`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Что для вас является метрикой простоя серверной инфраструктуры?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Лилия Каневская

Как машинное обучение повлияет на роботизацию бизнес-процессов

+11
голос

Технология роботизации бизнес-процессов (Robotic Process Automation, RPA) обладает огромным потенциалом, раскрытие которого может обеспечить повышения операционной производительности и снижения затрат на ведение бизнеса. Все рутинные и повторяющиеся изо дня в день процессы, которых существует множество в каждой организации, благодаря внедрению RPA  могут быть существенно усовершенствованы.

Однако, будем откровенны, при всех преимуществах роботизации технология всё-таки имеет свои ограничения. Они появляются, когда процессы происходят по нетривиальным сценариям и требуют принятия решений или анализа. На данном этапе развития технологии программный робот способен воспринимать только шаблонные структурированные данные и осуществлять операции, основанные на чётко определённых параметрах. Распознавать неструктурированные или полуструктурированные массивы данных и делать на их основе аналитические выводы является только прерогативой человека. Однако будет ли эта ситуация оставаться и в дальнейшем неизменной?

Никто из нас не рождается с априори сложившимся мировоззрением и опытом. Человек становится тем, кем себя создаёт в процессе обучения и развития. Похожая идея ‒ способности машин самостоятельно «обучаться» ‒ заложена и в технологию машинного обучения (Machine Learning, ML). Как оказывается, машины также могут учиться на основе собственного опыта, в процессе анализа и обработки больших массивов данных находить в них закономерности и прогнозировать результаты.

Сама идея машинного обучения не нова и уже широко апробирована такими технологическими гигантами, как IBM (Watson, 2011), Google (AlphaGo, 2015). Но только сейчас ‒ с развитием современных технологий и усовершенствованием уже разработанных прототипов ‒ появляются предпосылки для её полноценной технической реализации. Машинное обучение уже стало органической частью нашей повседневной жизни. На основе наших предыдущих предпочтений специально настроенные алгоритмы подбирают нам ленту новостей в соцсетях и товары в интернет-магазинах, осуществляют фильтрацию почтовых сообщений от спама; всё совершеннее становится машинный перевод (например, Google Translate) благодаря доступной ручной функции «улучшить перевод» и т. п. По мнению специалистов, направление машинного обучения станет одним из определяющих в развитии компьютерных технологий в XXI веке.

Поэтому с появлением и активным внедрением машинного обучения осуществление программными роботами исключительно рутинных задач становится далеко не верхней границей их потенциальных возможностей. Применение технологий машинного обучения в роботизации бизнес-процессов позволит значительно расширить её функциональность. Благодаря когнитивным технологиям программные роботы будут становиться всё умнее, в состоянии выполнять ещё более сложные задачи, чем на это способны сегодня, развивать и совершенствовать свои навыки, которые не были в них заложены с самого начала. Поэтому сочетание возможностей этих технологий позволит достичь ещё большей операционной эффективности.

Для более наглядного понимания, как может быть реализована технология машинного обучения на элементарном уровне, предложу вашему вниманию короткое видео. Н нем программный робот в соответствие с настроенным алгоритмам уже «обучен» идентифицировать, классифицировать (соответственно, распознавать) и обрабатывать полуструктурированные данные в виде разных типов документов, в частности сканы счетов различного типа и формата.

Где именно может применяться технология машинного обучения в сфере роботизации бизнес-процессов? Без лишних - прежде всего в области совершенствования распознаваемых объектов и данных. Поскольку программный робот может сейчас качественно и без ошибок считывать только структурированный печатный текст, следующим шагом для него должно стать качественное распознавание нестандартных шрифтов, неструктурированных данных, рукописного текста, человеческих лиц и естественного языка. Вместе с расширением распознавательных возможностей параллельно будет совершенствоваться и потенциал роботизации по эффективной обработке бизнес-процессов. А это всё в конечном итоге позволит их еще лучше оптимизировать и как следствие - сократить операционные расходы на их содержание.

Однако всё-таки не следует забывать и о существовании определённых рисков при интеграции машинного обучения и роботизации бизнес-процессов. В случае если, робот будет корректно запрограммирован на выполнение нужных действий при помощи апробированных методов RPA, можно быть абсолютно уверенным в точности выполнения роботизированного процесса. Однако если вы всё же рассчитываете на более широкие возможности программного робота, но объём предоставленных ему для анализа и «принятия решения» данных будет неполным, некорректным или недостаточно продуманным, то здесь нельзя полностью исключить возможность возникновения ошибок. Более того, при таких условиях они будут вполне закономерны. Впрочем, если в вашей команде разработчиков есть специалисты с соответствующими навыками, способные тщательно продумать и корректно применять учебные алгоритмы программирования, то таких рисков, бесспорно, можно избежать.

Поэтому выбор, несомненно, будет оставаться за вами: классическая роботизация бизнес-процессов или классическая роботизация, умноженная на возможности когнитивных технологий машинного обучения. Оба варианта способны открыть несравненно лучшие возможности для оптимизации бизнеса. Однако уже и сегодня совершенно очевидно, что будущее всё-таки будет за последней.


Вы можете подписаться на наш Telegram-канал для получения наиболее интересной информации

+11
голос

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT