Conforme as tecnologias disruptivas da Mckinsey: avanços que transformarão a vida, os negócios e o relatório da economia global, estima-se que “a automação do trabalho de conhecimento” terá um impacto econômico potencial de US $ 6,7 trilhões até 2025. Essas automações incluem automação de processos robóticos (RPA). e avanços em Aprendizado de Máquina (ML), avanços cognitivos, como chatbots, visão computacional, PNL e outras interfaces de usuário Natural.

Dadas essas estatísticas, é surpreendente que o RPA ainda não seja amplamente implementado. De acordo com a SSON Analytics, apenas um terço dos serviços compartilhados globais adotaram a RPA, um setor significativo do mercado ainda está em fase de avaliação. No entanto, os corredores da frente que implementaram o RPA estão avançando na integração de uma ampla gama de automação que possui uma promessa “maior” do que apenas a automação baseada em regras simples.

Automação de Processos de Negócios – O Surgimento da RPA 1.0

A RPA é vista por muitos como uma tecnologia de negócios que muda o jogo, mas um debate comum entre a comunidade de automação é se a RPA é um novo desenvolvimento ou é um reempacotamento, com uma proeza no topo das tecnologias anteriormente desconexas. Para apreciar o que a RPA está em sua forma atual e para onde está indo – É importante observar as origens da RPA. Os dois predecessores da Robotics Process Automation incluem:

1. Software de demolição de tela O software de demolição de tela teve seu primeiro início humilde nos bastidores de TI, onde criaram um vínculo entre novos sistemas legados geracionais e antigos e foram empregados na eliminação de tarefas duplicadas de entrada de dados e conversão de dados. Em seguida, veio a internet, e a demolição de tela ganhou grande destaque ao fornecer a capacidade de extrair dados dos sites e desenvolver comparação de preços, modelos de negócios. Primeiros exemplos – Expedia, Priceline e outros. Ambos os casos acima eliminaram a necessidade de copiar / colar dados de funcionários de fontes diferentes e foram assumidos por robôs de captura de tela de baixo custo.

2. Automação de fluxo de trabalho e ferramentas de gerenciamento Embora o conceito de fluxos de trabalho esteja presente há séculos, no entanto, para nossos propósitos, podemos atribuir origens de “fluxo de trabalho” a Henry Ford em 1913, quando ele introduz a primeira linha de montagem. No entanto, a “automação de fluxo de trabalho de negócios” veio muito mais tarde em 1993, quando a IBM lançou seu software de automação de fluxo de trabalho FlowMark. O software de automação de fluxo de trabalho pode auxiliar na aceleração de etapas de trabalho, enriquecer alguns campos padrão, executar algumas validações básicas e automatizar determinadas decisões. Essas ferramentas eliminam a necessidade de entradas manuais e aumentam a velocidade, a eficiência e a precisão.

Automação de Processos Robóticos

A criação da RPA “Robotics Process Automation” pode ser datada do início de 2000. Na sua forma atual, a RPA inclui ferramentas de raspagem de tela, automação de fluxo de trabalho e gerenciamento com algum grau rudimentar de IA. Principalmente o mecanismo baseado em regras do RPA se destaca na eliminação de tarefas manuais baseadas em repetição. Além do screen scrapping, alguns RPAs incorporam nativamente o Optical Character Recognition (OCR), proporcionando a capacidade de copiar dados de dados na tela e não estruturados (PDFs, imagens, etc.).

O futuro da automação de processos de robótica

O RPA tradicional automatiza tarefas transacionais padrão baseadas em regras com base em dados altamente estruturados. Processamento de folha de pagamento, envio de faturas são exemplos típicos. O que limita o RPA quando ele é executado em dados semi-estruturados ou não estruturados, ele não pode – coletar, extrair conhecimento, reconhecer padrões, aprender e adaptar-se a novas situações ou ambientes. Ou seja, quando a fácil codificação de dados em que o RPA se destaca não é mais direta, ele é interrompido. Além dessas incapacidades, as limitações de dimensionamento do RPA limitam o potencial de ROI.

De acordo com uma estimativa, apenas 20% dos dados são estruturados, deixando o resto dos 80% não estruturados, portanto, até agora, deixando fora do alcance do processamento automatizado. Mesmo quando o OCR é empregado como uma etapa intermediária da conversão de dados não estruturados em dados estruturados, ele não oferece suporte à automação de processos de negócios de ponta a ponta.

