Steigern Sie die Effizienz mit Agentic Automation

Die Geschichte der Automatisierung ist seit ihren Anfängen eine Geschichte des linearen Fortschritts. Von Robotic Process Automation (RPA) bis hin zu Intelligent Document Processing (IDP) hat jede neue Innovation Unternehmen produktiver, profitabler und agiler gemacht.

Aber jetzt passiert etwas Größeres. Eine neue Technologie – die Agentenautomatisierung – durchbricht diesen Zyklus der inkrementellen Verbesserung und ermöglicht die Neuerfindung von Arbeitsabläufen, wie wir sie noch nie erlebt haben.

Anstatt sich auf einzelne Aufgaben zu konzentrieren, nutzt die Agentenautomatisierung Roboter, KI und Orchestrierung, um ganze Arbeitsabläufe von Anfang bis Ende zu bewältigen. Das Herzstück der Agentenautomatisierung sind KI-Agenten – autonome Softwareeinheiten, die ihre Umgebung wahrnehmen, sich in unbekanntem Terrain bewegen und spontan Entscheidungen treffen können.

Der Entwurf zur Erfassung des Werts der Agentenautomatisierung war das Thema unseres letzten vierteljährlichen Webcasts UiPath Live :Der Weg zur Agentenautomatisierung. Wir hatten das Privileg, die Köpfe eines hochkarätigen Gremiums – KI-Wissenschaftler, Automatisierungsexperten und einen Unternehmensführer – darüber zu befragen, was dieser Wandel für Unternehmen jetzt und in der Zukunft bedeutet.

Die meisten Führungskräfte haben das Ausmaß des Potenzials der Agentenautomatisierung noch nicht erkannt. Aber die wenigen Auserwählten, die es geschafft haben, sind darauf vorbereitet und bereit, den größten Nutzen aus dieser bahnbrechenden Technologie zu ziehen.

Drei Bereiche, in denen die Agentenautomatisierung die Art und Weise, wie Arbeit erledigt wird, neu definiert

Während die traditionelle Automatisierung für strukturierte, regelbasierte Aufgaben weiterhin von entscheidender Bedeutung ist, gedeiht die Agentenautomatisierung dort, wo Unvorhersehbarkeit herrscht. So überbrückt es Lücken, die einst unüberbrückbar schienen.

1. Von Regeln zur Argumentation

Wie viele Ihrer Geschäftsprozesse basieren auf Eingaben in unterschiedlichen Formaten? Was ist mit nicht perfekten Daten?

Für die meisten Organisationen ist die Antwort viel zu viele.

In der Vergangenheit hatte die Automatisierung mit Dateninkonsistenzen zu kämpfen. Wenn Informationen nicht in einem strukturierten, standardisierten Paket ankamen, mussten Mitarbeiter eingreifen – indem sie Daten zwischen Systemen übersetzten, Unstimmigkeiten bereinigten und Dateien manuell neu formatierten. Obwohl sie ihre Zeit woanders besser verbringen könnten, blieb ihnen aufgrund dieser Unregelmäßigkeiten keine andere Wahl. Bis KI-Agenten ins Spiel kamen.

KI-Agenten gedeihen in der Mehrdeutigkeit. Sie benötigen keine perfekten Daten, um zu funktionieren. Dr. Edward Challis, Leiter der KI-Strategie bei UiPath, erklärte den UiPath Live-Moderatoren Mary Tetlow und Geoff Anderson, dass „Agenten eine wirklich leistungsstarke Möglichkeit bieten, Aufgaben zu bewältigen, bei denen sich Daten ständig ändern.“ Anstatt von den Mitarbeitern zu verlangen, jede Eingabe manuell zu strukturieren, können KI-Agenten ein übergeordnetes Ziel verfolgen und bestimmen, wie unordentliche, unvollständige oder inkonsistente Daten am besten verarbeitet werden können.

