Memahami peran AI yang semakin matang dalam RPA

RPA, bila didukung oleh berbagai modul AI, dapat memberikan kemampuan khusus untuk melakukan tugas pemrosesan subjektif yang biasanya dilakukan oleh orang.

AI dan otomatisasi proses robotik sering digabungkan ke dalam kalimat yang sama tetapi sebagian besar inisiatif RPA tidak ada hubungannya dengan kecerdasan. Pada kenyataannya, inisiatif RPA biasanya tentang mencoba mengotomatiskan proses berbasis aturan yang berulang, membosankan, untuk membebaskan waktu bagi karyawan untuk fokus pada pekerjaan 'cerdas' yang sebenarnya, seperti tugas yang berfokus pada pelanggan.

RPA pada dasarnya adalah monyet lihat, monyet lakukan; Perangkat lunak RPA mempelajari proses tanpa memahami mengapa ia bekerja. Misalnya, perangkat lunak RPA bergantung pada cara untuk mematuhi antarmuka pengguna, ia merekam tugas yang diambil, seperti gerakan kursor dan klik, kemudian menerjemahkan tindakan ini ke kode, sehingga setiap pembaruan atau amandemen pada proses akan membatalkannya.

Saat ini, organisasi beralih ke penempatan orang untuk menangani masalah semacam ini secara manual, yang ironis karena mereka mengganti orang yang melakukan tugas manual dengan teknologi yang mengharuskan orang untuk melakukan tugas manual.

Bagaimana “AI” dapat membantu

Ada kabar baik:pasar RPA semakin matang. Perusahaan mulai menyadari apa itu RPA, dan apa yang bukan; mereka juga mulai memahami bahwa RPA desktop atau RPA berbasis UI bukanlah peluru perak untuk setiap masalah proses di setiap organisasi.

Dalam konteks ini, perusahaan mencari AI dengan harapan membuat bot mereka lebih pintar.

Sebelum kita mempelajari hal ini, mari kita hentikan beberapa hype AI dan menjauh dari gagasan mesin hidup yang juga bisa menjadi grandmaster catur — secara akademis mungkin menarik tetapi tidak berkorelasi dengan keuntungan bisnis.

Bidang AI yang paling relevan dengan RPA adalah pembelajaran mesin, analitik prediktif, dan komputasi kognitif yang canggih. Misalnya, bayangkan bagaimana AI dapat melihat pembaruan dan perubahan pada UI dan mengarahkan perangkat lunak RPA untuk bertindak sesuai dengan itu.

Secara lebih luas, mengelola data tidak terstruktur adalah area utama di mana perusahaan ingin memperluas RPA ke dalam domain AI. Dalam konteks ini, perangkat lunak RPA adalah agregator, mendapatkan data mentah yang diperlukan untuk memberi makan komponen AI, apakah itu berdasarkan visi komputer, pencocokan pola, pengklasifikasi, atau pemrosesan bahasa alami. Setelah modul AI menyelesaikan fungsinya, RPA kemudian dapat digunakan untuk memasukkan jawaban ke dalam sistem target.

RPA, bila didukung oleh berbagai modul AI, dapat memberikan kemampuan khusus untuk melakukan tugas pemrosesan subjektif yang biasanya dilakukan oleh orang.

Tidak ada toko serba ada untuk AI

Ada banyak 'pencucian AI' di pasar teknologi, sehingga sulit bagi para pemimpin bisnis untuk mengidentifikasi area penerapan AI dan vendor mana yang sebenarnya.

Mengenai kemampuan AI, beberapa vendor RPA lebih maju daripada yang lain, sementara beberapa lebih cocok untuk area atau industri tertentu. Namun, jika Anda menanyakan vendor mana yang paling kognitif, Anda mungkin mengajukan pertanyaan yang salah.

Sebaliknya, organisasi harus mencoba memperluas pandangan mereka dan melihat untuk merangkul campuran solusi AI yang lebih eklektik.

“Tidak ada vendor RPA yang akan menjadi chatbot terbaik, penangkap dokumen OCR/ICR terbaik, atau prosesor bahasa alami terbaik,” bantah Neil Kinson, kepala staf di Redwood Software. “Pada dasarnya semua kasus penggunaan AI yang sangat sempit itu membutuhkan kumpulan data yang sangat bertarget dan terkurasi, volume besar, dan spesialisasi. Platform RPA tidak akan pernah unggul dalam semua hal.

“Banyak organisasi merasa telah mencapai puncak kemampuan RPA dan menyadari bahwa masih ada proses yang sekarang mereka pahami tidak dapat ditangani oleh satu alat; dan sebenarnya, mereka perlu membawa banyak teknologi untuk mengatasi berbagai tantangan proses.”