Как связаны между собой RPA, ИИ и МО? С какими проблемами сталкиваются при их внедрении? Об этом на портале InformationWeek рассказывает президент консалтинговой компании Transworld Data Мэри Шеклет.

Роботизация бизнес-процессов (robotic process automation, RPA), искусственный интеллект (ИИ) и машинное обучение (МО) — все эти технологии требуются для автоматизации бизнес-процессов и ускорения принятия решений. В чем заключается сильная сторона каждой из этих технологий и как их применяют? Но сперва нужно заметить, что объединяющим элементом этих технологий является автоматизация.

RPA предназначена для автоматизации повторяющихся задач, что разгружает штатных сотрудников для выполнения творческих задач. В качестве примера можно привести автоматизированный процесс, который осуществляет анализ экранных (интерфейсных, терминальных) данных (screen scraping), в данном случае информации о счетах, в одной системе и затем вводит ее в другую систему — иначе это пришлось бы делать сотрудникам.

Задействование ИИ позволяет, например, в какой-то степени автоматизировать процесс принятия решений, в том числе управление рисками в цепочке поставок. Вместо того, чтобы делать его вручную, сотрудник вводит в репозиторий данных ИИ множество релевантных источников данных, затем задает несколько риск-сценариев типа «что, если», чтобы система все это проанализировала и выдала ответы. Для каждой модели риска она, как правило, может выдать несколько сценариев развития событий, но окончательное решение — принять его или отклонить — зависит от человека.

Дополнительное расширение возможностей ИИ при помощи МО позволяет ему самостоятельно обнаруживать и анализировать шаблоны данных и учиться по этим шаблонам. Преимущество этого способа автоматизации заключается в недоступной для человека скорости, с которой система может самостоятельно обрабатывать данные и распознавать шаблоны. МО умеет быстро обнаруживать важные шаблоны и тенденции в изучаемой предприятием ситуации, что потенциально дает человеку запас времени, чтобы отреагировать на событие.

Таким образом, RPA автоматизирует рутинные, повторяющиеся офисные задачи; ИИ задействует автоматизацию в процессе принятия решений; МО предназначено для непрерывного процесса обучения ИИ. Последний обучается при помощи моделей и тенденций, возникающих в точках ввода данных, которые ИИ поручается оценивать. Все вместе RPA, ИИ и МО играют важную роль, но чтобы они стали эффективными инструментами для автоматизации бизнес-процессов и обучения, их совместную работу нужно разумно организовать.

Проблемы внедрения

Чтобы включить в работу инструменты когнитивной автоматизации, основной задачей для предприятия является определение момента, когда и какой из них применять. Ниже приводится четыре характерных проблемы, с которыми сталкиваются организации при внедрении RPA, ИИ и МО.

1. Нереалистичные ожидания

Как показал опрос Deloitte по поводу применения RPA, проведенный в конце 2017 г., 53% предприятий уже начали внедрять или, по крайней мере, тестировать данную технологию. По прогнозам, в этом году ее будут применять 72% организаций. Аналитики говорят, что большинство опрошенных стремилось к постоянному совершенствованию своих рабочих процессов, причем автоматизация была второстепенной целью. Тем не менее, извлечь выгоду от применения RPA, а также масштабировать ее в других областях своего бизнеса удалось только 3% предприятий.

«Изначально многие организации рассматривали RPA как эксперимент, но так и „застряли“ в нем. Теперь они страдают от ИТ-проблем, сложности процессов, нереалистичных ожиданий и „пилотного“ подхода. Чтобы максимизировать воздействие RPA, требуется изменение менталитета и целенаправленный переход от экспериментирования к трансформации. Учитывая относительную незрелость рынка автоматизации, организациям, и особенно крупным, нужно время, чтобы изучить и приступить к масштабному внедрению автоматизированных процессов», — говорится в отчете Deloitte.