Diese Fähigkeit ist besonders wertvoll in Branchen, in denen die Datenformate stark variieren. Nehmen Sie WEX, einen globalen Finanztechnologieanbieter, der täglich eine riesige Menge an Krankenversicherungsansprüchen bearbeitet. Strukturierte Ansprüche – saubere digitale Einreichungen mit standardisierten Feldern – werden von RPA problemlos bearbeitet. Aber viele andere kommen in unordentlicheren Formaten vor, etwa handschriftliche Arztbriefe oder verschwommene Formulare. In der Vergangenheit mussten Mitarbeiter dieses Chaos manuell bewältigen, bevor Ansprüche bearbeitet werden konnten, was zu frustrierenden Verzögerungen für Kunden und höheren Kosten für WEX führte.

Jetzt bewältigen KI-Agenten diese Variabilität automatisch. Sie extrahieren wichtige Details, vergleichen sie mit Compliance-Anforderungen und leiten nur die komplexesten Fälle an menschliche Teams weiter.

2. Von der Aufgabenautomatisierung bis zur Neuerfindung des Workflows

Unterschiedliche Eingaben sind nicht das einzige Hindernis für eine umfassende Unternehmensautomatisierung. Hinzu kommt die überwältigende Komplexität der Prozesse. Zu viele bedingte „Wenn“-Anweisungen, zu viele Variationen, zu viele Ausnahmen … ab einem bestimmten Punkt wird der Versuch, solche Arbeitsabläufe mit herkömmlichen Methoden zu automatisieren, unhandlich. „Es ist einfach zu zeitaufwändig, den Prozess zu definieren, den die Automatisierung für jedes Szenario ausführen müsste“, bemerkte Dr. Challis.

Die Agentenautomatisierung verfolgt einen grundlegend anderen Ansatz. Anstatt einem Skript zu folgen, denken Agenten über Probleme nach und bestimmen, was wichtig ist, was Aufmerksamkeit erfordert und was autonom verarbeitet werden kann.

Aber sie funktionieren nicht isoliert. KI-Agenten sind am besten, wenn sie Teil eines Ökosystems sind, das menschliche Intuition, Roboterpräzision und Agentenanpassungsfähigkeit vereint. Ein Agent könnte beispielsweise einen komplexen Arbeitsablauf in Teilaufgaben aufteilen:RPA-Bots kümmern sich um die Dateneingabe, APIs ziehen Marktpreise in Echtzeit ab und Menschen lösen Grenzfälle.

Dr. Challis verglich diesen Vorgang mit dem Backen eines Kuchens. „Wenn Sie dieses Rezept umsetzen, haben Sie viele Möglichkeiten, welche Butter Sie verwenden, wie Sie die Butter erhalten und welche Schüssel Sie verwenden möchten“, sagte er. „Es besteht also die Flexibilität zwischen der Agentur und einer definierten Routine, wie dieser Prozess durchgeführt werden soll.“

Dieses Gleichgewicht zwischen Struktur und Anpassungsfähigkeit eignet sich gut für eine Reihe anhaltender Unternehmensherausforderungen. Systeme zur Bekämpfung der Geldwäsche (AML) sind beispielsweise ein wesentlicher Bestandteil der Sicherheitsrahmen von Finanzinstituten. Aber sie sind alles andere als perfekt – herkömmliche Tools neigen dazu, Compliance-Teams mit falschen Warnungen zu überfluten. In manchen Fällen können diese bis zu 90 % betragen, was die Teams dazu zwingt, eine Menge Lärm zu durchforsten, um tatsächliche Risiken zu identifizieren.

KI-Agenten sind hervorragend darin, Fehlalarme herauszufiltern, um echte Bedrohungen zu identifizieren. Dazu analysieren sie sowohl strukturierte als auch unstrukturierte Daten und erkennen Muster wie kleine, wiederholte Transfers, die auf echte Risiken hinweisen. Wie Live-Gast Craig Le Clair, Vizepräsident und Hauptanalyst bei Forrester, betonte, konnten Agenten in diesem Prozess nachweislich Fehlalarme um 60 % reduzieren. Dadurch haben Compliance-Teams die Möglichkeit, sich auf Untersuchungen mit hoher Priorität zu konzentrieren, anstatt sich in unnötigen Überprüfungen zu verzetteln.

