telah mampu berintegrasi dengan aplikasi pihak ketiga untuk membantu pemrosesan konten,” kata Rayner. “Misalnya, banyak vendor OCR (Abbyy, IBM, dll.) memiliki integrasi langsung, memungkinkan dokumen semi-terstruktur atau terstruktur untuk diklasifikasikan dan dikenali.
“Di UiPath, kami telah banyak berinvestasi dalam pemahaman dokumen untuk memberikan solusi 'di luar kotak' bagi pelanggan, dengan fleksibilitas untuk menerapkan berbagai teknik seperti pencocokan pola, templating, dan pembelajaran mesin untuk menangani jenis dokumen yang tidak terstruktur dan semi-terstruktur. .
“Saat kami berpikir lebih luas tentang pemrosesan konten, ini berperan baik dalam hyperautomation, kami sekarang memiliki alur kerja yang berjalan lama dengan human in the loop, memungkinkan robot dan manusia untuk bekerja dengan mulus dalam sebuah transaksi.
“Ada kemajuan besar dalam hal konektivitas aplikasi untuk memproses konten melalui antarmuka pengguna atau API, dan dengan diperkenalkannya RPA dan ML, robot sekarang dapat mengklasifikasikan, memahami sentimen, dan menyarankan tindakan terbaik berikutnya untuk konten yang tidak terstruktur.”
Berinvestasi dalam alat, dengan hati-hati
Meskipun kebutuhan untuk meminta bantuan dari perangkat lunak tambahan adalah sah, organisasi harus berhati-hati terhadap pengeluaran yang berlebihan, dan memastikan bahwa alat yang mereka investasikan adalah untuk tujuan yang jelas dan spesifik.
“Bisnis memiliki banyak data tidak terstruktur dalam berbagai format di seluruh organisasi mereka, baik itu dokumen, email, atau bahkan data berbasis sistem yang tidak terstruktur, seperti data pembayaran untuk rekonsiliasi,” kata Chris Porter, CEO NexBotix. “Itu menyebabkan masalah bagi RPA, yang hanya dapat menangani proses digital terstruktur dan berbasis aturan.
“Ada beberapa cara berbeda bagi pelanggan untuk mengatasi kekurangan ini. Salah satunya adalah dengan membeli solusi titik yang disesuaikan seperti alat OCR, yang dapat mengekstrak data dari dokumen, atau mereka dapat berinvestasi dalam alat alur kerja untuk membantu mereka mengatur robot dan manusia, atau mungkin membeli beberapa pembelajaran mesin dari Google untuk mencoba dan mengekstrak wawasan dari dokumen mereka yang kompleks. Alat ini dirancang untuk memecahkan serangkaian masalah yang sangat sempit, dalam parameter yang ketat.
“Namun, masing-masing memiliki tantangan teknisnya sendiri; ketika memulai salah satu proyek ini, Anda menghadapi biaya yang signifikan, ditambah lagi Anda memerlukan keterampilan dan teknologi yang tepat untuk mendukung setiap inisiatif. Setiap kasus penggunaan perlu diperlakukan sebagai proyek individu, karena Anda secara efektif membeli untuk kebutuhan khusus itu, dan jika Anda memiliki banyak jenis data berbeda di organisasi Anda, banyak proses berbeda yang memiliki tingkat data tidak terstruktur ini, Anda perlu memulai lagi setiap kali dan membeli solusi yang tepat untuk memperbaiki setiap masalah individu.
“Kuncinya adalah menerapkan teknologi yang tepat untuk memecahkan masalah yang tepat tetapi melakukannya dengan cara yang terukur yang berfokus pada nilai bisnis. Misalnya, kami memiliki pemrosesan faktur siap pakai yang dapat kami terapkan di perusahaan mana pun dengan memanfaatkan komponen yang dapat digunakan kembali dan mengotomatiskan proses bisnis ujung ke ujung dalam utang usaha. Kami telah bekerja keras untuk membangunnya dan membuatnya bekerja untuk pelanggan.”
Kecerdasan konten
Cara terakhir untuk mengatasi kelemahan RPA seputar pemrosesan konten adalah dengan menerapkan kemampuan ekstra.
Neil Murphy, wakil presiden global di ABBYY, menjelaskan:“Tantangan terbesar dengan RPA adalah tidak dapat memproses konten tidak terstruktur seperti faktur, email, formulir, tanda terima, atau korespondensi. Namun, perusahaan dapat – dan memang – mengatasi hal ini.
“Yang diperlukan hanyalah 'keterampilan' kecerdasan konten yang membuat bot RPA lebih pintar dengan menambahkan kemampuan kognitif, seperti menganalisis, memahami, dan memproses konten yang tidak terstruktur. Organisasi dapat menerapkan keterampilan kecerdasan konten ini dengan mudah digunakan tanpa kode atau solusi kode rendah, yang memungkinkan staf mereka membuat bot RPA yang dapat menangani beragam dokumen.
“Sudah, kami melihat adopsi di semua ukuran bisnis di mana hambatan teknologi untuk masuk dihilangkan dengan pendekatan semacam itu. Hal ini pada gilirannya mendorong inovasi – beberapa perusahaan sekarang menggabungkan keterampilan ini untuk menawarkan pemahaman kognitif tingkat lanjut tentang kasus penggunaan yang kompleks. Orientasi pelanggan adalah contoh yang baik, di mana ada banyak dokumen yang perlu diproses, mulai dari dokumen identitas dan formulir orientasi, hingga laporan mutasi bank dan bukti alamat.”
