Bagaimana AI Merevolusi Otomasi Proses Robotik
RPA, saat didukung oleh berbagai modul AI, dapat memberikan kemampuan spesifik untuk menyelesaikan tugas pemrosesan subjektif yang biasanya dilakukan oleh manusia.
AI dan robotic process automation seringkali dimasukkan ke dalam kalimat yang sama tetapi mayoritas inisiatif RPA tidak ada hubungannya dengan kecerdasan. Dalam kenyataannya, inisiatif RPA biasanya tentang mencoba mengotomatisasi proses yang berulang, membosankan, dan berbasis aturan untuk melepaskan waktu karyawan untuk fokus pada pekerjaan ‘cerdas’ yang sebenarnya, seperti tugas yang berfokus pada pelanggan.
RPA pada dasarnya monkey see, monkey do; perangkat lunak RPA mempelajari proses tanpa memahami mengapa itu bekerja. Misalnya, perangkat lunak RPA bergantung pada diberi tahu bagaimana mematuhi antarmuka pengguna, merekam tugas yang diambil, seperti gerakan kursor dan klik, lalu menterjemahkan tindakan ini menjadi kode, demikianlah pembaruan atau perubahan pada proses membuatnya tidak valid.
Saat ini, organisasi mengandalkan penempatan manusia untuk secara manual memelihara masalah semacam ini, yang ironis karena mereka menggantikan manusia yang melakukan tugas manual dengan teknologi yang memerlukan manusia untuk melakukan tugas manual.
Bagaimana “AI” dapat membantu
Ada beberapa berita baik: pasar RPA sedang matang. Perusahaan mulai menyadari apa itu RPA, dan apa yang bukan; mereka juga mulai memahami bahwa desktop RPA atau UI-based RPA bukan peluru perak untuk setiap masalah proses di setiap organisasi.
Dalam konteks ini, perusahaan melihat ke AI dengan harapan membuat bot mereka lebih cerdas.
Sebelum kita membahas ini, mari kita potong beberapa hype AI dan lepaskan diri dari gagasan tentang mesin berasa yang juga bisa menjadi grandmaster catur — secara akademis mungkin menarik tetapi tidak berkorelasi dengan manfaat bisnis.
Bidang AI yang paling relevan untuk RPA adalah pembelajaran mesin, analitik prediktif dan komputasi kognitif yang canggih. Misalnya, bayangkan bagaimana AI dapat menemukan pembaruan dan perubahan pada UI dan mengarahkan perangkat lunak RPA untuk bertindak sesuai dengan itu.
Secara luas, mengelola data yang tidak terstruktur adalah area kunci tempat perusahaan ingin memperluas RPA ke dalam domain AI. Dalam konteks ini, perangkat lunak RPA adalah pengumpul, mendapatkan data mentah yang diperlukan untuk memberi makan komponen AI, baik itu berdasarkan computer vision, pattern matching, classifier atau natural language processing. Setelah modul AI telah menyelesaikan fungsi mereka, RPA kemudian dapat digunakan untuk mendorong jawaban ke dalam sistem target.
RPA, saat didukung oleh berbagai modul AI, dapat memberikan kemampuan spesifik untuk menyelesaikan tugas pemrosesan subjektif yang biasanya dilakukan oleh manusia.
Tidak ada satu-stop shop untuk AI
Telah banyak ‘AI-washing’ di pasar teknologi, demikianlah, sulit bagi pemimpin bisnis untuk mengidentifikasi area di mana AI berlaku dan mana vendor yang asli.
Mengenai kemampuan AI, beberapa vendor RPA lebih canggih dari yang lain, sementara beberapa lebih cocok untuk area atau industri tertentu. Namun, jika Anda bertanya vendor mana yang paling kognitif, Anda mungkin bertanya pertanyaan yang salah.
Sebaliknya, organisasi harus mencoba memperluas pandangan mereka dan melihat ke arah adopsi campuran yang lebih beragam dari solusi AI.
“Tidak ada satu vendor RPA yang akan menjadi chatbot terbaik, penangkap dokumen OCR/ICR terbaik, atau prosesor bahasa alami terbaik,” argued Neil Kinson, chief of staff at Redwood Software. “Dasarnya semua kasus penggunaan AI yang sangat sempit ini memerlukan kumpulan data yang sangat terarah, dikurasi, volume besar dan spesialisasi. Platform RPA tidak akan pernah unggul di semuanya.
“Banyak organisasi merasa mereka telah mencapai kemampuan puncak RPA dan menyadari bahwa masih ada proses yang sekarang mereka pahami tidak dapat diatasi oleh satu alat tunggal; dan sebenarnya, mereka perlu membawa banyak teknologi untuk mengatasi banyak tantangan proses.”
