Automação Robótica de Processos e Inteligência Artificial – Combinando as duas tecnologias

Automação Robótica de Processos e Inteligência Artificial – Combinando as duas tecnologias

Atualmente, há muita empolgação em torno do enorme potencial de automação nas empresas, particularmente no que diz respeito à Automação Robótica de Processos (RPA) e Inteligência Artificial (IA). Essas duas tecnologias têm a capacidade de gerar eficiência significativa, além de gerar novas fontes de valor para as organizações.

Mas, à medida que as empresas procuram adotar a automação robótica de processos e a IA, e buscam obter o máximo valor dessas tecnologias disruptivas, elas precisam ter uma visão clara do que fazem e do que não fazem e como podem trabalhar juntas para oferecer até mesmo mais valor.

A primeira coisa a entender é que o RPA e o AI são tipos muito diferentes de tecnologia, mas se complementam muito bem. Pode-se usar automação robótica de processos sem AI e AI sem RPA, mas a combinação dos dois juntos é extremamente poderosa.

Então, primeiro para explicar o que o RPA e a IA realmente são, começando com a automação robótica de processos, pois é o mais fácil de definir. A Automação Robótica de Processos é uma classe de software que replica as ações dos humanos que operam sistemas de computador para executar processos de negócios. Porque os robôs’de software imitam exatamente o que os operadores humanos fazem (registrando em um sistema, inserindo dados, clicando em ‘OK’, copiando e colando dados entre sistemas, etc.), como sistemas ERP, sistemas CRM e aplicativos do Office, funcionam exatamente como sempre fizeram, sem nenhuma alteração necessária. E como as licenças para os robôs são uma fração do preço de empregar alguém, além de poder trabalhar 24×7, se necessário, o caso de negócio apenas do ponto de vista do custo é muito forte.

Além da redução de custos, a RPA também oferece outros benefícios importantes, como precisão e conformidade (os robôs sempre executam o processo exatamente da mesma maneira) e melhor capacidade de resposta (eles geralmente são mais rápidos que os humanos e podem funcionar todas as horas). ). Eles também são muito ágeis – um único robô pode realizar qualquer processo baseado em regras em que você o treine, seja em finanças, serviços ao cliente ou operações.

Os processos que podem ser automatizados por meio da RPA precisam ser baseados em regras e repetição, geralmente envolvem processos executados em vários sistemas diferentes. O Customer Onboarding é um bom candidato de uma automação robótica de processos, pois envolve várias etapas e sistemas diferentes, mas todos podem ser definidos e mapeados. Processos de alto volume são preferíveis, pois o business case será mais forte, mas processos de baixo volume podem ser automatizados se a precisão for crucial.

O importante é lembrar que os robôs da automação robótica de processos são burros. O software pode ser realmente inteligente em termos do que pode conseguir, mas os robôs farão exatamente o que você os treinou para fazer, sempre. Essa é a maior força e a maior fraqueza deles. Um ponto forte, você precisa ter certeza de que o robô executará o processo de forma correta e precisa, mas uma fraqueza porque impede qualquer capacidade de autoaprendizagem.

Essa incapacidade de auto-aprendizagem leva a duas restrições distintas para a automação robótica de processos, as quais, felizmente, podem ser tratadas pelos recursos da IA. A primeira é que os robôs exigem dados estruturados como entrada, seja de uma planilha, de um banco de dados, de um formulário da web ou de uma API. Quando os dados de entrada não são estruturados, como um e-mail do cliente, ou semi-estruturados onde geralmente há as mesmas informações disponíveis, mas em formatos variáveis ​​(como faturas), a inteligência artificial pode ser introduzida para transformá-lo em um formato estruturado.

Esse tipo de recurso usa várias tecnologias de IA diferentes, incluindo Processamento de Linguagem Natural, para extrair os dados relevantes do texto disponível, mesmo se o texto for escrito em linguagem livre ou se as informações em um formulário parecerem bem diferentes cada vez. Por exemplo, se você escreveu um e-mail para um varejista on-line reclamando que o vestido entregue estava com a cor errada para o pedido, a AI seria capaz de dizer que se tratava de uma reclamação, que a queixa dizia respeito a um vestido e o problema é que era a cor errada. Se as informações do pedido não foram incluídas no e-mail original, o AI poderia determinar qual ordem relacionava-se ao triangular as informações já existentes. Depois de reunir tudo, pode encaminhar essa consulta para a pessoa certa dentro da organização, juntamente com todos os dados de suporte. Naturalmente, a “pessoa certa” poderia na verdade ser um robô que pudesse reordenar a cor correta e enviar um e-mail apropriado para o cliente.

Para dados semi-estruturados, a IA é capaz de extrair os dados de um formulário, mesmo quando esses dados estão em lugares diferentes no documento, em um formato diferente ou aparece apenas algumas vezes. Para uma fatura, por exemplo, a data pode estar no canto superior esquerdo, às vezes, e outras vezes no canto superior direito. Também pode ser escrito à mão ou abreviado. A fatura pode ou não incluir um valor, e isso pode ser escrito acima do valor total ou abaixo dele. Uma vez treinada, a IA é capaz de lidar com toda essa variabilidade com um alto grau de confiança. Se ele não sabe (ou seja, seu nível de confiança está abaixo de um certo limite), então ele pode escalar para um ser humano, que pode responder à pergunta, e a IA aprenderá com essa interação para fazer seu trabalho melhor no futuro.

