L'évolution de la RPA vers l'IA : Propulser l'avenir de l'alignement Business-IT

« Les cas d'usage de l'automatisation intelligente continueront de croître à mesure que de nouvelles techniques et solutions IA arrivent sur le marché, changeant radicalement le lieu de travail futur. »

L'automatisation des processus robotiques (RPA) nous a menés loin vers le déblocage des bénéfices de productivité liés aux processus manuels ces dernières années et a galvanisé un état d'esprit que les choses peuvent changer sans besoin de réingénierie massive des systèmes.

Quand le changement radical n'est pas une option réaliste pour les organisations, la RPA peut agir comme un catalyseur pour aider les entreprises à progresser et ajouter de la valeur, leur permettant de construire des plans stratégiques autour des investissements qu'elles ont déjà faits dans leurs systèmes legacy.

L'expansion vers l'intelligence artificielle (IA) est la prochaine étape de cette forme granulaire, plus rapide de transformation, avec de plus en plus d'activités métier soit entièrement, soit partiellement automatisées par des moyens de plus en plus sophistiqués. C'est ce qu'on appelle communément la RPA cognitive, ou CRPA.

Alors, quels sont quelques cas d'usage réels qui combinent RPA et IA en solutions d'automatisation intelligente plus larges ?

Découverte de processus

Alors que de nouvelles technologies digitales arrivent sur le marché, les professionnels du business font face au défi de comprendre exactement où les solutions peuvent être précieuses pour piloter l'efficacité et développer un business case pour l'implémentation.

Souvent, vous saurez intuitivement où sont les inefficacités, mais cela doit être soutenu par une vue plus evidence-based, bottom-up de ce qui se passe à travers les systèmes IT et dispositifs d'un business pour faire un cas fort pour l'investissement — c'est là que la découverte de processus est si importante. La différence entre la perception de où se trouvent les inefficacités et ce qui se passe à l'intérieur du paysage des systèmes peut être surprenante.

En tirant parti de l'analytique, l'apprentissage automatique et l'IA, vous pouvez construire une vue evidence-based des processus opérationnels d'une organisation, ce qui en retour fournit une compréhension plus profonde de où les technologies digitales peuvent être appliquées — que ce soit des changements de système ou l'application de la RPA aux exceptions de processus par exemple. Cela permet aussi d'évaluer les bénéfices de ces solutions une fois déployées.

Gestion des données non structurées

Malgré la montée du digital et des solutions robotiques, un défi significatif pour les businesses continue d'être la gestion des formulaires, correspondance, contrats, et autre contenu en texte libre. C'est particulièrement le cas avec du matériel externe comme les contrats clients ou fournisseurs, ce qui crée le besoin pour une gestion de cas hautement manuelle.

C'est actuellement l'un des domaines clés où les businesses cherchent à étendre la RPA dans le domaine de l'IA. Dans ce contexte, la RPA est l'agrégateur, obtenant les données brutes nécessaires pour nourrir les composants IA, qu'ils soient basés sur la vision par ordinateur, le pattern matching, les classifieurs ou le traitement du langage naturel. Une fois que les modules IA ont complété leurs fonctions, la RPA peut alors être utilisée pour pousser les réponses dans les systèmes cibles.

La RPA, quand elle est soutenue par divers modules IA, peut délivrer des capacités spécifiques pour effectuer des tâches de traitement subjectif traditionnellement effectuées par des gens.

L'interface conversationnelle

Selon une étude menée par Capgemini cette année, les assistants vocaux sont appelés à devenir un mode dominant d'interaction consommateur dans les trois prochaines années — 24 % disent déjà qu'ils utiliseraient chatbots et voicebots au lieu d'un site web. La montée des assistants vocaux comme Google Assistant, Amazon Alexa et Siri d'Apple transforme dramatiquement les relations clients, et les businesses sont forcés de considérer comment ils peuvent en tirer parti.

Pour déployer ces solutions dans un business, nous avons besoin d'un mécanisme qui ouvre l'accès au patrimoine d'applications d'une organisation. Un voicebot ou chatbot n'est bien sûr que aussi intelligent que l'information qu'il est capable d'extraire et relayer à son utilisateur. La façon dont cela se combine, dans cet exemple, est en employant les robots pour aller chercher et livrer les données à notre interface conversationnelle, c'est-à-dire le chatbot, et ainsi répondre à la question posée.

C'est réalisé par le chatbot convertissant la question abstraite en une série de requêtes qui peuvent être comprises par le système RPA. Le robot interroge alors le(s) système(s) d'enregistrement pour récupérer les éléments de données pertinents, les empaquette et renvoie le paquet au chatbot, lui permettant de les reconstruire en une réponse en langage naturel.

La RPA est un composant crucial pour ouvrir les applications — particulièrement celles qui sont difficiles à intégrer — et leur permet de participer au nouveau monde des interfaces conversationnelles.

Vitesse vers l'insight

Tous les businesses ont une forme de pipeline de données alimentant leurs chaînes d'approvisionnement et entrepôts. Ils sont conçus pour essayer de fournir 100 % des données nécessaires sur une base régulière. Bien que ce soit généralement adéquat pour le reporting, ce n'est pas un jeu de données assez complet pour l'analyse et la génération d'insights.

Il y a toujours un 'dernier kilomètre' d'analyse supplémentaire requis pour capturer un morceau spécifique d'insight. Cela augmente le jeu de données avec des données pour soutenir l'analyse des causes racines de défis comme la clôture mensuelle par exemple.

La RPA peut être utilisée pour supporter ce dernier kilomètre d'extraction, fournissant l'agrégation et la préparation de données pour supporter les besoins dynamiques du reporting, sans avoir à attendre que l'IT corporate étende les pipelines de données. Cela permet à son tour de prédire et faire des choses qui ont historiquement été difficiles pour les humains.

Nous avons du mal à prédire parce qu'on ne peut pas gérer les énormes volumes de données. Nous avons du mal à narrer de grands volumes de données qui couvrent une multitude de lignes de divisions ou départements. L'IA peut être employée pour modéliser et prédire ou utiliser des techniques de génération de langage naturel pour créer un résumé narratif grammaticalement correct des découvertes dans un bloc de données brutes au lieu d'utiliser des armées de gens.

Dans beaucoup des cas d'usage décrits ci-dessus, nous restons dans les toutes premières phases de tirer parti des bénéfices de la RPA et son expansion vers l'IA. Cependant, cela ne démontre que combien la RPA va continuer d'évoluer et s'étendre dans les businesses sur les années à venir.

Les cas d'usage de l'automatisation intelligente continueront aussi de croître à mesure que de nouvelles techniques et solutions IA arrivent sur le marché, changeant radicalement le lieu de travail futur. Pour que les businesses utilisent pleinement cette technologie, ils doivent d'abord comprendre comment ces solutions peuvent transformer leurs processus et appliquer une gouvernance stricte pour s'assurer que leur prise de décision est efficace.

Si les businesses s'efforcent d'implémenter ces solutions connectées, mais granulaires, à travers leurs organisations, cela les aidera à conduire une transformation à double vitesse, et une nouvelle ère d'alignement business et IT suivra.