机器人化和流程自动化领域——RPA(Robotic Process Automation)正在积极发展,越来越多的公司在其业务流程中使用RPA解决方案.根据Grand View Research的一份报告,到 2027 年 RPA 市场将超过 250 亿美元,复合年增长率超过 40%.此类解决方案的开发人员为企业提供了创建"数字工作者"的平台.数字工作者是该平台的主要组成部分,是一个软件机器人,可在桌面上使用软件执行操作.其他平台组件允许您在生产环境中分析业务流程、自动化它们并控制它们的执行.
对于解决方案开发人员来说,将不同的技术结合起来以获得新的机会变得很自然.例如,RPA 和人工智能 (AI) 通常被视为独立的领域,但它们在很大程度上是相互补充的.这些技术的结合导致智能自动化,从而能够快速执行端到端业务流程.结合这两种技术的解决方案的实施对各行各业和公司非常有用,尤其是提供服务和支持服务.RPA和AI的结合使用究竟可以带来哪些结果呢?
智能效率
RPA 平台本身能够自动化基于不同技术平台(Windows 桌面、Web、大型机、Java、Web 服务、API)的许多业务流程.集成的灵活性是通过使用不同的方式与机器人的用户环境进行交互来实现的.其中一种方法假设机器人可以模仿人类动作并直接与目标应用程序一起工作,而目标应用程序"不知道"它正在被机器人控制.也就是说,标准的工作流程保持不变,没有任何额外的变化,机器人只是简单地代替了人.在其他情况下,也可以使用系统功能.例如,机器人可能不会通过使用系统命令操作文件来使用资源管理器(用户界面).使用表和数据库,
随着人工智能的进步,出现了数字工作者的其他用例.RPA 是一种具有许多优点的高效技术,但机器人只能执行人类分配给它们的任务.但人工智能可以训练机器人,让他们有机会独立分析某些问题.因此,RPA 可以根据预定义的规则自动执行所有任务,而 AI 可以填补 RPA 失败的空白.如果早期的机器人只能处理结构化数据和清晰构建的逻辑,那么得益于人工智能技术,机器人能够做出独立决策.
考虑一下由于人工智能,机器人做出独立决策的方向.
分析:流程检测和活动识别
公司通常需要一份描述业务流程和员工行为的文件.这样的文件可以简化培训新员工的流程,改进某些流程,提高工作质量,也可以用来构建机器人化系统.
自动化流程分析节省了业务分析师描述它们所花费的时间.基于人工智能的解决方案可以检测新流程,更详细、更广泛地调查和描述它们.在大多数情况下,此类解决方案代表安装在员工桌面上并监控所执行操作的代理程序.一段时间后,代理形成员工执行的工作的概念.因此,业务分析师必须花费在准备文档上的时间显着减少.
光学字符识别
光学字符识别 (OCR) 包括图形字符、斜体和非结构化数据的识别.这些技术用于自动化无法在系统级别连接的应用程序,以及处理无法从中提取文本的文本文件 - 例如,从扫描文档的 PDF 文件中提取文本.通过这种方式,可以处理发票、支票、收据和其他标准化(但不一定结构化)的文档.人工智能的这种使用导致端到端流程自动化.只有当机器人不确定下一步要做什么时,人们才会支持机器人并处理文档.
借助 AI 技术,还可以使用额外的文本识别功能.它们需要更智能地使用数字化文档 - 在文档包含表格或不同文本布局的情况下.例如,开发人员提供用于处理属于 IDP(智能文档处理)系列的图形文档的产品.IDP 与 OCR 的不同之处在于,除了将图形文本转换为数字外,它还可以检测文档类型并查找更改其位置的字段.IDP 接受监督式培训,分析师会在其中调整结构化文档概念.当 OCR 和 IDP 不仅提供可识别的文本,还提供对数字化正确性的置信度评估时,非常方便.
一些产品还允许手写识别.当然,很大程度上取决于语言和文化.例如,当涉及到医生开的处方时,通常很难识别文本.但是识别技术就在那里,并且有效.创新的解决方案可以轻松处理扫描的应用程序和其他文档.手写识别通常用于在提议和接受的合同承诺之间进行对账,其中接受客户手动重写合同的关键条款.
谈到文档数字化技术的发展趋势,专家建议从基于手写文本的流程转向输入的数字化.如果您用聊天机器人、表单或 IVR 系统(智能语音识别)替换此方法,流程将更加高效.此外,手写识别还可用于比较和验证签名.
图像识别
处理图像时可能需要图像识别.RPA 平台包含用于查找画中画和分析图像以获取不同颜色内容的组件.人工智能技术允许扩展其使用场景.就其本身而言,这项技术很有趣,当与其他技术和系统结合时,它为业务流程的机器人化开辟了新的机遇.
图像的比较分析可以让您找到"画中画",它们之间存在一些差异.这种技术的一个很好的例子是谷歌图像搜索.搜索结果是相同和相似的图像.用例可以是在 Internet 上搜索包含类似照片的所有来源.该解决方案可用于验证个人数据的真实性.如果在社交网络上为不同的账户使用了相同或相似的肖像,那么该信息的真实性就值得怀疑.您可以以相同的方式搜索徽标.
