RPA 及其向 AI 的扩展：推动业务和 IT 协调的新时代

'随着新的人工智能技术和解决方案从根本上推向市场，智能自动化的用例也将继续增长改变未来的工作场所。

在过去的几年里，机器人流程自动化 (RPA) 让我们在释放与手动流程相关的生产力优势方面取得了长足的进步，并激发了一种思维方式，即事情可以在不需要大规模系统重新设计的情况下改变。

当组织无法实现全面变革时，RPA 可以作为催化剂，帮助企业取得进步并增加价值，使他们能够围绕已对旧系统进行的投资制定战略计划。

向人工智能 (AI) 的扩展是这种细化、更快的转型形式的下一步，越来越多的业务活动通过越来越复杂的手段完全或部分自动化。这通常被称为认知 RPA 或 CRPA。

那么，将 RPA 和 AI 结合到更广泛的智能自动化解决方案中的实际用例有哪些？

进程发现

随着新的数字技术进入市场，业务专业人士面临着挑战，即准确了解解决方案在哪些方面可以提高效率并制定业务案例以供实施。

通常，您会直观地知道效率低下的地方，但这必须得到基于证据的、自下而上的企业 IT 系统和设备正在发生的视图的支持，以便为投资提供强有力的理由——这是流程发现如此重要。对效率低下所在的感知与系统环境内部发生的事情之间的差异可能令人惊讶。

通过利用分析、机器学习和人工智能，您可以构建基于证据的组织运营流程视图，从而更深入地了解数字技术的应用领域——无论是系统变更还是将 RPA 应用于流程例如例外。它还允许您在部署这些解决方案后评估它们的优势。

管理非结构化数据

尽管数字和机器人解决方案兴起，但企业面临的一个重大挑战仍然是表格、通信、合同和其他自由文本内容的管理。对于客户或供应商合同等外部材料尤其如此，这就需要高度手动的案例管理。

这是目前企业希望将 RPA 扩展到 AI 领域的关键领域之一。在这种情况下，RPA 是聚合器，它获取为人工智能组件提供所需的原始数据，无论是基于计算机视觉、模式匹配、分类器还是自然语言处理。一旦 AI 模块完成其功能，就可以使用 RPA 将答案推送到目标系统中。

RPA 在各种 AI 模块的支持下，可以提供特定的能力来执行传统上由人执行的主观处理任务。

对话界面

根据凯捷今年进行的一项研究，语音助手将在未来三年内成为消费者互动的主要模式——24% 的人已经表示他们将使用聊天机器人和语音机器人而不是网站。 Google Assistant、Amazon Alexa 和 Apple 的 Siri 等语音助手的激增正在极大地改变客户关系，企业被迫考虑如何利用它们。

为了在企业中部署这些解决方案，我们需要一种机制来开放对组织的应用程序资产的访问。语音机器人或聊天机器人当然只与它能够提取并传递给用户的信息一样聪明。在本例中，这种组合的方式是使用机器人获取数据并将其传送到我们的对话界面（即聊天机器人），从而回答提出的问题。

这是通过聊天机器人将抽象问题转换为 RPA 系统可以理解的一系列查询来实现的。然后，机器人查询记录系统以检索相关数据项，将其打包并将数据包交还给聊天机器人，使其能够将这些数据重构为自然语言响应。

RPA 是开放应用程序（尤其是那些难以集成的应用程序）的关键组件，并允许它们参与对话界面的新世界。

快速洞察

所有企业都有某种形式的数据管道为其供应链和仓库提供数据。它们旨在尝试定期提供 100% 的所需数据。虽然它通常足以用于报告，但它不是一个足够完整的数据集来进行分析和洞察力生成。

总是需要“最后一英里”的补充分析来捕捉特定的洞察力。这用数据扩充了数据集，以支持对诸如月底关闭等挑战的根本原因分析。

RPA 可用于支持最后一英里的提取，提供聚合和数据准备以支持报告的动态需求，而无需等待企业 IT 扩展数据管道。这反过来又使我们能够预测和做一些历史上对人类来说很困难的事情。

我们很难预测，因为我们无法处理大量数据。我们很难叙述涵盖众多部门或部门的大量数据。人工智能可用于建模和预测，或使用自然语言生成技术在原始数据块中创建语法正确的叙述性摘要，而不是使用大量人员。

在上面概述的许多用例中，我们仍处于利用 RPA 的优势及其扩展到 AI 的早期阶段。但是，这仅表明 RPA 将在未来几年内继续在企业内发展和扩展多少。

随着新的人工智能技术和解决方案进入市场，智能自动化的用例也将继续增长，从根本上改变未来的工作场所。为了让企业充分利用这项技术，他们首先必须了解这些解决方案如何改变他们的流程并应用严格的治理来确保他们的决策是有效的。

如果企业努力在其组织中实施这些相互关联但又细化的解决方案，这将有助于他们推动双速转型，业务和 IT 协调的新时代将随之而来。