Prieš kokius penkerius metus RPA buvo tiesiog dar viena madinga santrumpa IT konferencijų programose. Šiandien situacija kitokia – robotinis procesų automatizavimas tapo praktiškai standartiniu įrankiu didesnėse organizacijose, o pastaruoju metu prie jo prisijungė dirbtinis intelektas ir viską pakeitė iš esmės. Nebe tik taisyklėmis paremtas robotas, kuris spaudinėja mygtukus vietoj žmogaus, o sistema, gebanti priimti sprendimus, suprasti kontekstą ir mokytis iš klaidų.
Šiame straipsnyje pažvelgsime, kaip RPA ir AI derinys keičia automatizavimo peizažą, kokias problemas tai išsprendžia, kur slypi pinklės ir ką reikėtų žinoti prieš pradedant tokį projektą įmonėje.
Kas iš tikrųjų yra RPA – ir kodėl tai ne tas pats, kas paprastas skriptas
Robotinis procesų automatizavimas (Robotic Process Automation) iš esmės yra programinė įranga, kuri mėgdžioja žmogaus veiksmus vartotojo sąsajoje – atidaro programas, kopijuoja duomenis, pildo formas, siunčia el. laiškus, atlieka skaičiavimus tarp skirtingų sistemų. Skirtingai nuo klasikinio API integravimo, RPA robotas dirba „ekrano lygyje“, todėl jam nereikia, kad sistemos turėtų atviras sąsajas – jis tiesiog naudojasi tuo, ką mato ir gali paspausti, lygiai taip pat kaip žmogus.
Tai skamba primityviai, bet būtent čia slypi didžiulė vertė senosioms, legacy sistemoms turinčioms organizacijoms – bankams, draudimo bendrovėms, valstybinėms institucijoms. Vietoj to, kad perrašinėtum trisdešimties metų senumo mainframe sistemą, gali pastatyti robotą, kuris „iš viršaus“ sujungia visą reikiamą darbo eigą.
Klasikinis RPA gerai veikia ten, kur procesas yra:
- pasikartojantis ir taisyklėmis apibrėžtas;
- didelės apimties (tūkstančiai operacijų per mėnesį);
- struktūrizuotas – duomenys ateina nustatytu formatu;
- be daug išimčių, kurioms reikėtų žmogaus sprendimo.
Problema atsiranda tada, kai procesas nukrypsta nuo šablono – pavyzdžiui, sąskaita faktūra ateina PDF formatu, bet skirtingu išdėstymu nei įprasta, arba klientas parašo laisvą tekstą laiške, o ne užpildo standartinę formą. Būtent čia klasikinis, „kietai užprogramuotas“ robotas sustoja ir meta klaidą. Ir būtent čia į vaizdą įžengia AI.
Kai robotas pradeda „galvoti“: intelektualaus automatizavimo era
Dirbtinio intelekto integravimas į RPA dažnai vadinamas Intelligent Automation arba Hyperautomation terminu – pastarąjį populiarino Gartner, apibūdindamas platesnę tendenciją jungti RPA su mašininiu mokymusi, natūralios kalbos apdorojimu (NLP), optiniu simbolių atpažinimu (OCR) ir procesų gavybos (process mining) technologijomis.
Praktiškai tai reiškia, kad robotas gauna „papildomus jutiklius“:
Dokumentų supratimas (IDP – Intelligent Document Processing)
Užuot laukus griežtai struktūrizuoto dokumento, AI modelis gali „perskaityti“ nuskaitytą sąskaitą, sutartį ar prašymą ir ištraukti reikšmingus laukus – net jei formatas skiriasi nuo įprasto. Tai jau nebe paprastas OCR, o modeliai, suprantantys kontekstą: kad „Suma mokėjimui“ ir „Bendra suma” dažniausiai reiškia tą patį lauką, tiesiog skirtingai pavadintą.
Natūralios kalbos apdorojimas
Robotas gali perskaityti kliento laišką, nustatyti nuotaiką (sentiment), klasifikuoti užklausą pagal temą ir automatiškai nukreipti ją tinkamam skyriui arba iš karto atsakyti pagal paruoštą šabloną. Tai ypač aktualu klientų aptarnavimo centruose, kur didžioji dalis užklausų yra pasikartojančios, bet suformuluotos skirtingai.
Sprendimų priėmimas neapibrėžtumo sąlygomis
Mašininio mokymosi modeliai gali įvertinti riziką, nustatyti anomalijas ar priimti sprendimą, kai situacija nėra vienareikšmiška – pavyzdžiui, ar kredito paraišką galima patvirtinti automatiškai, ar ją reikia perduoti žmogui papildomam patikrinimui.
