不做决策的“RPA 机器人”,不是合格的“数字化劳动力”

随着 RPA 技术被广泛应用各行业的不同场景中,再结合以深度学习为代表的 AI 人工智能技术的新一轮发展,RPA 机器人目前已经从仅能处理“单一、重复和标准化的流程”智能流程自动化的方向发展,从而具备处理更复杂环境下“长流程”业务的能力,在执行任务的复杂度、覆盖应用场景的广度也将相应提升。

但 RPA 智能化到什么程度,才能成为满足我们真实需求的 RPA 机器人呢?

我们自然是希望这样的 RPA 机器人,除了能够帮助减少重复劳动、鼓励员工创新外,拥有如文档识别能力语言对话处理能力,乃至协助实现处理复杂场景的决策的能力;甚至是在不远的将来,通过直接交互,让“他”去协助创建 RPA 流程本身也不再是一种奢望。AI 能力的融合,在进一步提升工作执行效率的同时, 会拓展 RPA 机器人的能力边界,加速实现智能自动化;而这样的 RPA 机器人,才能真正为政企的数字化转型服务,成为与人类员工协同工作的“数字化劳动力”

今天,在完成了赋予我们的“RPA 机器人”对话式AI、文档识别等能力后,对智能决策的支持,做复杂场景下更“长”、更有“价值”的自动化流程,业已成为来也科技探索实践的又一个重要方向。

因为,不能做决策的“RPA 机器人”不是一个合格的“数字化劳动力”。

L A I Y E

智能决策和规则引擎

在 RPA 流程自动化实践过程中,并非都需要“智能决策”。因为决策是分层次的,有些必须“人来决策”,一些可以使用“机器辅助决策”“机器自动决策”。例如在重视流程的合规与审核的政府业务中,“人工审批”永远是不可缺少的环节;在至关重要的关键业务和事项上,也一定需要人来做最后的把关;而在一些人力、财务和企业生产场景中,则是“智能决策”发挥强大能力协助人类员工的最佳场所。

人来决策

决策的主体是人,例如在复杂的企业管理、商业决策和战略决策等领域,目前人的知识、经验和甚至直觉仍然是决策的重要决定因素。

机器辅助决策

通过信息技术手段获取有效的足够的数据,或提供异常、需要关注的事件,让人来做出科学决策。

机器自动决策

通过科学技术提供准确、及时、完整的信息,再利用软件化、数字化的简单的知识做出决策。随着人工智能技术的发展,通过学习历史数据中获取模式和经验,从而实现更为强大的“认知”效果。例如目前典型的开车路线的选择、新闻的自动推送、工厂的自动化生产和检测。

参考文章链接:

http://yunrun.com.cn/community/3538.html

与完全靠人决策不同,机器辅助决策,通过实现 RPA 打通信息和数据孤岛,实现企业的数据价值,最终以图表或者结合商业智能(BI)的形式展现在人的眼前,则是一种典型半自动化的决策形式。

而对我们更关注的机器自动决策,我们首先要厘清自动决策和智能决策两个概念,进而才能了解决策智能的显著特征。智能化是自动化发展的高级阶段,而现在很多智能决策的提法,在本质上仅仅是自动化决策。

自动决策是指在专家经验、政策、法规、规定等数字化的基础上,实现自动数据釆集、处理、评价和决策生成。

智能决策是在对历史、现实案例进行数字化基础上,通过机器学习(深度学习)进行样本归纳、类比推理分析,实现知识挖掘、计算和持续迭代更新,体现适应性、动态性和演化性的智能体理性决策特征,能自动给岀方案并持续优化方案生成。

机器自动决策最简单的实现方法是采用“IF-ELSE 规则”,而这也是业务人员最直观、最自然地梳理业务逻辑的方式。让业务人员能在低代码界面中自主设计业务决策流程,通过决策引擎配置规则,创建规则决策事件,是实现决策流程自动化最简单且行之有效的途径。