2. Von der Codierung bis zur Zusammenarbeit

Um ihren vollen Wert als Kooperationspartner auszuschöpfen, müssen Mitarbeiter in der Lage sein, mit KI-Agenten in natürlicher Sprache zu kommunizieren. Große Sprachmodelle (LLMs) wie ChatGPT sollten diese Art von Partnerschaft ermöglichen, aber für Nicht-Programmierer ist die Realität komplizierter.

Obwohl LLMs auf Eingabeaufforderungen in einfacher Sprache reagieren, sind einige Programmierkenntnisse erforderlich, damit sie die richtigen Ergebnisse liefern – nämlich ein tiefes Verständnis der Problemzerlegung und Codevalidierung. Einfach ausgedrückt:Zu wissen, wonach man fragen muss, ist nur die halbe Miete. Sie müssen auch wissen, ob das, was Sie zurückerhalten, korrekt ist.

Ich bin Programmierer. Wenn mir ein LLM also 100 Zeilen Code zurückgibt, kann ich das lesen und herausfinden, ob es tatsächlich das tut, was ich möchte. Wenn andererseits meine Freundin, die keine Programmiererin ist, versucht, dasselbe zu tun, ist es wirklich schwierig herauszufinden, ob das Ergebnis tatsächlich das ist, was sie wollte. Um dies überhaupt zu überprüfen, ist viel Fachwissen erforderlich.

Dr. Sarah E. Chasins, leitende angewandte Wissenschaftlerin bei UiPath

Agentische Automatisierung löst diese Barriere auf. Mitarbeiter können ihre Ziele beschreiben – auch wenn diese vage sind – und die Agenten diese Anweisungen in die Tat umsetzen lassen. Dies war für WEX von entscheidender Bedeutung, da Teams Geschäftsanforderungen nicht mehr in starre Logik übersetzen müssen.

Anstatt wochenlang jedes deterministische Szenario durchgehen zu müssen, kann ich meinen Entwicklern das von mir gewünschte Ziel mitteilen. Nach welchem ​​Geschäftsergebnis suche ich? Und dann kann ich tatsächlich sehen, wie diese Dinge zusammenarbeiten. Dadurch ist eine Offenheit zwischen dem Produkt und den Technologieteams entstanden, die wir in der Vergangenheit bei der herkömmlichen Codierung nicht hatten.

Emily Krohne, Enterprise Automation Principal bei WEX

Diese Fähigkeiten sind beeindruckend … aber wie kann ich sicher sein, dass KI-Agenten nicht abtrünnig werden?

Kommen wir zum Problem:Wie kann ich mit der Fähigkeit, system- und prozessübergreifend zu funktionieren, sicherstellen, dass Agenten das tun, was ich von ihnen möchte?

Es ist ein berechtigtes Anliegen. Agenten sind nicht deterministisch und ihre inhärente Unvorhersehbarkeit ist einer ihrer Stärken. Die sichere Implementierung der Agentenautomatisierung erfordert die richtigen Leitplanken, um sicherzustellen, dass Agenten zuverlässig, sicher und transparent arbeiten.

Menschen auf dem Laufenden halten

Agenten agieren mit einem gewissen Grad an Autonomie, aber das bedeutet nicht, dass sie unkontrolliert agieren sollten. In den meisten Anwendungsfällen in Unternehmen dienen sie eher als Entscheidungsunterstützungstools als als vollständig autonome Akteure. Dr. Challis machte dies klar:„In den nächsten Jahren werden die Agenten einige Nachforschungen anstellen und Vorschläge machen, aber ein Mensch muss dies prüfen. Bevor große Änderungen vorgenommen werden, werden wir einen menschlichen Kontrollpunkt haben.“

Kontinuierliche Überwachung

Sichtbarkeit ist alles. Um sicherzustellen, dass KI-Agenten wie vorgesehen funktionieren, benötigen Unternehmen eine Echtzeitüberwachung sowohl während des Entwurfs als auch zur Laufzeit.

