Como as empresas podem superar as desvantagens do processamento de conteúdo do RPA

Como as empresas podem superar esses desafios de RPA?
Construída para se assemelhar a assistentes digitais para funcionários, a automação de processos robóticos é conhecida por ser útil para agilizar as operações de negócios sem aumentar os custos e reduzir o erro humano. No entanto, o software RPA sozinho tem suas armadilhas quando se trata de processamento de conteúdo, devido à inteligência incompatível.

No entanto, existem maneiras de superar essas desvantagens, conforme revelado por cinco especialistas na área.

Integração adicional

Uma maneira de superar as desvantagens do processamento de conteúdo é combinar outras tecnologias inteligentes e integrá-las ao sistema.

“A tecnologia RPA é usada principalmente para automatizar processos baseados em regras e imitar ações humanas, como processar uma fatura e inserir dados em sistemas SAP ou Oracle a partir de uma planilha do Microsoft Excel”, explicou Gopal Ramasubramanian, diretor sênior de automação inteligente e tecnologia da Cognizant .

“No entanto, quando se trata de processar conteúdo em documentos, há a necessidade de tecnologias adicionais de entrada inteligente que combinem reconhecimento óptico de caracteres (OCR), processamento de linguagem natural (NLP) e aprendizado de máquina (ML) para extrair metadados do documentos e automatizar o processamento.

“O conteúdo pode ser de diferentes tipos, como estruturado/impresso, estruturado/manuscrito, não estruturado/impresso e não estruturado/manuscrito. É muito fácil extrair conteúdo estruturado usando tecnologias OCR padrão. No entanto, extrair conteúdo não estruturado representa um desafio e, cada vez mais, estamos vendo a adoção de tecnologias de PNL e aprendizado de máquina para lidar com isso.”

Arpit Oberoi, especialista em RPA da delaware, acrescentou:“O maior desafio da tecnologia RPA hoje é o fato de que muitas vezes ainda luta para processar conteúdo e dados não estruturados. Para superar esse problema contínuo, as organizações podem tentar harmonizar seus dados em conjuntos de dados mais estruturados e também, sempre que possível, combinar IA e RPA para otimizar ou automatizar o processamento de conteúdo.”

Envolvimento de terceiros

Andrew Rayner, vice-presidente de serviços profissionais EMEA da UiPath, continuou com o tema da integração adicional, explicando a necessidade de aplicativos de terceiros combinados com RPA.

“Historicamente, a tecnologia RPA foi capaz de se integrar a aplicativos de terceiros para auxiliar no processamento de conteúdo”, disse Rayner. “Por exemplo, muitos dos fornecedores de OCR (Abbyy, IBM, etc.) têm integração direta, permitindo que documentos semiestruturados ou estruturados sejam classificados e reconhecidos.

“Na UiPath, investimos fortemente na compreensão de documentos para fornecer uma solução 'pronta para uso' para os clientes, com flexibilidade para aplicar diferentes técnicas, como correspondência de padrões, modelagem e aprendizado de máquina para lidar com tipos de documentos não estruturados e semiestruturados .

“Como pensamos mais sobre o processamento de conteúdo, isso funciona bem na hiperautomação, agora temos fluxos de trabalho de longa duração com humanos no loop, permitindo que robôs e humanos trabalhem perfeitamente em uma transação.

“Houve grandes avanços em termos de conectividade de aplicativos para processar conteúdo por meio da interface do usuário ou APIs e, com a introdução de RPA e ML, os robôs agora podem classificar, entender sentimentos e sugerir as próximas melhores ações para conteúdo não estruturado.”

Invista em ferramentas, com cuidado

Embora a necessidade de obter assistência de software adicional seja válida, as organizações devem ter cuidado com gastos excessivos e garantir que as ferramentas nas quais investem sejam para um propósito claro e específico.

“As empresas têm muitos dados não estruturados em muitos formatos diferentes em toda a organização, sejam documentos, e-mails ou até dados baseados em sistema que não são estruturados, como dados de pagamento para reconciliações”, disse Chris Porter, CEO da NexBotix. “Isso causa um problema para o RPA, que só pode lidar com processos digitais estruturados e baseados em regras.

“Existem algumas maneiras diferentes para os clientes superarem essas deficiências. Uma é comprar uma solução pontual personalizada, como uma ferramenta de OCR, que pode extrair dados de documentos, ou eles podem investir em uma ferramenta de fluxo de trabalho para ajudá-los a orquestrar robôs e humanos, ou talvez comprar algum aprendizado de máquina do Google para tentar extrair insights de seus documentos complexos. Essas ferramentas são projetadas para resolver um conjunto muito restrito de problemas, dentro de parâmetros rígidos.

“No entanto, cada um deles tem seus próprios desafios técnicos; ao embarcar em um desses projetos, você enfrenta custos significativos, além de precisar das habilidades e tecnologia certas para dar suporte a cada iniciativa. Cada caso de uso precisa ser tratado como um projeto individual, porque você está efetivamente comprando para essa necessidade específica e, se tiver muitos tipos diferentes de dados em sua organização, muitos processos diferentes que tenham esse nível de dados não estruturados, você precisa começar de novo a cada vez e comprar a solução certa para corrigir cada problema individual.

“A chave é aplicar a tecnologia certa para resolver os problemas certos, mas de uma forma escalável que se concentre no valor do negócio. Por exemplo, temos o processamento de faturas pronto para uso que podemos implementar em qualquer empresa, aproveitando componentes reutilizáveis ​​e automatizando o processo de negócios de ponta a ponta nas contas a pagar. Já fizemos o trabalho duro para construir isso e fazê-lo funcionar para o cliente.”

Inteligência de conteúdo

Uma maneira final de superar as desvantagens do RPA em relação ao processamento de conteúdo é implementar recursos extras.

Neil Murphy, vice-presidente global da ABBYY, explicou:“O maior desafio da RPA é que ela não consegue processar conteúdo não estruturado, como faturas, e-mails, formulários, recibos ou correspondência. No entanto, as empresas podem – e o fazem – superar isso.

“Tudo o que é preciso são ‘habilidades’ de inteligência de conteúdo que tornam os bots de RPA mais inteligentes, adicionando recursos cognitivos, como análise, compreensão e processamento de conteúdo não estruturado. As organizações podem implantar essas habilidades de inteligência de conteúdo com soluções fáceis de usar sem código ou com pouco código, que permitem que sua equipe crie bots de RPA que podem lidar com uma vasta gama de documentos.

“Já estamos vendo a adoção em todos os tamanhos de negócios onde a barreira tecnológica à entrada é removida por essa abordagem. Isso, por sua vez, está impulsionando a inovação – algumas empresas agora estão combinando essas habilidades para oferecer uma compreensão cognitiva avançada de casos de uso complexos. A integração do cliente é um bom exemplo, onde há uma infinidade de documentos que precisam ser processados, desde documentos de identidade e formulários de integração, até extratos bancários e comprovantes de endereço.”