RPAs Evolution zur KI: Die Zukunft der Business-IT-Ausrichtung antreiben

„Die Use Cases intelligenter Automatisierung werden weiter wachsen, da neue KI-Techniken und -Lösungen auf den Markt kommen und den zukünftigen Arbeitsplatz radikal verändern.“

Robotic Process Automation (RPA) hat uns in den letzten Jahren einen langen Weg gebracht, um Produktivitätsvorteile freizusetzen, die in manuellen Prozessen gebunden waren, und eine Denkweise galvanisiert, dass sich Dinge ändern können, ohne massive System-Neuentwicklung zu benötigen.

Wenn umfassender Wandel keine realistische Option für Organisationen ist, kann RPA als Katalysator fungieren, um Unternehmen voranzubringen und Wert hinzuzufügen, indem es ihnen ermöglicht, strategische Pläne um Investitionen aufzubauen, die sie bereits in ihre Legacy-Systeme getätigt haben.

Die Expansion in künstliche Intelligenz (KI) ist der nächste Schritt dieser granularen, schnelleren Transformationsform, wobei immer mehr Geschäftsaktivitäten entweder vollständig oder teilweise durch zunehmend raffinierte Mittel automatisiert werden. Dies wird gemeinhin als kognitive RPA oder CRPA bezeichnet.

Also, was sind einige reale Use Cases, die RPA und KI zu breiteren intelligenten Automatisierungslösungen kombinieren?

Process Discovery

Wenn neue digitale Technologien auf den Markt kommen, stehen Business-Professionals vor der Herausforderung, genau zu verstehen, wo Lösungen wertvoll sein können, um Effizienz zu steigern, und einen Business Case für die Implementierung zu entwickeln.

Oft weiß man intuitiv, wo Ineffizienzen liegen, aber dies muss durch eine evidenzbasierte, bottom-up Sicht dessen unterstützt werden, was über die IT-Systeme und Geräte eines Unternehmens passiert, um einen starken Fall für Investitionen zu machen – hier ist Process Discovery so wichtig. Der Unterschied zwischen der Wahrnehmung, wo Ineffizienzen liegen, und dem, was in der Systemlandschaft passiert, kann überraschend sein.

Durch den Einsatz von Analytics, Machine Learning und KI können Sie eine evidenzbasierte Sicht auf die operativen Prozesse einer Organisation aufbauen, was wiederum ein tieferes Verständnis dafür liefert, wo digitale Technologien angewendet werden können – sei es durch Systemänderungen oder die Anwendung von RPA auf Prozessexzepzionen zum Beispiel. Es ermöglicht auch, die Vorteile dieser Lösungen zu bewerten, sobald sie bereitgestellt wurden.

Management unstrukturierter Daten

Trotz des Aufstiegs digitaler und Robotik-Lösungen bleibt eine signifikante Herausforderung für Unternehmen das Management von Formularen, Korrespondenz, Verträgen und anderen Freitext-Inhalten. Dies ist besonders der Fall bei externem Material wie Kunden- oder Lieferantenverträgen, was den Bedarf für hochmanuelles Case Management schafft.

Dies ist derzeit einer der Schlüsselbereiche, in denen Unternehmen suchen, RPA in die KI-Domäne zu erweitern. In diesem Kontext ist RPA der Aggregator, der die Rohdaten beschafft, die benötigt werden, um die KI-Komponenten zu füttern, ob sie auf Computer Vision, Pattern Matching, Klassifizierer oder Natural Language Processing basieren. Sobald die KI-Module ihre Funktionen abgeschlossen haben, kann RPA dann genutzt werden, um die Antworten in die Zielsysteme zu schieben.

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

Die konversationelle Schnittstelle

Laut einer dieses Jahr von Capgemini durchgeführten Studie werden Sprachassistenten in den nächsten drei Jahren zu einem dominanten Modus der Konsumenteninteraktion – 24 % sagen bereits, sie würden Chatbots und Voicebots statt einer Website nutzen. Der Anstieg von Sprachassistenten wie Google Assistant, Amazon Alexa und Apples Siri transformiert Kundenbeziehungen dramatisch, und Unternehmen werden gezwungen, zu überlegen, wie sie diese nutzen können.

Um diese Lösungen in einem Unternehmen einzusetzen, brauchen wir einen Mechanismus, der den Zugriff auf den Anwendungsbestand einer Organisation öffnet. Ein Voicebot oder Chatbot ist natürlich nur so schlau wie die Information, die er extrahieren und an seinen Nutzer weiterleiten kann. Wie dies in diesem Beispiel zusammenkommt, ist durch den Einsatz der Roboter, um Daten an unsere konversationelle Schnittstelle, also den Chatbot, zu holen und zu liefern, und so die gestellte Frage zu beantworten.

Dies wird erreicht, indem der Chatbot die abstrakte Frage in eine Reihe von Abfragen umwandelt, die vom RPA-System verstanden werden können. Der Roboter fragt dann das/die System(e) der Aufzeichnung ab, um relevante Datenelemente abzurufen, verpackt sie und gibt das Paket an den Chatbot zurück, was es ihm ermöglicht, diese in eine natürliche Sprachantwort zu rekonstruieren.

RPA ist eine entscheidende Komponente, um Anwendungen zu öffnen – besonders solche, die schwer zu integrieren sind – und ihnen die Teilnahme an der neuen Welt konversationeller Schnittstellen zu ermöglichen.

Speed to Insight

Alle Unternehmen haben irgendeine Form von Daten-Pipeline, die ihre Lieferketten und Lager speist. Sie sind darauf ausgelegt, zu versuchen, 100 % der benötigten Daten regelmäßig bereitzustellen. Während es für Reporting meist ausreichend ist, ist es kein vollständiger genug Datensatz für Analyse und Insight-Generierung.

Es gibt immer eine „letzte Meile“ ergänzender Analyse, die erforderlich ist, um ein spezifisches Stück Insight zu erfassen. Dies erweitert den Datensatz um Daten, um Root-Cause-Analysen von Herausforderungen wie dem Monatsabschluss zu unterstützen.

RPA kann genutzt werden, um diese letzte Meile der Extraktion zu unterstützen, indem es die Aggregation und Datenvorbereitung bereitstellt, um die dynamischen Bedürfnisse des Reportings zu unterstützen, ohne auf Corporate IT warten zu müssen, die Daten-Pipelines zu erweitern. Dies ermöglicht es uns wiederum, Dinge vorherzusagen und zu tun, die für Menschen historisch schwierig waren.

Wir kämpfen damit, vorherzusagen, weil wir die riesigen Datenmengen nicht bewältigen können. Wir kämpfen damit, große Datenmengen zu narrieren, die eine Vielzahl von Geschäftsbereichen oder Abteilungen abdecken. KI kann eingesetzt werden, um zu modellieren und vorherzusagen oder Natural Language Generation Techniken zu nutzen, um eine grammatikalisch korrekte, narrative Zusammenfassung der Erkenntnisse innerhalb eines Blocks von Rohdaten zu erstellen, anstatt Heerscharen von Menschen einzusetzen.

In vielen der oben skizzierten Use Cases befinden wir uns noch in den sehr frühen Phasen der Nutzung der Vorteile von RPA und seiner Expansion in die KI. Doch das demonstriert nur, wie sehr RPA sich weiterentwickeln und in Unternehmen ausweiten wird in den kommenden Jahren.

Die Use Cases intelligenter Automatisierung werden auch weiter wachsen, da neue KI-Techniken und -Lösungen auf den Markt kommen und den zukünftigen Arbeitsplatz radikal verändern. Damit Unternehmen diese Technologie vollständig nutzen können, müssen sie zuerst verstehen, wie diese Lösungen ihre Prozesse transformieren können, und strenge Governance anwenden, um sicherzustellen, dass ihre Entscheidungsfindung effektiv ist.

Wenn Unternehmen bestrebt sind, diese vernetzten, aber granularen Lösungen in ihren Organisationen zu implementieren, wird dies ihnen helfen, eine Dual-Speed-Transformation voranzutreiben, und eine neue Ära der Business-IT-Ausrichtung wird folgen.