Zach Eslami, Senior Manager für Produktmanagement bei UiPath, bekräftigte diesen Punkt:„[Transparenz ist] ein Schlüsselaspekt, um sicherzustellen, dass Ihr Agent sowohl in einer isolierten Umgebung als auch in der Außenwelt gut funktioniert.“ Unternehmen benötigen Einblick in die Art und Weise, wie Agenten Entscheidungen treffen, damit sie ihre Leistung im Laufe der Zeit verbessern und sicherstellen können, dass sie mit den Geschäftszielen im Einklang bleiben.

Die Kombination von KI-Agenten mit deterministischen RPA-Bots ist eine der besten Möglichkeiten, die Kontrolle zu behalten. Während Agenten sich anpassen und kontextgesteuerte Entscheidungen treffen, folgen RPA-Bots einer strengen, regelbasierten Logik und schaffen so ein Gleichgewicht zwischen Flexibilität und Vorhersehbarkeit. „Wir glauben, dass unsere Agenten ein neues Maß an kontrollierter Handlungsfähigkeit demonstrieren, weil sie nicht nur mit Tools und Anwendungen interagieren“, erklärte Eslami. „Sie entwerfen keine eigenen Pläne. Sie sind in der Lage, Menschen und Roboter zu nutzen, um eine neue Ebene des Determinismus für ihre Ergebnisse zu schaffen und sicherzustellen, dass sie so funktionieren, wie es unsere Benutzer und Kunden erwarten.“

Partnerschaft mit vertrauenswürdigen Anbietern

Vertrauen ist die Grundlage einer effektiven Unternehmensautomatisierung. Vertrauen Sie nicht nur auf die Technologie, sondern auch auf die Partnerschaften, die sie zum Leben erwecken. Krohne erwähnte, dass die „Geschichte von WEX mit UiPath-RPA-Tools es uns ermöglicht, Agenten schneller zu skalieren“.

Wenn KI-Agenten zusätzlich zu einer bestehenden Automatisierungsinfrastruktur eingeführt werden, wirken sie nicht störend. Stattdessen werden sie zu einer natürlichen Erweiterung dessen, was Unternehmen bereits tun – die Verbesserung von Arbeitsabläufen, ohne sie zu überarbeiten. Eslami bekräftigte diesen Punkt:„Letztendlich sehen wir, dass Agenten in der Lage sind, auf der bestehenden UiPath Platform™ aufzubauen. Das bedeutet, dass sie alle erstaunlichen Automatisierungstools nutzen können, die uns zur Verfügung stehen.“

Doch die Grundsteinlegung ist nur der erste Schritt. Um das volle Potenzial der Agentenautomatisierung auszuschöpfen, benötigen Unternehmen eine Möglichkeit, KI-Agenten in großem Maßstab zu erstellen, bereitzustellen und zu verwalten.

UiPath Agent Builder gibt Teams die Tools an die Hand, um Agenten zu entwerfen, die auf ihre Geschäftsanforderungen zugeschnitten sind. Mit integrierter Überwachung und Governance können Unternehmen KI-Agenten beruhigt einsetzen – mit der Gewissheit, dass sie vom ersten Tag an wie vorgesehen funktionieren. Tragen Sie sich noch heute auf die Agent Builder-Warteliste ein, um zu den Ersten zu gehören, die die nächste Ära der Automatisierung erkunden.

Und für einen noch tieferen Einblick in die Gegenwart und Zukunft der Agentenautomatisierung schauen Sie sich die vollständige Episode „UiPath Live:The Path to Agentic Automation“ an, die jetzt auf Anfrage verfügbar ist.