Сфера роботизации и автоматизации процессов — RPA (Robotic Process Automation) активно развивается, и все больше компаний применяют RPA-решения в своих бизнес-процессах. Согласно отчету Grand View Research, к 2027 году рынок RPA превысит 25 млрд долл., при этом среднегодовой темп роста составит более 40%. Разработчики таких решений предоставляют бизнесу платформы для создания «цифровых сотрудников». Цифровой сотрудник – это главный компонент платформы, программный робот, выполняющий действия с программным обеспечением на рабочем столе. Дополнительные компоненты платформы позволяют анализировать бизнес-процессы, автоматизировать их, и контролировать выполнение в продуктивной среде.
Для разработчиков решений естественным становится совмещение различных технологий для получения новых возможностей. Так, RPA и искусственный интеллект (ИИ) обычно рассматриваются как отдельные области, но они в значительной степени дополняют друг друга. Совмещение этих технологий приводит к интеллектуальной автоматизации, которая обеспечивает быстрое выполнение сквозных бизнес-процессов. Внедрение решений, совмещающих эти две технологии, отлично подходит для различных отраслей и компаний, в частности, предоставляющих услуги и имеющих службы поддержки. Какие же именно возможности открывает совместное использование RPA и ИИ?
Интеллектуальная эффективность
Сама по себе RPA-платформа способна автоматизировать многие бизнес-процессы, базирующиеся на разных технологических платформах (Windows Desktop, Web, Mainframe, Java, Web Services, API). Гибкость интеграции достигается путем использования различных способов взаимодействия с пользовательской средой робота. Один из способов предполагает, что робот может имитировать действия человека и работает с целевым приложением напрямую, при этом целевое приложение «не знает», что им управляет робот. То есть стандартный процесс работы сохраняется без каких-либо дополнительных изменений, и робот просто заменяет человека. В других случаях могут использоваться и системные функции. Например, робот может не использовать проводник (пользовательский интерфейс), управляя файлами с помощью системных команд. Работая с таблицами и базами данных, робот может обойти пользовательский интерфейс и работать напрямую с данными через API, что существенно повышает производительность.
С развитием ИИ появились дополнительные сценарии использования цифровых сотрудников. RPA – эффективная технология, обладающая множеством преимуществ, однако роботы могут выполнять только те задачи, которые ставит перед ними человек. А вот ИИ может обучать роботов и давать им возможность самостоятельного анализа тех или иных вопросов. Таким образом, RPA может автоматизировать все задачи, основанные на заранее подготовленных правилах, а ИИ может заполнить пробел, где RPA не справляется. Если раньше роботы могли работать только со структурированными данными и четко выстроенной логикой, то благодаря технологиям ИИ роботы получили возможность принимать самостоятельные решения.
Рассмотрим направления, в которых роботы принимают самостоятельные решения благодаря искусственному интеллекту.
Аналитика: обнаружение процесса и идентификация действий
Компании часто нуждаются в документе с описанием бизнес-процессов и действий сотрудников. Такой документ может упростить процесс обучения новых сотрудников, усовершенствовать определенные процессы, повысить качество выполнения работы, а также может быть использован для построения системы роботизации.
Автоматизированная аналитика процессов позволяет сэкономить время, затраченное бизнес-аналитиком на их описание. Решение, базирующееся на ИИ, может обнаруживать новые процессы, детальнее и обширнее исследовать и описывать их. В большинстве случаев подобные решения представляют собой программу-агента, которая устанавливается на рабочем столе сотрудника и следит за выполняемыми действиями. Через некоторое время агент формирует концепцию работы, выполняемой сотрудником. Таким образом время, которое бизнес-аналитик должен потратить на подготовку документа, значительно сокращается.
Распознавание текстов
Распознавание текста (Optical Character Recognition, OCR) включает в себя распознавание графических символов, курсива, а также неструктурированных данных. Данные технологии используются для автоматизации приложений, к которым невозможно подключиться на системном уровне, и для работы с текстовыми файлами, из которых невозможно выделить текст – например, из PDF-файлов отсканированных документов. Таким образом можно обрабатывать счета-фактуры, чеки, приходные ордеры и другие стандартизированные (но не обязательно структурированные) документы. Подобное использование ИИ приводит к сквозной автоматизации процессов. Люди поддерживают роботов и обрабатывают документы только в тех случаях, когда робот не уверен в дальнейших действиях.