A segunda restrição para o RPA é que ele não pode tomar decisões complexas, ou seja, não pode usar o julgamento em um processo. Algumas decisões são relativamente diretas e certamente podem ser tratadas pela automação robótica de processos, especialmente se envolverem a aplicação de pontuações baseadas em regras a um pequeno número de critérios específicos. Por exemplo, você só pode oferecer um empréstimo a alguém com mais de 18 anos, que seja empregado e possua uma casa – se eles satisfizerem todos esses critérios (os dados estarão disponíveis em seus sistemas internos ou externos), então eles passarão no teste. Você pode até aplicar algumas ponderações, por exemplo, para que elas pontuem melhor à medida que envelhecem e ganhem mais dinheiro. Um cálculo simples pode decidir se o cliente pontua acima de um certo limite ou não.

Mas e quando o julgamento requerido é mais complexo? Pode haver 20 ou 50 critérios diferentes a considerar, todos com pesos diferentes. Alguns podem ser mais relevantes para alguns clientes e, para outros, determinados critérios podem ser completamente irrelevantes. É nesse ponto que outro tipo de IA, geralmente chamado de “raciocínio cognitivo”, pode ser usado para apoiar e aumentar o processo de RPA.

Os mecanismos de raciocínio cognitivo funcionam mapeando todo o conhecimento e a experiência que um especialista no assunto pode ter sobre um processo em um modelo. Esse modelo, um mapa do conhecimento, pode então ser interrogado por outros humanos ou por robôs, para encontrar a resposta ideal. No meu exemplo de empréstimo anterior, um mecanismo de raciocínio cognitivo seria capaz de considerar muitas variáveis ​​diferentes, cada uma com sua própria influência ou ponderação, a fim de decidir se o empréstimo deveria ser aprovado ou não.

Esta “decisão” seria expressa como um nível de confiança, se não estivesse confiante o suficiente, poderia solicitar informações adicionais (por meio de uma interface do chatbot se estivesse lidando com um ser humano ou usando o RPA para acessar outros sistemas onde os dados poderiam ser mantidos) para ajudá-lo a aumentar seu nível de confiança.

É claro que a AI faz muito mais coisas do que os dois recursos que descrevi aqui. Já mencionei chatbots que podem ser usados ​​para interagir entre humanos e outros sistemas por meio de digitação em linguagem natural, mas também há reconhecimento de fala que é usado para propósitos semelhantes por telefone. Além de compreender a linguagem natural, a IA também pode gerá-la, criando passagens coerentes de texto a partir de dados e informações que são fornecidas. Por meio de dados de “análise preditiva”, criados e agrupados pela automação robótica de processos, é possível ajudar a prever comportamentos futuros. A IA também pode reconhecer imagens, como faces, e pode aprender e planejar cenários para novos problemas que encontrar.

A coisa crucial a ser lembrada sobre as capacidades da IA ​​é que elas são muito estreitas no que podem fazer. Cada um dos exemplos que dei é muito distinto, por isso, uma IA que possa reconhecer rostos, por exemplo, não pode gerar texto. O sistema de inteligência artificial que a Deepmind criou no ano passado para derrotar o melhor jogador do mundo no jogo chinês do Go perderia para você em um jogo simples de zeros e cruzes. Portanto, a IA precisa ser considerada em termos de seus recursos específicos e como eles podem ser combinados para criar uma solução completa.

Como vimos, a RPA pode trazer alguns benefícios significativos por si só, mas a verdadeira mágica vem quando os dois trabalham juntos. A AI abre muito mais processos para automação de processos robóticos e permite que muito mais do processo seja automatizado, incluindo onde as decisões precisam ser tomadas.

E vai além de simplesmente automatizar processos. Usando automação robótica de processos e IA , todo o processo pode ser reprojetado. Partes do processo que originalmente eram dispendiosas de executar de repente se tornam muito mais fáceis e baratas de serem executadas – elas poderiam, portanto, ser feitas logo no início, em vez de esperar até o fim. As verificações de crédito, por exemplo, só são geralmente executadas depois que outras etapas e verificações em um processo são concluídas, de modo a minimizar a quantidade de vezes que precisam ser feitas. Mas se for automatizado e, portanto, apenas a um custo marginal, por que não fazê-lo imediatamente no início para cada caso?

Alguns processos existentes são mantidos até o final do dia, porque é mais fácil para a equipe processá-los em massa, especialmente se isso significa fazer login em vários sistemas para extrair informações deles para cada caso. Isso significa que os tempos de resposta para casos que chegam pela manhã são mais longos do que precisam ser. Uma solução automatizada, por outro lado, pode acessar os sistemas relevantes várias vezes ao dia para extrair as informações assim que estiverem disponíveis. As decisões relevantes, feitas por meio da IA, podem ser tomadas com mais rapidez e eficiência, melhorando o tempo de resposta e a satisfação do cliente.

Como eu mencionei no início, há certamente muita empolgação em torno da automação, mas é muito importante ter uma compreensão sólida e sóbria de quais são as diferentes capacidades de automação. À medida que você inicia sua jornada de automação, é crucial considerar todos os tipos de automação em sua estratégia e como eles podem se apoiar e se multiplicar para atingir seus objetivos de negócios.

Andrew Burgess é consultor de gestão, autor e consultor estratégico de empresas inovadoras de tecnologia e aconselha empresas blue-chip em suas estratégias de IA e RPA. Ele é palestrante regular de conferência e escreve sobre o futuro do trabalho em seu popular boletim semanal, That Space Cadet Glow.

[Total: 1    Média: 5/5]

Deixe um comentário