Rezultatas – hibridinė sistema, kur RPA veikia kaip „rankos ir kojos“ (vykdo veiksmus per sąsajas), o AI modeliai veikia kaip „smegenys“ (interpretuoja, klasifikuoja, sprendžia). Toks derinys leidžia automatizuoti procesus, kurie anksčiau būtų buvę per daug nenuspėjami vien tik RPA požiūriu.
Kur tai realiai naudojama – ne tik teorija
Verta atskirti gražias prezentacijų skaidres nuo to, kas iš tikrųjų veikia gamybinėje aplinkoje. Keletas sričių, kur intelektualus automatizavimas jau duoda apčiuopiamą naudą:
- Finansų ir apskaitos skyriai – sąskaitų faktūrų apdorojimas, suderinimas su užsakymais (three-way matching), PVM deklaracijų parengimas. AI padeda atpažinti neįprastus formatus, RPA – atlikti pačius įrašymus į ERP sistemą.
- Draudimo pretenzijų (claims) apdorojimas – nuo pirminio prašymo priėmimo iki dokumentų klasifikavimo ir pirminio rizikos vertinimo, paliekant galutinį sprendimą žmogui sudėtingesniais atvejais.
- HR procesai – naujų darbuotojų onboarding, kai reikia sukurti paskyras keliose sistemose, išsiųsti dokumentus, suderinti duomenis tarp HR sistemos ir IT.
- Klientų aptarnavimas – užklausų klasifikavimas, pirminis atsakymas, eskalavimas žmogui, kai modelis nesijaučia „pakankamai tikras“ dėl atsakymo.
- IT operacijos – incidentų tikrinimas, kartotinių paleidimo procedūrų atlikimas, stebėjimo sistemų aliarmų pirminis filtravimas prieš perduodant inžinieriui.
Įdomu tai, kad dažniausiai didžiausią vertę duoda ne vienas didelis „revoliucinis“ projektas, o dešimtys mažų, nuobodžių procesų, kurie po vieną atrodo nereikšmingi, bet susumavus sutaupytas laikas tampa reikšmingas skaičius.
Populiariausi įrankiai ir kaip jie skiriasi
Rinkoje šiuo metu dominuoja keli žaidėjai, ir kiekvienas turi savo filosofiją:
- UiPath – vienas plačiausiai naudojamų sprendimų, turintis stiprų AI Center modulį, leidžiantį integruoti savo arba trečiųjų šalių mašininio mokymosi modelius tiesiai į automatizavimo eigą.
- Automation Anywhere – akcentuoja debesijos (cloud-native) architektūrą ir IQ Bot komponentą dokumentų apdorojimui.
- Microsoft Power Automate – įdomus pasirinkimas organizacijoms, jau naudojančioms Microsoft 365 ekosistemą, nes glaudžiai integruojasi su Power Platform ir Azure AI paslaugomis.
- Blue Prism – tradiciškai orientuotas į didesnes, griežtai reguliuojamas organizacijas, kur svarbus valdymas ir auditavimas.
Verta paminėti, kad pastaraisiais metais visos šios platformos aktyviai integruoja generatyvinio AI galimybes – galimybę robotui „paprašyti“ kalbos modelio sugeneruoti tekstą, apibendrinti dokumentą ar suformuluoti atsakymą klientui. Tai kuria naują sluoksnį, kartais vadinamą „agentiniu automatizavimu“, kai robotas nebe tik seka fiksuotą scenarijų, o pats nusprendžia, kokius žingsnius atlikti tam tikrai užduočiai įvykdyti.
Kur slypi realios problemos
Nepaisant visų pažadų, RPA ir AI projektai gan dažnai žlunga arba neduoda tikėtos grąžos. Priežastys paprastai nesusijusios su pačia technologija:
Procesas nebuvo tinkamai suprastas prieš automatizuojant
Klasikinė klaida – automatizuoti chaotišką, nesuprastą procesą, tikintis, kad technologija „savaime“ padarys tvarką. Iš tikrųjų geriausia praktika yra atvirkštinė: pirma optimizuoti ir supaprastinti procesą, o tik po to jį automatizuoti. Automatizuotas chaosas tiesiog tampa greitesniu chaosu.
