기업이 RPA의 콘텐츠 처리 단점을 극복하는 방법

기업은 이러한 RPA 문제를 어떻게 극복할 수 있습니까?

직원용 디지털 비서와 유사하게 제작된 로봇 프로세스 자동화는 인적 오류를 줄이면서 비용을 증가시키지 않으면서 비즈니스 운영을 간소화하는 데 유용한 것으로 알려져 있습니다. 그러나 RPA 소프트웨어만으로는 호환되지 않는 인텔리전스로 인해 콘텐츠 처리와 관련하여 함정이 있습니다.

하지만 이 분야의 전문가 5명이 밝힌 바와 같이 이러한 단점을 극복할 수 있는 방법이 있습니다.

추가 통합

콘텐츠 처리의 단점을 극복하는 한 가지 방법은 다른 지능형 기술을 결합하여 시스템에 통합하는 것입니다.

"RPA 기술은 주로 규칙 기반 프로세스를 자동화하고 송장을 처리하고 Microsoft Excel 스프레드시트에서 SAP 또는 Oracle 시스템에 데이터를 입력하는 것과 같은 사람의 행동을 모방하는 데 사용됩니다. .

“그러나 문서의 내용을 처리하는 경우 광학 문자 인식(OCR), 자연어 처리(NLP) 및 기계 학습(ML)을 결합하여 문서에서 메타데이터를 추출할 수 있는 추가적인 스마트 인테이크 기술이 필요합니다. 문서화하고 처리를 자동화합니다.

“콘텐츠는 구조화/인쇄, 구조화/손글씨, 구조화/인쇄 및 비구조화/손글씨와 같은 다양한 유형이 될 수 있습니다. 표준 OCR 기술을 사용하여 구조화된 콘텐츠를 추출하는 것은 매우 쉽습니다. 그러나 구조화되지 않은 콘텐츠를 추출하는 것은 어려운 일이며 이를 해결하기 위해 NLP 및 머신 러닝 기술을 점점 더 많이 채택하고 있습니다.”

델라웨어의 RPA 전문가인 Arpit Oberoi는 다음과 같이 덧붙였습니다. 이 지속적인 문제를 극복하기 위해 조직은 데이터를 보다 구조화된 데이터 세트로 조화시키고 가능한 경우 AI와 RPA를 결합하여 콘텐츠 처리를 최적화하거나 자동화할 수 있습니다.”

제3자 참여

UiPath의 전문 서비스 EMEA 부사장인 Andrew Rayner는 RPA와 결합된 타사 애플리케이션의 필요성을 설명하면서 추가 통합이라는 주제를 계속했습니다.

Rayner는 "역사적으로 RPA 기술은 콘텐츠 처리를 지원하기 위해 타사 응용 프로그램과 통합할 수 있었습니다. "예를 들어, 많은 OCR 공급업체(Abbyy, IBM 등)는 직접 통합되어 반구조화 또는 구조화 문서를 분류하고 인식할 수 있습니다.

“UiPath는 비정형 및 반정형 문서 유형을 처리하기 위해 패턴 일치, 템플릿 및 머신 러닝과 같은 다양한 기술을 적용할 수 있는 유연성과 함께 고객에게 '즉시 사용 가능한' 솔루션을 제공하기 위해 문서 이해에 막대한 투자를 했습니다. .

"콘텐츠 처리에 대해 더 폭넓게 생각하면 이것이 초자동화에 잘 작용하므로 이제 우리는 루프에 인간과 함께 오래 실행되는 워크플로를 가지고 있어 로봇과 인간 모두 트랜잭션에서 원활하게 작업할 수 있습니다.

"사용자 인터페이스 또는 API를 통해 콘텐츠를 처리하기 위한 애플리케이션 연결 측면에서 엄청난 발전이 있었고, RPA 및 ML의 도입으로 로봇은 이제 구조화되지 않은 콘텐츠에 대해 분류하고 감정을 이해하고 차선책을 제안할 수 있습니다."

