Повышайте эффективность с помощью агентной автоматизации

С момента своего создания история автоматизации представляла собой историю линейного прогресса. От роботизированной автоматизации процессов (RPA) до интеллектуальной обработки документов (IDP) — каждая новая инновация делает предприятия более продуктивными, прибыльными и гибкими.

Но сейчас происходит нечто большее. Новая технология — агентская автоматизация — разрывает этот цикл постепенного улучшения, открывая возможности для переосмысления рабочего процесса, подобного которому мы никогда не видели.

Вместо того, чтобы сосредотачиваться на отдельных задачах, агентная автоматизация использует роботов, искусственный интеллект и оркестрацию для решения всего рабочего процесса от начала до конца. В основе агентной автоматизации лежат агенты искусственного интеллекта — автономные программные объекты, которые могут воспринимать окружающую среду, перемещаться по незнакомой территории и принимать решения на лету.

Схема реализации преимуществ агентной автоматизации стала темой нашей недавней ежеквартальной веб-трансляции UiPath Live. :Путь к агентной автоматизации. Нам выпала честь узнать мнение звездной группы — ученых в области искусственного интеллекта, экспертов по автоматизации и руководителей предприятий — о том, что эта трансформация означает для бизнеса сейчас и в будущем.

Большинство лидеров еще не осознали масштаб потенциала агентной автоматизации. Но немногие избранные, у которых есть такая возможность, готовы получить величайшие плоды от этой революционной технологии.

Три области, в которых агентная автоматизация меняет представление о том, как выполняется работа

В то время как традиционная автоматизация остается жизненно важной для структурированных задач, основанных на правилах, агентная автоматизация процветает там, где царит непредсказуемость. Вот как он устраняет пробелы, которые когда-то казались непреодолимыми.

1. От правил к рассуждениям

Сколько ваших бизнес-процессов зависят от входных данных в разных форматах? А как насчет неидеальных данных?

Для большинства организаций ответов слишком много.

Исторически автоматизация боролась с несогласованностью данных. Если информация не поступала в структурированном, стандартизированном пакете, сотрудникам приходилось вмешиваться — переводить данные между системами, устранять несоответствия и вручную переформатировать файлы. Хотя их время можно было бы с большей пользой провести в другом месте, эти нарушения не оставили им другого выбора. Так было до тех пор, пока на сцену не вышли агенты ИИ.

Агенты ИИ процветают в условиях двусмысленности. Для работы им не нужны идеальные данные. Доктор Эдвард Чаллис, руководитель отдела стратегии искусственного интеллекта в UiPath, объяснил ведущим UiPath Live Мэри Тетлоу и Джеффу Андерсону, что «агенты предлагают действительно мощный способ решения задач, в которых данные постоянно меняются». Вместо того, чтобы требовать от сотрудников вручную структурировать каждый ввод, агенты ИИ могут поставить цель высокого уровня и определить лучший способ обработки беспорядочных, неполных или противоречивых данных.

Этот навык особенно ценен в отраслях, где форматы данных сильно различаются. Возьмем, к примеру, WEX, глобального поставщика финансовых технологий, который ежедневно обрабатывает огромный объем претензий в сфере здравоохранения. Структурированные претензии — чистые цифровые заявки со стандартизированными полями — легко обрабатываются RPA. Но многие другие имеют более беспорядочный формат, например, рукописные записи врача или размытые формы. Раньше сотрудникам приходилось вручную разбираться в этом хаосе, прежде чем претензии могли быть обработаны, что приводило к неприятным задержкам для клиентов и увеличению затрат для WEX.

Теперь агенты ИИ автоматически обрабатывают эту изменчивость. Они извлекают ключевые детали, сверяют их с требованиями соответствия и передают только самые сложные случаи специалистам.