Благодаря технологиям на базе ИИ доступны также дополнительные возможности по распознаванию текста. Они требуются для более умного использования оцифрованных документов – в случаях, если в документе есть таблицы или разное расположение текста. Например, разработчики предлагают продукты для работы с графическими документами, относящиеся к семейству IDP (Intelligent Document Processing). IDP отличается от OCR тем, что помимо конвертации графического текста в цифровой, также может определить тип документа и находить поля, меняющие свое местоположение. IDP проходит наблюдаемое обучение, где аналитик поправляет выстроенную концепцию документа. Очень удобно, когда OCR и IDP предоставляют не только распознанный текст, но и оценку уверенности в правильности оцифровки. Большинство решений по распознаванию текста не гарантируют 100% корректное распознавание, однако ИИ технологии помогают минимизировать ошибки даже в сложно структурированных документах.
Некоторые продукты позволяют распознавать и рукописный текст. Конечно же, многое зависит от языка и культурной составляющей. Например, если речь идет о рецепте, выписанном доктором, то часто бывает сложно распознать текст. Но технология распознавания есть, и она работает. Инновационные решения позволяют легко работать с отсканированными заявлениями и другими документами. Распознавание рукописного текста часто используется при сверке предложенных и принятых контрактных обязательств, где принимающий условия соглашения клиент вручную переписывает основные положения контракта.
Говоря о тенденциях развития технологий по оцифровке документов, специалисты рекомендуют уходить от процессов, базирующихся на рукописных текстах к цифровизации ввода. Процессы будут намного эффективнее, если заменить такой подход на чат-боты, формы, или IVR-системы (умное распознавание голоса). Кроме того, также можно использовать распознавание почерка для сравнения и верификации подписи.
Распознавание изображений
Распознавание изображений может потребоваться при работе с картинками. Платформы RPA содержат компоненты для поиска картинки в картинке и для анализа изображения на содержание разных цветов. Технологии ИИ позволяют расширить сценарии их использования. Сама по себе данная технология интересна, а при совмещении с другими технологиями и системами открывает новые возможности в роботизации бизнес-процессов.
Сравнительный анализ изображений позволяет находить «картинку в картинке» при некотором расхождении между ними. Отличный пример данной технологии – поиск изображений Google. Результатом поиска становятся как идентичные, так и похожие изображения. Сценарием использования может быть поиск всех источников в Интернете, содержащих похожую фотографию. Такое решение может быть использовано для подтверждения подлинности личных данных. Если один и тот же или похожий портрет был использован в социальных сетях для разных учетных записей, то подлинность информации под вопросом. Таким же образом можно искать логотипы.
К этой возможности относится и опция распознавания лиц: выявление концепции лиц в изображении – например, фото из паспорта. При автоматизированном приеме на работу можно распознать паспортные данные с помощью IDP, автоматически определить и сохранить фотографию сотрудника в локальной системе управления персоналом. Паспортные данные можно сопоставить с анкетными данными, а фотографию проверить в базах фотографий (например, разыскиваемых преступников).
Также возможно распознавание лиц и человеческих изображений из потока видеонаблюдения. Видеопоток режется на кадры, и выборочные кадры проводятся через систему распознавания лиц. Кадры с лицами проходят сверку с системами управления персоналом и принимаются решения, базирующиеся на идентификации личности по лицу. Например, если есть складское помещение с блоками А и Б, и приписанный к блоку А сотрудник выявлен в блоке Б, это может стать причиной автоматического оповещения службы безопасности склада. Интеллектуальные роботы обеспечивают общение между системами и связывают отдельные возможности в одну сквозную полезную деятельность.
Распознавание объекта – это распознавание концепции или явления на изображении. Здесь существуют практически бесконечные возможности использования в разных индустриях – от медицины для определения аномалий, обороны для определения объектов, экологии для определения загрязнений, и до нефтеперерабатывающей промышленности. Использование решения заключается в том, что ИИ тренируется на выявлении концепции на множестве изображений. После обучения ИИ сможет классифицировать изображение на содержание или отсутствие концепции. Хорошим примером использования подобного решения является обработка ржавчины на трубопроводе. Представим, что дрон летает над линией трубопровода и снимает трубы сверху. Видео обрабатывается, и кадры исследуются на предмет ржавчины. Если ржавчина замечена, то бригада сервисного обслуживания получает уведомление с изображением и геолокацией снимка, и дальше принимает решение, если требуется принять меры. Конечно, дрон не может пролететь сотни километров трубопровода, и его должна сопровождать бригада, но это быстрее, чем лезть на трубопровод и осматривать его шаг за шагом.
Безусловно, все это могут делать люди. Но как долго и как часто? Роботы не устают и не сбиваются от продолжительной монотонной работы. Они могут обрабатывать информацию по мере поступления, даже если им приходится анализировать одно и то же изображение каждые 10 минут, при этом анализируя тысячи изображений в час.
