人工智能它涉及最新数据点文章中阐明的几个关键要求

基于风险投资和企业采用，机器人流程自动化(简称RPA)在过去两年中一直是最热门的技术领域之一。仅在2018年，三家公司就募集了超过10亿美元：Automation Anywhere(5.5亿美元)，UiPath(3.78亿美元)和BluePrism(1.3亿美元)。此外，最近有报道称，UiPath计划在今年年底之前再筹集3亿至4亿美元。

RPA的简单，易于理解的价值支持(流程自动化和成本效率)对于任何寻求提高生产率的公司来说都是不容忽视的。结果，它迅速取代了业务流程管理(BPM / BPA)，成为提高企业效率的新引擎。

尽管企业希望将RPA的使用范围扩展到组织的其他领域，但他们开始发现RPA具有局限性。结果，出现了新一波的自动化浪潮，即智能过程自动化-IPA。

IPA不仅涉及RPA，还涉及少量人工智能。它涉及最新eWEEK数据点文章中阐述的几个关键要求。Indico首席执行官Tom Wilde 在六个数据点上共享行业信息，这些数据点是什么是IPA以及他为何认为企业已准备好迎接新一波的自动化浪潮。

数据点1：RPA =确定性业务流程和结构化内容

RPA非常适合基于重复的基于规则的业务流程，该流程涉及结构化数据，而无需进行任何判断。准确地告诉它您需要做什么，它可以比人类做得更好，更快，更便宜。但是，如果您的业务流程存在缺陷，它只会自动并加速该缺陷。它无法对信息做出判断，也无法通过经验学习和改进。因此，企业用户发现RPA对于涉及非结构化内容的工作流程无效，这些工作流程需要一定程度的认知能力。根本不可能编写足够的规则来自动化这样的工作流程。在当今大多数企业中，此类数据构成了80%以上的数据。

数据点2：IPA =非结构化和半结构化内容

智能过程自动化在一些重要方面与RPA根本不同。一方面，它是专门为基于文档的工作流而构建的，这些工作流驱动了当今如此众多的企业业务流程，例如合同分析，审计计划和报告，RFP分析和组成，销售机会工作流自动化，客户支持分析和自动化，评估IPA能够理解所有这些类型的业务流程所必需的文本，图像，文档和其他非结构化数据。

数据点3：IPA具有认知能力和概率

IPA使用算法深度学习模型的认知(智能)能力，而无需庞大的培训数据集，而这些数据集是95%企业无法企及的。它可以根据可用的信息和上下文做出准确的判断。这一直是试图自动化涉及大量非结构化内容的基于文档的工作流的巨大绊脚石之一。IPA提供了一个通用的知识库或“含义引擎”，可以利用它来更快速，更轻松地训练机器学习模型。

数据点4：IPA具有协同作用

IPA促进了数据科学团队与业务专业人员之间的协作，这些业务专业人员具有有关自动化业务流程的必要主题专业知识。当基础技术非常复杂时，这一点尤其重要。业务用户需要适当的技术环境来提供必要的输入，技术人员需要适当的业务环境来推动实施决策。

在实践中，这意味着IPA解决方案必须使中小型企业能够更多地参与用例的定义，构成良好的培训数据和机器学习模型的培训。

它使数据科学家和业务专业人士能够为他们的计划设定切合实际的期望。它还需要提供“可解释的AI”的解决方案和模型来克服对业务的怀疑。请参阅下一个数据点。

数据点5：可以解释IPA

在金融服务等受到高度监管的行业中，监管机构日益要求对基于AI的流程进行全面的解释和审核。透明的运作方式和代表我们做出决策的需求日益增长。不仅在公式和算法方面，而且在现实的，简单的英语示例中，可解释性都将越来越多地被定义。这使得数据科学和业务团队可以更轻松地协作，以提高IPA对业务的贡献。

数据点6：摘要

IPA不会取代RPA或与RPA竞争。它对其进行了补充，处理了无法使用RPA自动化的工作流程。IPA将非结构化内容转换为结构化数据，以便可以将其重新插入业务流程。IPA已被应用于与法律和合规性，销售与支持以及财务和运营有关的许多常见的后台使用案例。好处是实实在在的，可以包括将周期时间缩短多达85%，将组织能力和吞吐量提高多达4倍，以及将有价值的资源重新部署到企业的高价值活动中的能力。