2. От автоматизации задач к переосмыслению рабочих процессов

Разнообразие входных данных — не единственное препятствие для широкомасштабной автоматизации предприятия. Существует также огромная сложность процесса. Слишком много условных операторов «если», слишком много вариантов, слишком много исключений… в определенный момент попытка автоматизировать подобные рабочие процессы традиционными методами становится громоздкой. «Определение процесса, который автоматизация должна будет выполнять для каждого сценария, занимает слишком много времени», — отметил доктор Чаллис.

Агентская автоматизация использует принципиально иной подход. Вместо того, чтобы следовать сценарию, агенты обдумывают проблемы, определяя, что важно, что требует внимания и что можно обработать автономно.

Но они не работают изолированно. Агенты ИИ проявляют себя лучше всего, когда являются частью экосистемы, сочетающей в себе человеческую интуицию, роботизированную точность и агентную адаптируемость. Например, агент может разбить сложный рабочий процесс на подзадачи:боты RPA обрабатывают ввод данных, API-интерфейсы считывают рыночные цены в режиме реального времени, а люди решают крайние случаи.

Доктор Чаллис сравнил этот процесс с выпечкой торта. «Когда вы выполняете этот рецепт, у вас есть большой выбор:какое масло вы собираетесь использовать, как его получить, какую миску вы собираетесь использовать», — сказал он. «Итак, существует гибкость между агентством и определенной рутиной того, как этот процесс будет осуществляться».

Этот баланс между структурой и адаптируемостью хорошо подходит для решения ряда постоянных проблем предприятия. Например, системы борьбы с отмыванием денег (AML) являются важной частью системы безопасности финансовых учреждений. Но они далеки от совершенства:традиционные инструменты имеют тенденцию загружать группы обеспечения соответствия ложными оповещениями. В некоторых случаях они могут достигать 90 %, что вынуждает команды анализировать множество шумов, чтобы выявить реальные риски.

Агенты ИИ превосходно фильтруют ложные срабатывания и выявляют реальные угрозы. Они делают это, анализируя как структурированные, так и неструктурированные данные, выявляя такие закономерности, как небольшие повторяющиеся переводы, которые сигнализируют о реальных рисках. Как отметил гость Live Крейг Ле Клер, вице-президент и главный аналитик Forrester, было доказано, что агенты сокращают количество ложных срабатываний в этом процессе на 60%. Это позволило специалистам по соблюдению нормативных требований сосредоточиться на первоочередных расследованиях, а не увязнуть в ненужных проверках.

2. От написания кода к совместной работе

Чтобы полностью реализовать свою ценность в качестве партнеров по сотрудничеству, сотрудники должны иметь возможность общаться с агентами ИИ на естественном языке. Предполагалось, что большие языковые модели (LLM), такие как ChatGPT, позволят реализовать такое партнерство, но для непрограммистов реальность оказалась сложнее.

Несмотря на то, что LLM реагируют на подсказки, написанные простым языком, для того, чтобы они давали правильные результаты, требуются некоторые знания программирования, а именно глубокое понимание декомпозиции проблем и проверки кода. Проще говоря, знать, о чем просить, — это только полдела. Вам также необходимо знать, верна ли полученная информация.

Я программист, поэтому, если LLM вернет мне 100 строк кода, я смогу прочитать это и выяснить, действительно ли он делает то, что я хочу. С другой стороны, если моя подруга, не являющаяся программистом, попытается сделать то же самое, будет очень сложно понять, действительно ли результат соответствует ее ожиданиям. Чтобы проверить, нужен большой опыт.

Доктор Сара Э. Чейсинс, главный научный сотрудник UiPath

Агентская автоматизация разрушает этот барьер. Сотрудники могут описать свои цели, даже если они расплывчаты, и позволить агентам воплотить эти директивы в действия. Это изменило WEX, поскольку командам больше не нужно переводить бизнес-требования в жесткую логику.

Вместо того, чтобы тратить недели на рассмотрение каждого детерминированного сценария, я могу сообщить своим разработчикам цель, которую я хочу. Что это за бизнес-результат, который я ищу? И тогда я действительно могу увидеть, как эти вещи работают вместе. Таким образом, между продуктом и техническими командами возникла открытость, которой раньше не было в традиционном программировании.

