RPA的价值在于能简化流程,以一种更简单、更易用的方式实现企业流程的自动化,从根本上降低了总体IT成本。所以,很快RPA便取代了业务流程管理(BPM/BPA),成为企业IT进行现代化变革的新引擎动力。
然而,当企业希望把RPA的能力扩展到除了业务层以外的其他领域时,却发现RPA存在着一定的局限性。所以,IPA智能流程自动化便成为自动化技术领域的新一轮浪潮。
其实,IPA和RPA的概念非常相似,都是流程自动化。只不过,IPA覆盖的范围更广,其中加入了人工智能技术。也因此被很多分析人士认为,IPA会成为企业IT的下一个引领性的技术。
具体而言,IPA之所以超越RPA,有五大关键点:
1、RPA对于非机构化数据缺乏一定的认知能力
从流程自动化应用本身来看,RPA非常适合处理不涉及判断能力的结构化数据,对这些数据的重复性、基于规则的业务流程进行自动化,能准确地告诉它你需要它做什么。这这方面,RPA可以比人类做得更好、更快、更省钱。
但是,如果您的业务流程存在缺陷,那么RPA只会使该缺陷自动化并加速该缺陷。它不能对信息做出判断,也不能通过经验来学习和提高。因此,企业用户发现RPA对于涉及非结构化数据的工作流是无效的,更聪明的流程自动化工具应该具备一定的认知能力。我们不可能编写足够多的规则来实现非结构化数据的流程自动化,而这样的数据占据企业数据总量的大概80%以上。
2、IPA能处理非结构化和半结构化数据业务
IPA在几个重要方面与RPA有着根本的不同。首先,它可以分析基于文档的工作流,比如合同分析、审计规划和报告、RFP分析和组合、销售机会工作流自动化、客户支持分析和自动化、评估和索赔分析等。同时,IPA能够理解文本、图像、文档和其他非结构化数据,而这些数据是数据驱动型企业流程自动化的核心内容。
3、IPA具有认知和概率分析能力
IPA使用了基于机器学习和智能分析的深度算法功能,而不需要企业通过巨大的数据集训练模型,它可以根据可用的信息和上下文做出准确的判断。对于大量非结构化数据的业务流程来说,这是一项巨大突破,IPA提供了一个通用的知识库或“语义引擎”,用户可以更快、更容易地训练机器学习模型。
4、IPA更具协作特性
IPA让数据科学团队和业务专业人员之间实现了跨领域协作,让业务专业人员掌握了关于被自动化业务流程的必要专业知识。尤其是当底层技术非常复杂时,这一点尤其重要。业务用户需要适当的技术环境来交付必要的输入,技术人员需要适当的业务环境来驱动实现决策。
在IPA实践中,中小企业也可以使用并参与到测试用例中,了解如何去培养和训练属于自己的机器学习模型。
5、IPA的行为可追溯
在金融服务等监管要求严苛的企业,IPA的所有行为都可追踪。这种可追溯的模式,能让企业的业务运营更透明,不仅在公式和算法方面更具可视性,也能定义真实环境的标识,使得数据科团队和业务团队的配合更默契,让IPA和业务联系更紧密。
总结
值得一提的是,IPA与RPA之间,不是简单的取代或竞争关系。相反,二者是互补关系。IPA主要用于处理那些不能使用RPA进行流程自动化的工作流。IPA可以将非结构化内容转换为结构化数据,以便将其插入到业务流程流中。IPA已经被应用到一些与法律法规遵循、销售和支持、财务和运营等相关的常见用例中。把IPA与RPA结合来用,可以极大地缩短流程自动化的周期,让企业IT更具弹性扩展能力,并将有价值的资源部署到更高价值的业务活动中。
声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢。