Як впливає машинне навчання на бізнес-процеси
Технологія роботизації бізнес-процесів (Robotic Process Automation, RPA) має величезний потенціал для підвищення операційної продуктивності та зниження операційних витрат.
Усі рутинні й повторювані з дня у день процеси, яких існує безліч у кожній організації, завдяки їй можуть бути суттєво вдосконалені.
Однак, будьмо відверті, за всіх переваг роботизації технологія все-таки має свої обмеження в застосуванні. Вони з’являються, коли процеси відбуваються за нетривіальними сценаріями й потребують прийняття рішення або аналізу. На цьому етапі розвитку технології програмний робот здатний сприймати лише шаблонні структуровані дані та здійснювати операції, що базуються на чітко визначених параметрах. Розпізнавати неструктуровані або напівструктуровані масиви даних і робити на їх основі аналітичні висновки є лише прерогативою людини. Однак чи ця ситуація лишатиметься й надалі незмінною?
Ніхто з нас не народжується з апріорі сформованим світоглядом і досвідом. Людина стає тим, ким себе створює у процесі навчання й розвитку. Подібна ідея ‒ здатності машин самостійно "навчатися" ‒ закладена і в технологію машинного навчання (Machine Learning, ML). Як виявляється, машини також можуть вчитися на основі власного досвіду, у процесі аналізу й опрацювання великих масивів даних знаходити в них закономірності та прогнозувати результати.
Сама ідея машинного навчання не є новою і вже широко апробована такими технологічними гігантами, як IBM (Watson, 2011), Google (AlphaGo, 2015). Але тільки зараз ‒ із розвитком сучасних технологій та вдосконаленням уже розроблених прототипів ‒ з’являються передумови для її повноцінної технічної реалізації. Ми навіть не підозрюємо, що машинне навчання вже стало органічною часткою нашого повсякденного життя. На основі наших попередніх вподобань спеціально налаштовані алгоритми підбирають нам стрічку новин у соцмережах і товари в інтернет-магазинах, здійснюють фільтрацію поштових повідомлень від спаму. Дедалі досконалішим стає машинний переклад (наприклад, Google Translate) завдяки доступній ручній функції "покращити переклад" і под. На думку фахівців, напрямок машинного навчання стане одним з визначальних у розвитку комп’ютерних технологій у ХХІ столітті.
Тож з появою та активним впровадженням машинного навчання здійснення програмними роботами винятково рутинних завдань стає далеко не верхньою межею їхніх потенційних можливостей. Застосування технологій машинного навчання в роботизації бізнес-процесів уможливить значне розширення її функціональності. Завдяки когнітивним технологіям програмні роботи ставатимуть дедалі розумнішими, спроможними виконувати ще складніші завдання, ніж на це здатні сьогодні, розвивати та вдосконалювати свої навички, які не були в них закладені із самого початку. Відтак поєднання можливостей цих технологій дозволить досягнути ще більшої операційної ефективності.
То де ж саме може застосовуватись технологія машинного навчання у сфері роботизації бізнес-процесів? Тут без вагань можна сказати, що розвиватиметься вона перш за все в ділянці вдосконалення розпізнаваних об’єктів і даних. Оскільки програмний робот може зараз якісно й без помилок зчитувати лише структурований друкований текст, наступним кроком для нього має стати якісне розпізнавання нестандартних шрифтів, неструктурованих даних, рукописного тексту, людських облич та природної мови. Разом із розширенням розпізнавальних можливостей паралельно вдосконалюватиметься й потенціал роботизації щодо ефективнішого опрацювання бізнес-процесів. А це все в кінцевому підсумку дозволить їх ще більш оптимізувати та скоротити операційні витрати на їх утримання.
Проте все-таки не слід забувати і про певні ризики інтеграції машинного навчання і роботизації бізнес-процесів. Якщо, наприклад, робот буде коректно запрограмований на виконання потрібних дій за допомогою апробованих методів RPA, можна бути абсолютно певним у точності виконання роботизованого процесу. Однак якщо ви все ж розраховуєте на ширші можливості програмного робота, але обсяг наданих йому для аналізу й "прийняття рішення" даних буде неповним, некоректним або недостатньо продуманим, то тут не можна повністю виключити можливість виникнення помилок. Більше того, за цих умов вони будуть цілком закономірні. Утім, якщо у вашій команді розробників є люди з відповідними професійними навичками, здатні ретельно продумати й коректно застосовувати навчальні алгоритми програмування, то таких ризиків, безперечно, можна уникнути.
Тож вибір, безперечно, залишатиметься за вами: класична роботизація бізнес-процесів чи класична роботизація, помножена на можливості когнітивних технологій машинного навчання. Обидва варіанти здатні відкрити незрівнянно кращі можливості для оптимізації бізнесу. Однак уже й сьогодні абсолютно зрозуміло, що майбутнє все-таки буде за останньою.
