Wie Unternehmen die Nachteile der Inhaltsverarbeitung von RPA überwinden können

Wie können Unternehmen diese RPA-Herausforderungen bewältigen?

Die Roboter-Prozessautomatisierung wurde entwickelt, um digitalen Assistenten für Mitarbeiter zu ähneln, und ist dafür bekannt, dass sie nützlich ist, um Geschäftsabläufe zu rationalisieren, ohne die Kosten zu erhöhen und gleichzeitig menschliche Fehler zu reduzieren. Allein RPA-Software hat jedoch ihre Tücken, wenn es um die Verarbeitung von Inhalten geht, aufgrund inkompatibler Intelligenz.

Es gibt jedoch Möglichkeiten, diese Nachteile zu überwinden, wie fünf Experten auf diesem Gebiet gezeigt haben.

Zusätzliche Integration

Eine Möglichkeit, die Nachteile der Inhaltsverarbeitung zu überwinden, besteht darin, andere intelligente Technologien zu kombinieren und in das System zu integrieren.

„Die RPA-Technologie wird hauptsächlich zur Automatisierung regelbasierter Prozesse und zur Nachahmung menschlicher Aktionen verwendet, wie z. B. die Verarbeitung einer Rechnung und die Eingabe von Daten in SAP- oder Oracle-Systeme aus einer Microsoft Excel-Tabelle“, erklärte Gopal Ramasubramanian, Senior Director, Intelligent Automation &Technology bei Cognizant .

„Wenn es jedoch um die Verarbeitung von Inhalten in Dokumenten geht, bedarf es zusätzlicher intelligenter Aufnahmetechnologien, die optische Zeichenerkennung (OCR), Verarbeitung natürlicher Sprache (NLP) und maschinelles Lernen (ML) kombinieren, um Metadaten aus den Dokumenten extrahieren zu können Dokumente und automatisieren die Verarbeitung.

„Der Inhalt kann unterschiedlicher Art sein, wie z. B. strukturiert/gedruckt, strukturiert/handschriftlich, unstrukturiert/gedruckt und unstrukturiert/handschriftlich. Es ist ziemlich einfach, strukturierte Inhalte mit Standard-OCR-Technologien zu extrahieren. Das Extrahieren unstrukturierter Inhalte stellt jedoch eine Herausforderung dar, und wir sehen zunehmend die Einführung von NLP- und maschinellen Lerntechnologien, um diese anzugehen.“

Arpit Oberoi, RPA-Spezialist bei Delaware, fügte hinzu:„Die größte Herausforderung, der sich die RPA-Technologie heute stellen muss, ist die Tatsache, dass sie oft noch Schwierigkeiten hat, unstrukturierte Inhalte und Daten zu verarbeiten. Um dieses anhaltende Problem zu lösen, können Unternehmen versuchen, ihre Daten in strukturierteren Datensätzen zu harmonisieren und nach Möglichkeit KI und RPA zu kombinieren, um die Inhaltsverarbeitung zu optimieren oder zu automatisieren.“

Beteiligung Dritter

Andrew Rayner, Vizepräsident von Professional Services EMEA bei UiPath, fuhr mit dem Thema der zusätzlichen Integration fort, indem er die Notwendigkeit von Anwendungen von Drittanbietern in Kombination mit RPA erläuterte.

„In der Vergangenheit konnte sich die RPA-Technologie in Anwendungen von Drittanbietern integrieren, um die Verarbeitung von Inhalten zu unterstützen“, sagte Rayner. „Zum Beispiel haben viele der OCR-Anbieter (Abbyy, IBM usw.) eine direkte Integration, die es ermöglicht, halbstrukturierte oder strukturierte Dokumente zu klassifizieren und zu erkennen.

„Bei UiPath haben wir stark in das Verstehen von Dokumenten investiert, um Kunden eine „out of the box“-Lösung bereitzustellen, mit der Flexibilität, verschiedene Techniken wie Musterabgleich, Vorlagen und maschinelles Lernen anzuwenden, um mit unstrukturierten und halbstrukturierten Dokumenttypen umzugehen .

„Da wir breiter über die Verarbeitung von Inhalten nachdenken, spielt dies gut in die Hyperautomatisierung, wir haben jetzt lang andauernde Workflows mit Human-in-the-Loop, die es sowohl Robotern als auch Menschen ermöglichen, nahtlos an einer Transaktion zu arbeiten.