学会使用规则、自动决策,是实现智能决策的第一步。

L A I Y E

自动化规则决策的落地实践

业务人员直接利用决策模块,创建自动决策流程和配置业务规则,在来也科技内部 CoE(客户卓越中心)得到了实践。业务同事根据公司架构、业务、人员和流程变动情况,快速高效地更新现有 CoE 自动化 RPA 流程已成为现实,再也无需要花大量时间与 RPA 开发人员进行业务和规则的梳理和沟通;在提升效率的同时,及时响应了公司快速发展。

目前一个典型的应用场景自动决策落地,发生在人力成本核算业务中。由于业务的调整、部门组织架构的变化,需要在人员部门的归属和部门成本的核算时,根据业务的变动实时调整,将人员的成本中心进行准确地划分。

不做决策的“RPA 机器人”,不是合格的“数字化劳动力”

自动决策模块界面进行规则设置

成本中心划分规则说明:

 ● 除了销售业务部门,其他部门的人员成本核算只需要拆分到一级部门,

 ● 销售业务部门中产品研发和个人用户相关业务会拆分到二级部门

 ● 销售业务部门中的销售和商务则会拆分至三级部门;

 ● 由于存在了同一个人同时隶属于多个部门的情况,还需要根据个人的“多部门人员所属部门配置表”来进行部门分配。

当然实际的业务规则比上述的示意要复杂的多。

在未使用自动决策模块前,RPA 机器人交付过程中需要根据实际的业务情况,经过业务人员规则梳理后,创建 RPA 流程和编写低代码规则流程;但由于规则、 RPA 流程和低代码紧密耦合在一起,一旦业务规则发生了变化,则需要重新进行一次规则的编辑更新,耗时耗力。而在采用了自动化的规则引擎模块后,业务人员便可随时进行业务规则的编辑改动,快速适应业务变化,规则集良好的可解释性特点在这里发挥得淋漓尽致。

不做决策的“RPA 机器人”,不是合格的“数字化劳动力”

多部门人员所属部门配置表

其他报销规则(如加班时间判定、加班打车、加班外卖等)、财务合规检查等业务场景,也处于应用更加简便的规则模型和自动决策的实践过程中。

总体来说,规则引擎是自动智能决策的一个起点,通过决策引擎配置规则,创建决策事件达到更好地辅助决策目的可以有效地实现决策自动化,这对于业务人员非常的友好,一般只需要配置以下几个步骤:

● 创建新的决策事件

● 配置决策流

– 创建决策节点

– 创建规则集:规则集名称、规则集描述、规则集配置

– 配置规则集中数据获取源、数据模型、数据推送方式

– 配置决策分支条件

● 决策事件测试

● 发布新创建的决策事件

不做决策的“RPA 机器人”,不是合格的“数字化劳动力”

流程“多进多出”的自动决策模块是实现复杂业务和长流程的一个重要组件

随着来也科技“一体化智能自动化平台”的不断增强,通过机器学习模型训练并自动实现规则的转换,更多直观的、开箱即用的预训练 AI 模型的实现,决策模块从自动化向智能化的不断进化已成为一种必然。

L A I Y E

来也科技

一体化智能自动化平台

来也科技全力打造的 LAIYE IAP(Laiye Intelligent Automation Platform,一体化智能自动化平台),旨在为客户提供一款用户体验良好、功能强大,覆盖政企智能自动化全生命周期的产品,助力客户更好地提升核心竞争力,并兼顾新的生产执行效率。

随着来也科技在 IAP 平台智能化能力的不断提升,集合 RPA智能文档处理对话式 AI 等技术,并通过流程挖掘来发现低效率的流程,将为用户提供更加强大和智能的“数字化劳动力”;而智能决策能力的进一步增强,将促进数字化劳动力不断进化、完成大量枯燥乏味的工作,让人类员工真正享受创造带来的成就感,帮助组织实现员工、流程和技术三方面的数字化转型。

声明:
1.本内容作为作者独立观点,不代表RPA学习天地立场,RPA学习天地仅提供信息存储空间服务。
2.未经允许不得转载,如需转载和授权,请联系工作客服微信号。
3.如果对本稿件有异议或投诉,请联系邮箱或工作客服微信号。
作者:RPA学习天地,如若转载,请注明出处:https://www.rpa-learning.com/rpa-learning/4951

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注