克服RPA内容处理挑战：专家验证的五大策略

RPA旨在充当员工的数字助手，可在不增加成本、减少人为错误的前提下简化业务运营。然而，由于智能兼容性问题，RPA软件单独使用在内容处理方面存在缺陷。五位领域专家揭示了克服这些缺陷的方法。

额外集成

克服内容处理缺陷的一种方法是结合其他智能技术并集成到系统中。Cognizant智能自动化与技术高级总监Gopal Ramasubramanian解释："RPA技术主要用于自动化基于规则的流程并模仿人类操作，例如处理发票并将数据从Excel电子表格录入SAP或Oracle系统。然而，处理文档内容时，需要结合光学字符识别（OCR）、自然语言处理（NLP）和机器学习（ML）的额外智能摄入技术，以提取文档元数据并自动化处理。"

"内容类型多样：结构化/印刷、结构化/手写、非结构化/印刷、非结构化/手写。标准OCR技术易于提取结构化内容，但提取非结构化内容极具挑战，我们越来越多地看到采用NLP和机器学习技术来解决。"

delaware RPA专家Arpit Oberoi补充："RPA技术面临的最大挑战是仍难以处理非结构化内容和数据。为解决这一持续问题，组织可尝试将数据协调为更结构化的数据集，并在可能的情况下结合AI和RPA优化或自动化内容处理。"

第三方参与

UiPath EMEA专业服务副总裁Andrew Rayner延续额外集成主题，解释了结合RPA的第三方应用需求。

他说："历史上，RPA技术能与第三方应用集成以辅助内容处理。例如，许多OCR供应商（Abbyy、IBM等）有直接集成，允许对半结构化或结构化文档进行分类和识别。"

"在UiPath，我们大力投资文档理解，为客户提供'开箱即用'解决方案，并具备灵活性，可应用模式匹配、模板和机器学习等不同技术处理非结构化和半结构化文档类型。"

"从更广泛的内容处理角度思考，这很契合超自动化，我们现在有长期运行的工作流与人工介入，允许机器人和人类无缝协作处理交易。"

"应用连接方面取得巨大进展，可通过用户界面或API处理内容，随着RPA和ML引入，机器人现在能分类、理解情感并为非结构化内容建议最佳后续行动。"

审慎投资工具

虽然寻求额外软件协助合理，但组织必须小心过度支出，确保投资工具用于明确、特定目的。NexBotix首席执行官Chris Porter表示："企业在组织中拥有多种格式的大量非结构化数据，无论是文档、邮件，还是非结构化的系统数据（如对账支付数据）。这给只能处理结构化、基于规则数字流程的RPA带来问题。"

"客户克服这些短板有几种方式。一是购买定制的点解决方案如OCR工具提取文档数据，或投资工作流工具编排机器人和人类，或从谷歌购买机器学习尝试从复杂文档提取见解。这些工具旨在在严格参数内解决非常狭窄的问题集。"

"然而，每种都有自身技术挑战；启动此类项目面临巨大成本，且需正确技能和技术支持每个计划。每个用例需作为单独项目处理，因为你实际上是在为特定需求采购，若组织有多种类型数据、多个流程存在此类非结构化数据，每次都需重新开始购买正确解决方案修复各个问题。"

"关键在于以可扩展方式应用正确技术解决正确问题，专注于业务价值。例如，我们有现成的发票处理方案，利用可复用组件可在任何公司实施，自动化应付账款端到端业务流程。我们已完成构建并使其为客户工作的艰苦工作。"

内容智能

克服RPA内容处理缺陷的最后一种方法是实施额外能力。ABBYY全球副总裁Neil Murphy解释："RPA最大的挑战是无法处理发票、邮件、表单、收据或信函等非结构化内容。然而，公司可以且确实克服了这一点。"

"只需内容智能'技能'，通过添加分析、理解和处理非结构化内容的认知能力，让RPA机器人更聪明。组织可部署这些内容智能技能，配合易用的无代码/低代码解决方案，使员工能构建处理大量文档的RPA机器人。"

"我们已看到各规模企业采用此方法，技术准入门槛被移除。这反过来推动创新——一些公司现结合这些技能提供复杂用例的高级认知理解。客户开户是个好例子，需处理大量文档：身份文件、开户表格、银行对账单、地址证明等。"