Enter – cognitivo para o avanço. A automação cognitiva é um subconjunto da Inteligência Artificial (AI). Usando técnicas específicas de IA, a cognição imita os comportamentos humanos para ajudar a tomar decisões, concluir tarefas, aprender e prever. O Cognitive juntamente com o RPA oferece uma solução revolucionária, não apenas para ler dados não estruturados, mas para ser mais preciso e ajudar a tomar decisões, mesclando-se à capacidade do RPA de automatizar as atividades resultantes, e as empresas de automação de ponta a ponta estão aspirando para.

O cognitivo emergente, juntamente com outras tecnologias de IA, conduz a várias atividades baseadas em percepção e julgamento que, tradicionalmente, exigiam intervenções humanas dispendiosas e propensas a erros. Essas soluções são baseadas em recursos de tecnologia computacional e incluem:

PNL: entender frases e derivar inferências a partir dele
Reconhecimento de fala: a capacidade de “ouvir”, interpretar e conversar
Visão Computacional: analise imagens e documentos digitalizados para extrair dados
Machine Learning: capacidade de aprender e melhorar automaticamente a partir da experiência sem ser explicitamente programado
Deep Learning: um subconjunto de aprendizado de máquina que possui redes capazes de aprender sem supervisão a partir de dados não estruturados ou não rotulados
Chatbots: simulando o comportamento humano de conversando

O poder da possibilidade de usar inteligência artificial e inteligência artificial está ganhando muita atenção. Como as organizações que investiram na RPA têm visto benefícios dela, ao mesmo tempo em que se frustram com as limitações que enfrentam ao trabalhar com insumos não padronizados, ou o processo é interrompido, já que a intervenção cognitiva é necessária para um ser humano.

A automação tradicional baseada em RPA-OCR apresenta sérios gargalos de processo durante a leitura e a ingestão de campos centrados em documentos a partir de layouts de vários formatos e não-padrão. Esses gargalos limitam a capacidade da empresa de realizar plenamente os benefícios da automação. Técnica cognitiva – a visão computacional aborda esses gargalos lendo esses layouts não estruturados e organizando-os em formatos de dados padrão.

Eles são processados ​​pelo aprendizado de máquina e pelo RPA para determinar e executar as ações mais apropriadas. Em outras palavras, um determinado processo não precisa parar para a entrada humana. A adição de soluções perceptivas e de pensamento, como visão computacional e aprendizado de máquina, significa que os usuários podem aumentar a eficiência por meio de seus processos de negócios. Casos de uso comuns, como processamento de faturas, aplicação de caixa, podem se beneficiar significativamente.

Como um típico processo de negócios de ponta a ponta envolve dados estruturados e não estruturados, uma combinação de RPA e habilidades cognitivas pode fornecer uma gama completa de automação de processos de negócios. A adição de habilidades cognitivas ao RPA fornece uma capacidade de converter dados não estruturados em dados estruturados que podem ser alimentados ao RPA para processamento. Um exemplo comum que pode se beneficiar é uma grande variedade de faturas provenientes dos fornecedores que não estão alinhadas com o formato estruturado. A solução cognitiva pode ser treinada para extrair os dados relevantes e convertê-los em dados estruturados.

As organizações podem fazer uma mudança em direção ao RPA inteligente introduzindo visão cognitiva, cognitiva baseada em PNL, seguida por recursos de aprendizado de máquina que podem manipular dados não estruturados, ajudar a automatizar a resposta e introduzir recursos preditivos. Por exemplo, o cognitivo pode ajudar a ler a fatura, percebê-la, preencher lacunas de dados ausentes e determinar a sequência apropriada das próximas etapas, como enviar uma resposta automatizada, processar uma transação ou escalar para intervenção humana.

Estes são desenvolvimentos emocionantes; cognitivo é complementar à RPA. O RPA libera os seres humanos para realizar tarefas de maior valor agregado e ser produtivo. O intrigante é que toda vez que comete um erro, o cognitivo aprende enquanto os humanos corrigem a automação.

Uma última coisa

Uma última coisa no fechamento. À medida que sua empresa embarca na jornada cognitiva para aprimorar seus recursos de automação de processos de negócios, lembre-se de manter a perspectiva do caso de uso de negócios. Não se trata de fazer visão computacional, PNL ou aprendizado de máquina por si só. Trata-se de resolver um problema de negócios, assim como o RPA. Escolha seu caso de uso de negócios líder de valor, teste cenários, escolha sua solução, conduza POC, implemente e repita!