Wie KI Robotic Process Automation revolutioniert

RPA, unterstützt durch verschiedene KI-Module, kann spezifische Fähigkeiten liefern, um subjektive Verarbeitungsaufgaben auszuführen, die traditionell von Menschen durchgeführt werden.

KI und Robotic Process Automation werden oft in einem Atemzug genannt, doch die Mehrheit der RPA-Initiativen hat nichts mit Intelligenz zu tun. In Realität geht es bei RPA-Initiativen typischerweise darum, repetitive, langweilige, regelbasierte Prozesse zu automatisieren, um Zeit für Mitarbeiter freizumachen, damit sie sich auf die echte „intelligente“ Arbeit konzentrieren können – wie kundenfokussierte Tasks.

RPA ist im Grunde „Affe sieht, Affe macht“: RPA-Software lernt Prozesse, ohne zu verstehen, warum sie funktionieren. Beispielsweise verlässt sich RPA-Software darauf, gesagt zu bekommen, wie sie User Interfaces bedienen soll – sie zeichnet Tasks auf, wie Cursor-Bewegungen und Klicks, und übersetzt diese in Code. Jedes Update oder jede Änderung am Prozess macht es ungültig.

Momentan greifen Organisationen darauf zurück, Menschen einzusetzen, um diese Art von Problemen manuell zu warten – was ironisch ist, weil sie Menschen, die manuelle Tasks machen, durch Technologie ersetzen, die Menschen braucht, um manuelle Tasks zu machen.

Wie „KI“ helfen kann

Es gibt gute Nachrichten: Der RPA-Markt reift. Unternehmen beginnen zu realisieren, was RPA ist – und was es nicht ist; sie fangen auch an zu verstehen, dass Desktop-RPA oder UI-basiertes RPA nicht die Silberkugel für jedes Prozessproblem in jeder Organisation ist.

In diesem Kontext schauen Unternehmen auf KI in der Hoffnung, ihre Bots schlauer zu machen.

Bevor wir eintauchen, lassen Sie uns etwas KI-Hype durchschneiden und uns von der Vorstellung bewusster Maschinen lösen, die auch Schach-Großmeister sein könnten – akademisch mag das interessant sein, aber es korreliert nicht mit Business-Vorteilen.

Die KI-Bereiche, die für RPA am relevantesten sind, sind Machine Learning, Predictive Analytics und anspruchsvolles Cognitive Computing. Stellen Sie sich vor, wie KI Updates und Änderungen an einer UI erkennen und RPA-Software anweisen könnte, entsprechend zu handeln.

Breiter gefasst: Das Management unstrukturierter Daten ist ein Schlüsselbereich, in dem Unternehmen RPA in die KI-Domäne erweitern wollen. In diesem Kontext ist RPA-Software der Aggregator, der die Rohdaten beschafft, um die KI-Komponenten zu füttern – ob basierend auf Computer Vision, Pattern Matching, Classifiern oder Natural Language Processing. Sobald die KI-Module ihre Funktionen abgeschlossen haben, kann RPA genutzt werden, um die Antworten in die Zielsysteme zu pushen.

RPA, unterstützt durch verschiedene KI-Module, kann spezifische Fähigkeiten liefern, um subjektive Verarbeitungsaufgaben auszuführen, die traditionell von Menschen durchgeführt werden.

Es gibt keinen One-Stop-Shop für KI

Es gab viel „AI-Washing“ im Tech-Markt, was es für Business Leader schwer macht, die Bereiche zu identifizieren, wo KI anwendbar ist, und welche Vendors das echte Ding sind.

Bezüglich KI-Fähigkeiten sind einige RPA-Vendors weiter als andere, während andere besser auf spezifische Bereiche oder Branchen zugeschnitten sind. Aber wenn Sie fragen, welcher eine Vendor der kognitivste ist, stellen Sie vielleicht die falsche Frage.

Stattdessen sollten Organisationen versuchen, ihren Ausblick zu erweitern und einen eklektischeren Mix an KI-Lösungen zu umarmen.

„Kein einzelner RPA-Vendor wird der beste Chatbot, der beste OCR/ICR Document Capturer oder der beste Natural Language Processor sein“, argumentierte Neil Kinson, Chief of Staff bei Redwood Software. „Im Grunde erfordern all diese sehr engen KI-Use-Cases hochspezialisierte, kuratierte Datensätze, riesige Volumen und Spezialisierung. Eine RPA-Plattform wird nie in allen brillieren.

„Viele Organisationen fühlen, sie haben die Peak-Fähigkeit von RPA erreicht und realisieren, dass es noch Prozesse gibt, die sie jetzt verstehen, nicht durch ein einzelnes Tool adressiert werden können; und tatsächlich müssen sie multiple Technologien einbringen, um die multiple Prozess-Herausforderungen zu adressieren.“