Роботизація бізнес-процесів та машинне навчання: нові можливості (Частина 13)
Ті організації, які серйозно задумувалися над підвищенням операційної продуктивності своїх бізнес-процесів та зниженням операційних витрат, не могли оминути у своїх пошуках можливість їх автоматизації і роботизації. Новітня на українському ринку інноваційна технологія роботизації бізнес-процесів (Robotic Process Automation, RPA) має для цього величезний і безсумнівний потенціал. Усі рутинні, повторювані з дня у день процеси (звірка балансу, складання звітності, опрацювання рахунків на оплату, проведення платежів, збір та введення даних у внутрішні системи й под.), яких існує безліч практично в кожній організації, можуть бути суттєво вдосконалені завдяки цій технології.
Однак, будьмо відверті, за всіх переваг роботизації бізнес-процесів технологія все-таки має свої обмеження в застосуванні. Вони вступають у дію, коли йдеться про здійснення таких операцій і процесів, які відбуваються за нетривіальними сценаріями й потребують прийняття рішення або аналізу. На цьому етапі розвитку технології роботизації програмний робот здатний сприймати лише шаблонні структуровані дані та здійснювати операції, що базуються на чітко визначених параметрах. Розпізнавати неструктуровані або напівструктуровані масиви даних та робити на їх основі певні висновки їх ще треба «навчати». Тому донедавна за роботом і людиною були чітко прописані визначені повноваження в рамках виконання певних бізнес-процесів, а опрацювання неструктурованих даних та аналітичні завдання були лише прерогативою людини.
Однак чи ця ситуація лишатиметься й надалі незмінною?
Ніхто з нас не народжується з апріорі сформованим світоглядом і досвідом. Людина стає тим, ким себе створює у процесі навчання й розвитку, і цей процес не припиняється протягом усього її життя.
Подібна ідея ‒ здатності машин самостійно «навчатися» ‒ закладена і в технологію машинного навчання (Machine Learning, ML). Як виявляється, машини також можуть вчитися на основі власного досвіду, у процесі аналізу й опрацювання великих масивів даних знаходити в них закономірності та прогнозувати результати.
Сама ідея машинного навчання не є новою і вже широко апробована такими технологічними гігантами, як IBM (Watson, 2011), Google (AlphaGo, 2015). Але тільки зараз ‒ із розвитком сучасних технологій та вдосконаленням уже розроблених прототипів ‒ з’являються передумови для її повноцінної технічної реалізації. Ми навіть часом не підозрюємо, що машинне навчання вже стало часткою нашого нинішнього повсякденного життя. На основі наших попередніх вподобань спеціально налаштовані алгоритми підбирають нам стрічку новин у соцмережах і товари в інтернет-магазинах, а також здійснюють фільтрацію поштових повідомлень від спаму; дедалі досконалішим стає машинний переклад (наприклад, Google Translate) завдяки доступній ручній функції «покращити переклад» і под. На думку фахівців, напрямок машинного навчання стане одним з визначальних у розвитку комп’ютерних технологій у ХХІ столітті.
Тож з появою та активним впровадженням машинного навчання здійснення програмними роботами винятково рутинних завдань стає далеко не верхньою межею їхніх потенційних можливостей. Застосування технологій машинного навчання відкриває цілком нові можливості для роботизації бізнес-процесів та уможливлює розширення її функціональності. Завдяки когнітивним технологіям програмні роботи ставатимуть дедалі розумнішими, спроможними виконувати ще складніші завдання, ніж на це здатні сьогодні, розвивати та вдосконалювати свої навички, які не були в них закладені із самого початку. Відтак поєднання можливостей цих технологій дозволить досягнути ще більшої операційної ефективності.
То де ж саме може застосовуватись технологія машинного навчання у сфері роботизації бізнес-процесів?
Тут без вагань можна сказати, що розвиватиметься вона перш за все в ділянці вдосконалення розпізнаваних об’єктів і даних. Оскільки програмний робот може зараз якісно й без помилок зчитувати лише друкований текст, наступним кроком для нього має стати якісне розпізнавання нестандартних шрифтів, неструктурованих даних, рукописного тексту, а також можливість розпізнавати людське обличчя та природну мову. Разом із розширенням розпізнавальних можливостей паралельно удосконалюватиметься й потенціал роботизації щодо ефективнішого опрацювання бізнес-процесів. А це все в кінцевому підсумку дозволить ще більш їх оптимізувати та скоротити операційні витрати на їх утримання.
Проте все-таки не слід також забувати і про певні ризики інтеграції машинного навчання і роботизації бізнес-процесів. Якщо, наприклад, ви коректно запрограмуєте робота на виконання потрібних вам дій, використовуючи вже апробовані методи RPA, ви можете бути абсолютно певні в точності виконання роботизованого процесу. Однак якщо ви все ж розраховуватиме на ширші можливості програмного робота, але обсяг наданих йому для аналізу й «прийняття рішення» даних буде неповним, некоректним або недостатньо продуманим, то тут не можна буде повністю виключити можливість виникнення помилок. Більше того, за цих умов вони будуть цілком закономірні. Однак якщо у вашій команді розробників є люди з відповідними професійними навичками, здатні ретельно продумати й коректно застосовувати навчальні алгоритми програмування, то таких ризиків, безперечно, можна уникнути.
Тож вибір, безперечно, залишатиметься за вами: класична роботизація бізнес-процесів чи класична роботизація, помножена на можливості когнітивних технологій машинного навчання. Обидва варіанти здатні відкрити незрівнянно кращі можливості для оптимізації вашого бізнесу. Однак уже й сьогодні абсолютно зрозуміло, що майбутнє все-таки буде за останньою.
Бажаєте дізнатись більше про Robotic Process Automation (RPA), будь-ласка, звертайтесь у наші офіси в Україні та Гонконзі!
Про Компанію «DMS Solutions»:
«DMS Solutions» ‒ український розробник програмного забезпечення у сфері електронного документообігу, перший український провайдер послуг у сфері роботизації бізнес-процесів та побудови систем управління програмними роботами. DMS Solutions працює на ринках Європи, Північної Америки та Азії і має офіси в Гонконзі та Україні.