此功能还包括人脸识别选项:识别图像中人脸的概念 - 例如,护照照片.通过自动化招聘,可以使用 IDP 识别护照数据,自动识别员工照片并将其保存在本地人力资源系统中.可以将护照数据与个人数据进行比较,并且可以在照片数据库中检查照片(例如,通缉犯).
还可以从视频监控流中识别人脸和人物图像.视频流被切割成帧,采样帧通过人脸识别系统.根据人事管理系统检查人员,并根据人脸识别做出决定.例如,如果有一个仓库有块 A 和 B,并且在块 B 中识别了分配到块 A 的员工,这可能会导致仓库安全服务的自动通知.智能机器人提供系统之间的通信,并将个人能力链接到一项端到端的有用活动中.
物体识别是对图像中的概念或现象的识别.从医学识别异常,防御识别目标,生态识别污染,到炼油工业,各种行业几乎都有无穷无尽的用途.该解决方案的用途是让 AI 训练跨多个图像的概念化.经过训练后,AI 将能够对图像进行内容分类或缺乏概念分类.这种解决方案的一个很好的例子是管道上的锈蚀处理.想象一架无人机飞过管道并从上方拆除管道.处理视频并检查镜头是否生锈.如果发现生锈,然后服务团队会收到包含图像和图像地理位置的通知,然后决定是否需要采取行动.当然,无人机不能飞上百公里的管道,必须有团队陪同,但这比爬上管道并一步步检查要快.
当然,人们可以做到这一切.但是多久和多久一次?机器人不会感到疲倦,也不会因长时间单调的工作而迷失方向.他们可以处理信息,即使他们必须每 10 分钟分析同一张图像,同时每小时分析数千张图像.
机器人 AI 系统还允许您通过列出所见对象的概念来描述图像.当人工智能被用来规避针对人工智能和机器人的技术时就是这种情况.一个很好的例子是旨在将用户验证为人类的技术("选择所有带有红绿灯的图像以确认您不是机器人").图像的描述性分析会告诉您图像包含一个包含汽车和交通灯的城市环境.
提高客户服务效率的机会
结合 RPA 和 AI 的解决方案通过自动分析呼叫(语音、文本)、确定呼叫的情绪、优先级和上下文,帮助提高客户服务效率.
情绪分析可让您确定作者的情绪或信件的语气.该技术可用于支持中心来确定请求的优先级.一个更有能力的客户支持员工被分配到请求中,文本分析器从文本中提取一般上下文.支持信被归类为许可、安装或使用请求.此外,该技术可以与聊天机器人集成以实现相同的目标 - 定义进一步分发处理请求的上下文和一般含义 - 通过机器人手动或混合.
语音识别使得在机器人和人之间创建语音通信通道成为可能.它与上下文识别系统结合使用.语音消息被数字化为文本,而文本又经过含义定义.这种基于预定上下文的通信用于聊天机器人.联系支持服务时,客户会表明身份并描述其请求的性质.系统通过对话引导用户并处理请求.如果系统无法理解或处理请求,呼叫将转接给已经掌握信息并查看系统自动问题答案的支持员工.
还有一些服务解决方案 (Service Assist) 将请求帮助的客户、支持代理和机器人连接到一个端到端流程中,机器人完成所有工作,使用不同的公司系统收集数据并进行更改.
另一种解决方案是将文本转换为语音.机器人可以准备一段文字,然后将这段文字翻译成语音,然后通过有针对性的信息拨打电话.模拟人类语音用于旨在大规模警报的自动机器人呼叫.此类功能在很多情况下都是必不可少的 - 例如,立即通知人员.这项技术的使用也可用于提醒乘客机场航班延误.邮件需要访问权限,并非所有电子邮件在收到后都会立即阅读.电话或免提电话在发送和接收消息方面更加同步.
此外,值得注意的是一个非常有趣的方向——虚拟播音员.机器人可以传输文字,与虚拟播音员一起创建视频发布,等待视频编辑,并将视频放入视频存储和发布系统.
在上下文识别方面,聊天机器人就是一个简单的例子.他们通常从一个特定的问题开始.根据预定义的类别对用户响应进行分类,这就是上下文识别.聊天机器人主要用于外部客户支持和内部员工支持服务,其中通信结果由机器人处理.因此,您可以发送房屋或汽车保险的报价,帮助您找到最近的组织分支机构,或建议支持服务的联系信息.外部支持包括在搜索公开可用信息时为客户提供用户友好性.但是,如果可以授权客户,则可以提供与个人数据相关的服务.
如果我们谈论对内部客户的支持,可以是密码恢复、服务请求、帮助查找内部程序、法规、模板等.这将显着加快新员工的培训,因为聊天机器人助手将能够帮助员工处理不熟悉的情况.
未来对我们来说是什么?
许多公司长期以来一直在结合 RPA 和 AI 技术,释放人力资源.而这些技术的发展及其普及,可能会导致业务流程数字化方面的革命性变化.AI 使您能够超越 RPA 平台的能力.多亏了人工智能,数字工作者变得聪明,获得了分析和做出的能力,尽管是受控的,但独立的决策.
文章评论