주의 깊게 도구에 투자하십시오.

추가 소프트웨어의 지원을 요청해야 하는 것은 타당하지만 조직은 과소비에 주의해야 하며 투자하는 도구가 명확하고 구체적인 목적을 위한 것인지 확인해야 합니다.

NexBotix의 CEO인 Chris Porter는 "기업은 문서, 이메일 또는 화해를 위한 지불 데이터와 같이 구조화되지 않은 시스템 기반 데이터 등 조직 전체에 다양한 형식의 구조화되지 않은 데이터를 많이 가지고 있습니다."라고 말했습니다. "이는 구조화된 규칙 기반 디지털 프로세스만 처리할 수 있는 RPA에 문제를 일으킵니다.

“고객이 이러한 단점을 극복할 수 있는 몇 가지 다른 방법이 있습니다. 하나는 문서에서 데이터를 추출할 수 있는 OCR 도구와 같은 맞춤형 포인트 솔루션을 구입하거나 로봇과 인간을 조정하는 데 도움이 되는 워크플로 도구에 투자하거나 Google에서 기계 학습을 구입하여 통찰력을 추출하는 것입니다. 그들의 복잡한 문서. 이러한 도구는 엄격한 매개변수 내에서 매우 좁은 범위의 문제를 해결하도록 설계되었습니다.

“그러나 이들 각각에는 고유한 기술적 문제가 있습니다. 이러한 프로젝트 중 하나를 시작할 때 상당한 비용이 들 뿐만 아니라 각 이니셔티브를 지원하는 데 적합한 기술과 기술이 필요합니다. 각 사용 사례는 개별 프로젝트로 취급해야 합니다. 특정 요구 사항에 대해 효과적으로 구매하고 있고 조직에 다양한 유형의 데이터가 있고 이 수준의 비정형 데이터를 포함하는 다양한 프로세스가 있기 때문입니다. 매번 다시 시작하고 각 개별 문제를 해결하기 위한 올바른 솔루션을 구입해야 합니다.

“핵심은 올바른 기술을 적용하여 올바른 문제를 해결하되 비즈니스 가치에 중점을 둔 확장 가능한 방식으로 해결하는 것입니다. 예를 들어, 재사용 가능한 구성 요소를 활용하고 미지급금에서 엔드 투 엔드 비즈니스 프로세스를 자동화하는 모든 회사에서 구현할 수 있는 기성품 송장 처리가 있습니다. 우리는 이미 그것을 구축하고 고객을 위해 일할 수 있도록 열심히 일했습니다.”

콘텐츠 인텔리전스

콘텐츠 처리와 관련된 RPA의 단점을 극복하는 마지막 방법은 추가 기능을 구현하는 것입니다.

ABBYY의 글로벌 부사장인 Neil Murphy는 다음과 같이 설명했습니다. 그러나 기업은 이를 극복할 수 있고 또 그렇게 하고 있습니다.

“비정형 콘텐츠 분석, 이해 및 처리와 같은 인지 기능을 추가하여 RPA 봇을 더 똑똑하게 만드는 콘텐츠 인텔리전스 '기술'만 있으면 됩니다. 조직은 이러한 콘텐츠 인텔리전스 기술을 사용하기 쉬운 코드 없음 또는 로우 코드 솔루션으로 배포할 수 있으며, 이를 통해 직원은 방대한 문서를 처리할 수 있는 RPA 봇을 구축할 수 있습니다.

“이미 우리는 이러한 접근 방식을 통해 기술 진입 장벽이 제거된 모든 규모의 비즈니스에서 채택되고 있습니다. 이것은 차례로 혁신을 주도하고 있습니다. 일부 회사는 현재 이러한 기술을 결합하여 복잡한 사용 사례에 대한 고급 인지적 이해를 제공하고 있습니다. 고객 온보딩은 신원 문서 및 온보딩 양식에서 은행 거래 내역서 및 주소 증명에 이르기까지 처리해야 하는 수많은 문서가 있는 좋은 예입니다."