С момента выхода данного отчета для ИИ и МО мало что изменилось. Многие компании по-прежнему тестируют эти технологии — это говорит о том, что они находятся на ранних стадиях применения и пока что неизвестно, когда они перейдут к полномасштабному внедрению для получения максимальной коммерческой выгоды. Один из факторов, замедляющих внедрение, — недостаток знаний и опыта сотрудников, а также непонимание того, как эти технологии можно наилучшим образом применять в бизнес-процессах и принятии решений.

2. Непросвещенность топ-менеджмента

Топ-мененджмент оказал существенную поддержку ИТ на начальном этапе знакомства компаний с RPA, ИИ и МО, но чтобы она стала долгосрочной с прибавкой в виде бюджетных ассигнований, ИТ-департаментам и департаментам по работе с данными нужно сделать два шага:

  • обеспечить успешные внедрения RPA, ИИ и МО, которые приносят ощутимые выгоды для бизнеса;
  • той части топ-менеджмента, которая не занимается вопросами ИТ или мало в них смыслит, нужно объяснить разницу между этими тремя технологиями и то, как они стыкуются в ходе операций или бизнес-процессов.

Просвещение высшего руководящего звена имеет решающее значение, потому что CEO и другим топ-менеджерам наверняка понадобится разъяснить совету директоров, почему они инвестируют средства в ИИ и автоматизацию.

3. Отсутствие налаженного сотрудничества с поставщиками

В проектах по интеграции ИТ-систем встречаются ситуации, когда несколько поставщиков обладают собственными API и настаивают на том, чтобы другие поставщики применяли именно их интерфейсы. Чтобы прийти к взаимному согласию и выработать единый подход, требуется потратить немало времени, что увеличивает срок реализации проекта. Подобные сложности интеграции в равной степени относятся к RPA, ИИ и МО.

Простота интеграции имеет важное значение, потому что на рынке присутствует масса поставщиков RPA, ИИ и МО, и маловероятно, что ИТ-специалисты или пользователи будут закупать решения у одного и того же поставщика. Рано или поздно предприятие захочет интегрировать и масштабировать решения для своего бизнеса и в этом случае связи с поставщиками придутся кстати. Выбирая поставщика, в первую очередь нужно проверять его готовность и возможности для кооперации не только с заказчиком, но и с другими поставщиками.

4. Непривлечение пользователей

RPA — это автоматизация бизнес-процессов, которые до этого выполнялись в ручном режиме работы. Пользователи, которые сумеют определить повторяющиеся процессы, и пользователи, которые знают, как установить для RPA бизнес-правила для успешного выполнения процесса, будут находиться в выигрышном положении. Тот же принцип применим и для определения способов принятия решений, необходимых ИИ для поддержки бизнеса. Какую проблему хочет решить бизнес? Существует риск, что курс ИТ-подразделения и подразделения по работе с данными могут расходиться с пердставлениями пользователей, если они не будут активно участвовать в проекте. Последнему это грозит провалом

Как добиться успешного внедрения RPA, ИИ и МО

Внедрение RPA, ИИ и МО должно начинаться с понимания различий между ними и того, как их применять для реализации конкретных бизнес-проектов. Уже имеется немало примеров успешного внедрения:

  • китайская e-commerce-компании Alibaba Group применяет ИИ для составления карты наиболее эффективных маршрутов доставки товаров, а американский ритейлер Amazon — чтобы прогнозировать спрос на продукцию и выдавать рекомендации для клиентов;
  • Medecision разработала ИИ-алгоритм, который умеет идентифицировать восемь параметров, чтобы предотвратить осложнения у больных диабетом;
  • Великобритания применяет RPA для автоматизации выдачи писем-напоминаний для граждан.

По мнению Томаса Давенпорта и Раджива Ронанки из Deloitte, изучением когнитивных технологий должна заниматься каждая крупная компания, но этот путь будет непростым, поскольку не решены вопросы с замещением рабочей силы и этикой интеллектуальных машин. Тем не менее правильное планирование и развитие когнитивных технологий откроет дверь в золотой век продуктивности, удовлетворенности работой и процветания.

Их точка зрения справедлива. У когнитивной автоматизации действительно есть потенциал, который может принести выгоды компаниям, если только они сумеют связать его со своими бизнес-процессами и процессами принятия решений.