Как компании могут преодолеть недостатки обработки контента RPA

Как компании могут решить эти проблемы RPA?

Известно, что роботизированная автоматизация процессов, созданная по аналогии с цифровыми помощниками для сотрудников, полезна для оптимизации бизнес-операций без увеличения затрат и сокращения человеческих ошибок. Однако само по себе программное обеспечение RPA имеет свои подводные камни, когда дело доходит до обработки контента, из-за несовместимости интеллекта.

Однако есть способы преодолеть эти недостатки, как показали пять экспертов в этой области.

Дополнительная интеграция

Одним из способов преодоления недостатков обработки контента является объединение других интеллектуальных технологий и их интеграция в систему.

«Технология RPA в основном используется для автоматизации процессов на основе правил и имитации действий человека, таких как обработка счетов и ввод данных в системы SAP или Oracle из электронной таблицы Microsoft Excel», — пояснил Гопал Рамасубраманиан, старший директор по интеллектуальной автоматизации и технологиям в Cognizant. .

«Однако когда дело доходит до обработки содержимого в документах, необходимы дополнительные технологии интеллектуального ввода, которые сочетают в себе оптическое распознавание символов (OCR), обработку естественного языка (NLP) и машинное обучение (ML), чтобы иметь возможность извлекать метаданные из документов. документов и автоматизировать обработку.

«Контент может быть разных типов, например структурированный/печатный, структурированный/рукописный, неструктурированный/печатный и неструктурированный/рукописный. Извлекать структурированный контент с помощью стандартных технологий OCR довольно просто. Однако извлечение неструктурированного контента представляет собой проблему, и для ее решения мы все чаще наблюдаем внедрение НЛП и технологий машинного обучения».

Арпит Оберой, специалист по RPA в Делавэре, добавил:«Самая большая проблема, с которой сегодня сталкивается технология RPA, заключается в том, что она часто все еще с трудом обрабатывает неструктурированный контент и данные. Чтобы решить эту постоянную проблему, организации могут попытаться согласовать свои данные в более структурированные наборы данных, а также, по возможности, объединить ИИ и RPA для оптимизации или автоматизации обработки контента».

Участие третьей стороны

Эндрю Рейнер, вице-президент UiPath по профессиональным услугам в регионе EMEA, продолжил тему дополнительной интеграции, объяснив необходимость использования сторонних приложений в сочетании с RPA.

«Исторически технология RPA могла интегрироваться со сторонними приложениями для облегчения обработки контента», — сказал Рейнер. «Например, многие поставщики OCR (Abbyy, IBM и т. д.) имеют прямую интеграцию, позволяющую классифицировать и распознавать полуструктурированные или структурированные документы.

«В UiPath мы вложили значительные средства в понимание документов, чтобы предоставить клиентам «готовое» решение с возможностью гибкого применения различных методов, таких как сопоставление с образцом, шаблоны и машинное обучение, для работы с неструктурированными и полуструктурированными типами документов. .

«Поскольку мы смотрим на обработку контента шире, это хорошо сочетается с гиперавтоматизацией, и теперь у нас есть длительные рабочие процессы с участием человека, что позволяет как роботам, так и людям беспрепятственно работать над транзакцией.

«Были достигнуты огромные успехи с точки зрения подключения приложений для обработки контента через пользовательский интерфейс или API, а с появлением RPA и ML роботы теперь могут классифицировать, понимать настроения и предлагать следующие лучшие действия для неструктурированного контента».

Осторожно инвестируйте в инструменты

Хотя необходимость заручиться поддержкой дополнительного программного обеспечения оправдана, организации должны быть осторожны с перерасходом средств и следить за тем, чтобы средства, в которые они инвестируют, предназначались для четкой и конкретной цели.

«Компании имеют множество неструктурированных данных в разных форматах по всей своей организации, будь то документы, электронные письма или даже неструктурированные системные данные, такие как платежные данные для выверки», — сказал Крис Портер, генеральный директор NexBotix. «Это создает проблему для RPA, который может обрабатывать только структурированные, основанные на правилах цифровые процессы.

«У клиентов есть несколько способов преодолеть эти недостатки. Один из них — купить специализированное точечное решение, такое как инструмент OCR, который может извлекать данные из документов, или они могут инвестировать в инструмент рабочего процесса, который поможет им управлять роботами и людьми, или, возможно, купить какое-то машинное обучение у Google, чтобы попытаться извлечь информацию из документов. свои сложные документы. Эти инструменты предназначены для решения очень узкого набора задач в рамках жестких параметров.

«Однако у каждого из них есть свои технические проблемы; приступая к одному из этих проектов, вы сталкиваетесь со значительными затратами, плюс вам нужны правильные навыки и технологии для поддержки каждой инициативы. Каждый вариант использования нужно рассматривать как отдельный проект, потому что вы фактически покупаете для этой конкретной потребности, и если в вашей организации много разных типов данных, много разных процессов, которые имеют такой уровень неструктурированных данных, вы нужно начинать каждый раз заново и покупать правильное решение для решения каждой отдельной проблемы.

«Ключ заключается в применении правильной технологии для решения правильных проблем, но при этом масштабируемым способом, ориентированным на ценность для бизнеса. Например, у нас есть готовая обработка счетов, которую мы можем внедрить в любой компании, используя многократно используемые компоненты и автоматизируя сквозной бизнес-процесс в области кредиторской задолженности. Мы уже проделали тяжелую работу, чтобы создать его и заставить его работать на клиента».

Анализ содержания

Последний способ преодолеть недостатки RPA, связанные с обработкой контента, — реализовать дополнительные возможности.

Нил Мерфи, глобальный вице-президент ABBYY, пояснил:«Самая большая проблема с RPA заключается в том, что он не может обрабатывать неструктурированный контент, такой как счета, электронные письма, формы, квитанции или корреспонденция. Однако компании могут — и преодолевают — это.

«Все, что требуется, — это «навыки» анализа контента, которые делают роботов RPA умнее за счет добавления когнитивных способностей, таких как анализ, понимание и обработка неструктурированного контента. Организации могут использовать эти навыки анализа контента с помощью простых в использовании решений без кода или с малым количеством кода, которые позволяют их сотрудникам создавать роботов RPA, которые могут обрабатывать широкий спектр документов.

«Мы уже наблюдаем внедрение во всех размерах бизнеса, где такой подход устраняет технологический барьер для входа. Это, в свою очередь, способствует инновациям — некоторые компании теперь объединяют эти навыки, чтобы предложить расширенное когнитивное понимание сложных вариантов использования. Хорошим примером является регистрация клиентов, когда необходимо обработать множество документов, от документов, удостоверяющих личность, и регистрационных форм, до банковских выписок и подтверждения адреса».