Trapumas prie sistemų pasikeitimų
Robotas, kuris dirba per vartotojo sąsają, yra jautrus bet kokiems pakeitimams toje sąsajoje – naujam mygtukui, pakeistam laukelio pavadinimui, atnaujintai programos versijai. Be tinkamos priežiūros ir stebėsenos, robotai gali „sulūžti“ tyliai, kol kažkas pastebi, kad ataskaitos jau savaitę neatnaujintos.
AI modelių „juodoji dėžė“
Kai sprendimą priima mašininio mokymosi modelis, kartais sunku paaiškinti, kodėl jis nusprendė būtent taip. Reguliuojamose srityse – finansuose, draudime, sveikatos apsaugoje – tai gali tapti rimta atitikties (compliance) problema. Todėl vis svarbesnis tampa explainable AI (paaiškinamo dirbtinio intelekto) klausimas, ypač kai kalbame apie automatinius sprendimus, turinčius įtakos žmonėms.
Valdymo (governance) trūkumas
Kai kiekvienas skyrius pradeda kurti savo robotus be centralizuotos koordinacijos, greitai susidaro vadinamasis „šešėlinis IT“ – dešimtys nesuderintų automatizacijų, kurių niekas nebeatsimena, kaip veikia ir kas už jas atsakingas. Sprendimas – Center of Excellence (CoE) modelis, kai organizacija turi aiškią komandą, atsakingą už standartus, saugumą ir prioritetų nustatymą.
Praktiniai patarimai tiems, kas svarsto pradėti
Jei organizacija tik pradeda kelią link RPA/AI automatizavimo, keletas dalykų, kuriuos verta apgalvoti iš anksto:
- Pradėkite nuo mažo, bet realaus proceso, kuris turi aiškiai matuojamą naudą – sutaupytos valandos, sumažintos klaidos. Greitas ir apčiuopiamas rezultatas padeda gauti tolesnį finansavimą projekto plėtrai.
- Įtraukite proceso savininkus nuo pat pradžių – žmonės, kurie kasdien atlieka darbą, žino apie išimtis ir nukrypimus, kurių niekada nepamatysi vien dokumentacijoje.
- Neautomatizuokite blogo proceso – jei procesas ir taip yra neefektyvus, pirma jį supaprastinkite.
- Investuokite į stebėseną (monitoring) – turėkite aiškų mechanizmą, kaip sužinosite, kad robotas nustojo veikti, dar prieš tai pastebint verslo nuostoliuose.
- Numatykite žmogaus dalyvavimą sudėtingesniais atvejais – tzv. human-in-the-loop principas, kai AI modelis perduoda neaiškius atvejus žmogui, o ne bando „atspėti“ bet kokia kaina.
- Įvertinkite duomenų saugumą ir prieigos teises – robotas dažnai turi prieigą prie jautrių duomenų keliose sistemose vienu metu, todėl jo teisės turi būti apibrėžtos taip pat griežtai, kaip ir žmogaus darbuotojo.
Ką visa tai reiškia rytojaus IT skyriui
Jei pažvelgsime blaiviai, RPA su AI priedu nėra magiška lazdelė, panaikinanti visus rankinius darbus per naktį. Tai greičiau ilgalaikis, palaipsniui augantis įrankių rinkinys, kuris efektyviausiai veikia tada, kai organizacija supranta savo procesus, turi drausmę juos prižiūrėti ir nebando automatizuoti viską iš karto vien todėl, kad technologija tai leidžia.
Ateities kryptis, panašu, veda link vadinamųjų agentinių sistemų – kur keli specializuoti AI agentai bendradarbiauja tarpusavyje, kiekvienas atsakingas už savo dalį proceso, o RPA komponentas lieka kaip „vykdymo sluoksnis“, sujungiantis skaitmeninį pasaulį su realiomis, dažnai pasenusiomis įmonių sistemomis. Tai jau nebe tik sąskaitų perkėlimas iš vienos sistemos į kitą, o platesnis judėjimas link organizacijų, kuriose rutininiai sprendimai priimami automatiškai, o žmogaus dėmesys taupomas tam, kas iš tikrųjų reikalauja sprendimo, empatijos ar kūrybiškumo.
Tiems, kas dabar svarsto, ar verta investuoti į šią sritį – atsakymas priklauso ne tiek nuo technologijos brandumo (ji jau pakankamai subrendusi), kiek nuo organizacijos pasirengimo suprasti savo procesus ir turėti kantrybės juos tobulinti žingsnis po žingsnio. Robotas gali greitai atlikti darbą, bet jis niekada neišspręs problemos, kurios pati organizacija dar nesupranta.