„Es gab enorme Fortschritte in Bezug auf die Anwendungskonnektivität, um Inhalte über die Benutzeroberfläche oder APIs zu verarbeiten, und mit der Einführung von RPA und ML können Roboter jetzt klassifizieren, Stimmungen verstehen und die nächstbesten Maßnahmen für unstrukturierte Inhalte vorschlagen.“

Investieren Sie mit Bedacht in Tools

Obwohl die Notwendigkeit, Unterstützung durch zusätzliche Software in Anspruch zu nehmen, berechtigt ist, müssen Unternehmen vorsichtig sein, nicht zu viel auszugeben, und sicherstellen, dass die Tools, in die sie investieren, für einen klaren, spezifischen Zweck bestimmt sind.

„Unternehmen haben in ihrer gesamten Organisation viele unstrukturierte Daten in vielen verschiedenen Formaten, seien es Dokumente, E-Mails oder sogar systembasierte Daten, die nicht strukturiert sind, wie z. B. Zahlungsdaten für Abstimmungen“, sagte Chris Porter, CEO von NexBotix. „Das verursacht ein Problem für RPA, das nur strukturierte, regelbasierte digitale Prozesse handhaben kann.

„Es gibt verschiedene Möglichkeiten für Kunden, diese Mängel zu beheben. Eine besteht darin, eine maßgeschneiderte Punktlösung wie ein OCR-Tool zu kaufen, das Daten aus Dokumenten extrahieren kann, oder sie könnten in ein Workflow-Tool investieren, das ihnen hilft, Roboter und Menschen zu orchestrieren, oder vielleicht maschinelles Lernen von Google kaufen, um zu versuchen, daraus Erkenntnisse zu gewinnen ihre komplexen Dokumente. Diese Tools wurden entwickelt, um eine sehr begrenzte Anzahl von Problemen innerhalb enger Parameter zu lösen.

„Allerdings hat jede davon ihre eigenen technischen Herausforderungen; Wenn Sie eines dieser Projekte in Angriff nehmen, sind Sie mit erheblichen Kosten konfrontiert, und Sie benötigen die richtigen Fähigkeiten und Technologien, um jede Initiative zu unterstützen. Jeder Anwendungsfall muss als individuelles Projekt behandelt werden, da Sie effektiv für diesen bestimmten Bedarf kaufen, und wenn Sie viele verschiedene Arten von Daten in Ihrer Organisation haben, viele verschiedene Prozesse, die diese Menge an unstrukturierten Daten haben, Sie müssen jedes Mal neu beginnen und die richtige Lösung kaufen, um jedes einzelne Problem zu beheben.

„Der Schlüssel liegt darin, die richtige Technologie anzuwenden, um die richtigen Probleme zu lösen, aber auf eine skalierbare Weise, die sich auf den Geschäftswert konzentriert. Zum Beispiel haben wir eine Standard-Rechnungsverarbeitung, die wir in jedem Unternehmen implementieren können, indem wir wiederverwendbare Komponenten nutzen und den End-to-End-Geschäftsprozess in der Kreditorenbuchhaltung automatisieren. Wir haben bereits hart daran gearbeitet, das zu bauen und es für den Kunden zum Laufen zu bringen.“

Inhaltsintelligenz

Eine letzte Möglichkeit, die Nachteile von RPA bei der Inhaltsverarbeitung zu überwinden, besteht darin, zusätzliche Funktionen zu implementieren.

Neil Murphy, Global Vice President bei ABBYY, erklärte:„Die größte Herausforderung bei RPA besteht darin, dass unstrukturierte Inhalte wie Rechnungen, E-Mails, Formulare, Quittungen oder Korrespondenz nicht verarbeitet werden können. Unternehmen können dies jedoch überwinden – und tun dies auch.

„Alles, was es braucht, sind Content-Intelligence-Fähigkeiten, die RPA-Bots intelligenter machen, indem sie kognitive Fähigkeiten wie das Analysieren, Verstehen und Verarbeiten unstrukturierter Inhalte hinzufügen. Organisationen können diese Content-Intelligence-Fähigkeiten mit benutzerfreundlichen No-Code- oder Low-Code-Lösungen einsetzen, die es ihren Mitarbeitern ermöglichen, RPA-Bots zu erstellen, die eine Vielzahl von Dokumenten verarbeiten können.

„Wir sehen bereits eine Einführung in allen Unternehmensgrößen, in denen die technologische Eintrittsbarriere durch einen solchen Ansatz beseitigt wird. Dies wiederum treibt Innovationen voran – einige Unternehmen kombinieren diese Fähigkeiten jetzt, um ein fortgeschrittenes kognitives Verständnis komplexer Anwendungsfälle zu bieten. Kunden-Onboarding ist ein gutes Beispiel, wo eine Vielzahl von Dokumenten verarbeitet werden müssen, von Ausweisdokumenten und Onboarding-Formularen bis hin zu Kontoauszügen und Adressnachweisen.“