Comment les entreprises peuvent surmonter les inconvénients du traitement de contenu de la RPA

Comment les entreprises peuvent-elles surmonter ces défis RPA ?

Conçue pour ressembler à des assistants numériques pour les employés, l'automatisation robotisée des processus est connue pour être utile pour rationaliser les opérations commerciales sans augmenter les coûts, tout en réduisant les erreurs humaines. Cependant, le logiciel RPA à lui seul présente des écueils en matière de traitement de contenu, en raison d'une intelligence incompatible.

Cependant, il existe des moyens de surmonter ces inconvénients, comme le révèlent cinq experts dans le domaine.

Intégration supplémentaire

Une façon de surmonter les inconvénients du traitement de contenu consiste à combiner d'autres technologies intelligentes et à les intégrer au système.

"La technologie RPA est principalement utilisée pour automatiser les processus basés sur des règles et imiter les actions humaines, telles que le traitement d'une facture et la saisie de données dans les systèmes SAP ou Oracle à partir d'une feuille de calcul Microsoft Excel", a expliqué Gopal Ramasubramanian, directeur principal, automatisation et technologie intelligentes chez Cognizant. .

"Cependant, lorsqu'il s'agit de traiter le contenu des documents, il est nécessaire de disposer de technologies de saisie intelligentes supplémentaires qui combinent la reconnaissance optique des caractères (OCR), le traitement du langage naturel (NLP) et l'apprentissage automatique (ML) pour pouvoir extraire les métadonnées du documents et automatiser le traitement.

« Le contenu peut être de différents types, tels que structuré/imprimé, structuré/manuscrit, non structuré/imprimé et non structuré/manuscrit. Il est assez facile d'extraire du contenu structuré à l'aide des technologies OCR standard. Cependant, l'extraction de contenu non structuré pose un défi et, de plus en plus, nous assistons à l'adoption de technologies de NLP et d'apprentissage automatique pour y remédier."

Arpit Oberoi, spécialiste RPA chez delaware, a ajouté :« Le plus grand défi auquel est confrontée la technologie RPA aujourd'hui est le fait qu'elle a souvent encore du mal à traiter du contenu et des données non structurés. Pour surmonter ce problème persistant, les organisations peuvent essayer d'harmoniser leurs données dans des ensembles de données plus structurés et également, si possible, combiner l'IA et la RPA pour optimiser ou automatiser le traitement du contenu."

Implication de tiers

Andrew Rayner, vice-président des services professionnels EMEA chez UiPath, a poursuivi sur le thème de l'intégration supplémentaire en expliquant le besoin d'applications tierces combinées à la RPA.

"Historiquement, la technologie RPA a pu s'intégrer à des applications tierces pour assister le traitement de contenu", a déclaré Rayner. "Par exemple, de nombreux fournisseurs d'OCR (Abbyy, IBM, etc.) ont une intégration directe, permettant de classer et de reconnaître des documents semi-structurés ou structurés.

« Chez UiPath, nous avons fortement investi dans la compréhension des documents afin de fournir une solution « prête à l'emploi » aux clients, avec la possibilité d'appliquer différentes techniques telles que la correspondance de modèles, les modèles et l'apprentissage automatique pour traiter les types de documents non structurés et semi-structurés. .

"Alors que nous pensons plus largement au traitement de contenu, cela joue bien dans l'hyperautomatisation, nous avons maintenant des flux de travail de longue durée avec des humains dans la boucle, permettant aux robots et aux humains de travailler de manière transparente sur une transaction.

"Il y a eu d'énormes progrès en termes de connectivité des applications pour traiter le contenu via l'interface utilisateur ou les API, et avec l'introduction de RPA et ML, les robots peuvent désormais classer, comprendre les sentiments et suggérer les meilleures actions suivantes pour le contenu non structuré."

Investir dans des outils, avec soin

Bien que la nécessité de faire appel à des logiciels supplémentaires soit valable, les organisations doivent faire attention aux dépenses excessives et s'assurer que les outils dans lesquels elles investissent sont destinés à un objectif clair et spécifique.

"Les entreprises disposent de nombreuses données non structurées dans de nombreux formats différents au sein de leur organisation, qu'il s'agisse de documents, d'e-mails ou même de données système non structurées, telles que des données de paiement pour les rapprochements", a déclaré Chris Porter, PDG de NexBotix. "Cela pose un problème pour la RPA, qui ne peut gérer que des processus numériques structurés et basés sur des règles.

« Il existe plusieurs façons pour les clients de surmonter ces lacunes. L'une consiste à acheter une solution ponctuelle sur mesure comme un outil OCR, qui peut extraire des données de documents, ou ils pourraient investir dans un outil de flux de travail pour les aider à orchestrer des robots et des humains, ou peut-être acheter de l'apprentissage automatique à Google pour essayer d'extraire des informations de leurs documents complexes. Ces outils sont conçus pour résoudre un ensemble très restreint de problèmes, dans des paramètres serrés.

« Cependant, chacun d'entre eux a ses propres défis techniques ; Lorsque vous vous lancez dans l'un de ces projets, vous faites face à des coûts importants, et vous avez besoin des compétences et de la technologie appropriées pour soutenir chaque initiative. Chaque cas d'utilisation doit être traité comme un projet individuel, car vous achetez effectivement pour ce besoin particulier, et si vous avez beaucoup de types de données différents dans votre organisation, beaucoup de processus différents qui ont ce niveau de données non structurées, vous besoin de recommencer à chaque fois et d'acheter la bonne solution pour résoudre chaque problème individuel.

"La clé est d'appliquer la bonne technologie pour résoudre les bons problèmes, mais de le faire d'une manière évolutive qui se concentre sur la valeur commerciale. Par exemple, nous avons un traitement des factures prêt à l'emploi que nous pouvons mettre en œuvre dans n'importe quelle entreprise en exploitant des composants réutilisables et en automatisant le processus commercial de bout en bout dans les comptes fournisseurs. Nous avons déjà travaillé dur pour construire cela et le faire fonctionner pour le client. »

Intelligence de contenu

Un dernier moyen de surmonter les inconvénients de la RPA en matière de traitement de contenu consiste à implémenter des fonctionnalités supplémentaires.

Neil Murphy, vice-président mondial chez ABBYY, a expliqué :« Le plus grand défi avec RPA est qu'il est incapable de traiter des contenus non structurés tels que des factures, des e-mails, des formulaires, des reçus ou de la correspondance. Cependant, les entreprises peuvent – ​​et le font – surmonter cela.

"Tout ce qu'il faut, ce sont des "compétences" d'intelligence de contenu qui rendent les bots RPA plus intelligents en ajoutant des capacités cognitives, telles que l'analyse, la compréhension et le traitement de contenu non structuré. Les organisations peuvent déployer ces compétences d'intelligence de contenu avec des solutions faciles à utiliser, sans code ou avec peu de code, qui permettent à leur personnel de créer des robots RPA capables de gérer une vaste gamme de documents.

"Nous constatons déjà une adoption dans toutes les tailles d'entreprises où la barrière technologique à l'entrée est supprimée par une telle approche. Cela stimule à son tour l'innovation - certaines entreprises combinent désormais ces compétences pour offrir une compréhension cognitive avancée des cas d'utilisation complexes. L'intégration des clients en est un bon exemple, où il existe une multitude de documents à traiter, des pièces d'identité et des formulaires d'intégration aux relevés bancaires et justificatifs de domicile. »