Эмили Крон, директор по автоматизации предприятия в WEX

Эти возможности впечатляют… но как я могу быть уверен, что агенты ИИ не выйдут из-под контроля?

Давайте обратимся к слону в комнате:имея возможность функционировать в разных системах и процессах, как я могу быть уверен, что агенты делают то, что я от них хочу?

Это обоснованное беспокойство. Агенты недетерминированы, и присущая им непредсказуемость является частью того, что делает их такими мощными. Безопасное внедрение агентской автоматизации требует правильных мер, обеспечивающих надежную, безопасную и прозрачную работу агентов.

Держать людей в курсе событий

Агенты действуют с определенным уровнем автономии, но это не означает, что они должны работать беспрепятственно. В большинстве случаев корпоративного использования они будут служить инструментами поддержки принятия решений, а не полностью автономными субъектами. Доктор Чаллис ясно дал это понять:"В течение следующих нескольких лет агенты будут проводить некоторые исследования и вносить предложения, но человек должен будет их просмотреть. Прежде чем будут внесены какие-либо большие изменения, у нас будет контрольно-пропускной пункт из людей".

Постоянный мониторинг

Видимость решает все. Чтобы агенты искусственного интеллекта работали должным образом, организациям необходим мониторинг в реальном времени как во время проектирования, так и во время выполнения.

Зак Эслами, старший менеджер по управлению продуктами в UiPath, подтвердил эту мысль:«[прозрачность] является ключевым аспектом обеспечения хорошей работы вашего агента как в изолированной среде, так и во внешнем мире». Организациям необходима видимость того, как агенты принимают решения, чтобы они могли со временем улучшать свою работу и обеспечивать соответствие бизнес-целям.

Объединение агентов искусственного интеллекта с детерминированными ботами RPA — один из лучших способов сохранить контроль. В то время как агенты адаптируются и принимают решения, основанные на контексте, боты RPA следуют строгой логике, основанной на правилах, создавая баланс между гибкостью и предсказуемостью. «Мы считаем, что наши агенты демонстрируют новый уровень управляемости, поскольку они не просто взаимодействуют с инструментами и приложениями», — объяснил Эслами. "Они не придумывают планы самостоятельно. Они могут использовать людей и роботов, чтобы создать новый уровень детерминированности своей продукции и убедиться, что они работают так, как ожидают наши пользователи и клиенты".

Сотрудничество с проверенными поставщиками

Доверие — основа эффективной автоматизации предприятия. Доверяйте не только технологиям, но и партнерству, которое воплощает их в жизнь. Кроне отметил, что «история WEX с инструментами UiPath RPA позволяет нам быстрее масштабировать агенты».

Когда агенты ИИ внедряются поверх существующей инфраструктуры автоматизации, они не вызывают дискомфорта. Вместо этого они становятся естественным продолжением того, что уже делают компании, — улучшая рабочие процессы без их капитального ремонта. Эслами подтвердил эту мысль:"В конечном итоге мы видим, что агенты могут работать на основе существующей платформы UiPath Platform™. Это означает, что они могут использовать все замечательные инструменты автоматизации, которые у нас есть".

Но заложить основу – это только первый шаг. Чтобы раскрыть весь потенциал агентной автоматизации, предприятиям необходим способ создания, развертывания и управления агентами ИИ в большом масштабе.

UiPath Agent Builder предоставляет командам инструменты для разработки агентов, отвечающих потребностям их бизнеса. Благодаря встроенным средствам мониторинга и управления предприятия могут с уверенностью развертывать агенты ИИ, зная, что они будут работать так, как задумано, с первого дня. Присоединяйтесь к списку ожидания Agent Builder сегодня, чтобы быть в числе первых, кто исследует новую эру автоматизации.

А чтобы еще глубже погрузиться в настоящее и будущее агентной автоматизации, посмотрите полный выпуск UiPath Live:Путь к агентной автоматизации, который теперь доступен по запросу.