Роботизированные ИИ-системы также позволяют описывать изображение, перечисляя замеченные концепции объектов. Это тот случай, когда ИИ используется для того, чтобы обойти технологию, созданную против ИИ и роботов. Отличный пример этому – технология, созданная для подтверждения пользователя, как человека («выберите все изображения, где есть светофор, чтобы подтвердить, что вы не робот»). Описательный анализ изображения расскажет, что на картинке присутствует городская среда, содержащая автомобиль и светофор.
Возможности для повышения эффективности обслуживания клиентов
Решения, совмещающие RPA и ИИ, помогают повысить эффективность обслуживания клиентов благодаря автоматизированному анализу обращений (голос, текст), определяя настроение, приоритет и контекст обращений.
Анализ настроений (Sentiment Analysis) позволяет определить настроение пишущего или тон письма. Данная технология может быть использована в центрах поддержки для назначения приоритета запросу. Более компетентный в работе с проблемными клиентами сотрудник службы поддержки приписывается к запросу, а анализаторами текста выявляется общий контекст из текста. Письмо с просьбой о поддержке классифицируется как запрос по лицензированию, установке или использованию. Также технология может быть интегрирована с чат-ботами для достижения той же цели – определение контекста и общего смысла запроса для дальнейшего распределения для обработки – роботами, вручную или гибридно.
Распознавание голоса дает возможность создания канала голосового общения между роботом и человеком. Оно используется вместе с системами распознавания контекста. Голосовые сообщения цифровизируются в текст, который в свою очередь проходит через определение смысла. Такое общение на базе заранее заложенного контекста используется в чат-ботах. При обращении в службу поддержки клиент идентифицирует себя и описывает природу своего обращения. Система проводит пользователя через диалог и обрабатывает заявку. Если система не может понять или обработать запрос, звонок переводится на сотрудника службы поддержки, который уже в обладает информацией и видит ответы на автоматизированные вопросы от системы.
Также есть сервисные решения (Service Assist), которые связывают в один сквозной процесс обращающегося за помощью клиента, агента службы поддержки, и робота, который и делает всю работу, используя разные корпоративные системы для сбора данных и внесения изменений.
Еще одно решение – преобразование текста в голос. Робот может подготовить текст, далее этот текст переводится в голос и производится звонок с таргетированным сообщением. Имитация человеческой речи используется для автоматических робо-звонков, нацеленных на массовое оповещение. Есть масса сценариев, когда такой функционал незаменим – например, незамедлительное оповещение персонала. Использование данной технологии также могло бы быть полезно для оповещения пассажиров о задержках рейсов в аэропортах. К почте нужен доступ, и не все письма читаются сразу по получении. Телефон или система громкой связи более синхронны в послании и получении сообщения.
Кроме того, стоит отметить про крайне интересное направление – виртуальный диктор. Робот может передать текст на создание видео выпуска с виртуальным диктором, дождаться монтажа видео, и разместить видео в системе хранения и публикации видеоматериалов.
Что касается распознавания контекста, то простым примером могут быть чат-боты. Они обычно начинают с определенного вопроса. Ответы пользователя классифицируются по принадлежности к предопределенным категориям, что и является распознаванием контекста. Чат-боты в основном используются в службах внешней поддержки клиентов и внутренней поддержки сотрудников, где результаты общения обрабатываются роботами. Так можно прислать смету на страхование жилья или автомобиля, помочь найти ближайшее отделение организации или подсказать контактную информацию службы поддержки. Внешняя поддержка заключается в предоставлении удобства пользования клиенту в поиске публично доступной информации. Однако, в случае возможности авторизации клиента, можно предоставлять услуги, касающиеся личных данных.
Если говорить о поддержке внутренних клиентов, то это может быть восстановление пароля, запрос обслуживания, помощи в поиске внутренних процедур, регламентов, шаблонов и др. Это заметно ускорит обучение нового сотрудника, так как чат-бот ассистент сможет помочь сотруднику обработать незнакомые ситуации.
Что нас ждет в будущем?
Многие компании уже давно совмещают технологии RPA и ИИ, освобождая человеческие ресурсы. И развитие данных технологий, а также их популяризация могут привести к революционным изменениям с точки зрения цифровизации бизнес-процессов. ИИ дает возможность не ограничиваться тем, что могут делать платформы RPA. Благодаря ИИ цифровые сотрудники становятся интеллектуальными, приобретают способность анализировать и принимать хоть и контролируемые, но самостоятельные решения.
Автор – Кристиан Уэллс (Christian Wells), эксперт по роботизации процессов, руководитель клиентского офиса Blue Prism в России (russia@blueprism.com)