RPA + AI รวมร่างเทคโนโลยีเพื่อช่วยการทำงานให้ให้ดีกว่าเดิม

เทคโนโลยีการทำงานอัตโนมัติ (Automation) ถูกนำมาใช้งานอย่างแพร่หลายด้วยโซลูชัน RPA หรือ Robotic Process Automation ในหลายองค์กรและธุรกิจ แต่การนำ RPA มาทำงานอัตโนมัติเพียงอย่างเดียวอาจจะไม่สามารถรองรับบางสถานการณ์ที่ข้อมูล (Input)  ลักษณะไม่มีโครงสร้างชัดเจน (Unstructured Data) ได้หรือไม่สามารถคิดวิเคราะห์เชิงลึกตีความจากความหมายของภาษามนุษย์รูปภาพหรือเสียงได้

จึงได้มีบูรณาการเทคโนโลยีต่างๆ มาช่วยเพิ่มประสิทธิภาพการทำงานดังกล่าว โดยนำเอา AI หรือระบบปัญญาประดิษฐ์มาต่อยอดให้ RPA มีความฉลาดมากขึ้น ซึ่งสิ่งนี้จะมีความสำคัญมากในอนาคตอันใกล้

AI ถูกนำมาใช้งานในหลายเรื่อง ซึ่งประกอบไปด้วยเทคโนโลยีที่มีความสามารถหลายๆ ด้าน โดยเทคโนโลยี AI ที่จะช่วยเพิ่มความสามารถของ RPA นั้น ประกอบด้วย 4 ฟังก์ชัน ดังนี้

1. RPA + Natural Language Processing (NLP)

ในกระบวนการทางธุรกิจยังคงมีเอกสาร หรือข้อมูลที่อยู่ในรูปแบบ Unstructured จำนวนมาก ไม่ว่าจะเป็นจดหมาย อีเมล สัญญา ซึ่ง NLP Algorithms จะประมวลผล เพื่อดึงข้อมูลส่วนที่ต้องการนำไปใช้ในกระบวนการทำงานต่อในระบบต่างๆ ไม่ว่าจะเป็น ERP System, Accounting System หรือฐานข้อมูล Big Data

ตัวอย่าง: ในกรณีลูกค้าให้ข้อคิดเห็นผ่านทางอีเมล บอทสามารถช่วยรับอีเมล และประมวลผลเนื้อหาได้ว่า ลูกค้าเขียนถึงเรื่องอะไร ผลิตภัณฑ์ไหน และเนื้อหาเป็นเชิงบวกหรือเชิงลบ และนำผลลัพธ์ที่ได้ไปกำหนด Logic เพื่อตอบสนองความต้องการของลูกค้าได้ในแต่ละเงื่อนไข เช่น บอทอีเมลตอบลูกค้า กรณีถูกถามเรื่องผลิตภัณฑ์ พร้อมแนบรายละเอียดผลิตภัณฑ์นั้นส่งกลับ หรือกรณีลูกค้าให้ข้อคิดเห็นเชิงลบ สามารถสั่งให้บอททำการตอบกลับลูกค้าทันที พร้อมทั้งส่งประเด็นดังกล่าว ไปหาคนที่เกี่ยวข้อง เพื่อติดต่อกลับลูกค้าในรายละเอียดอีกครั้ง

2. RPA + Deep Learning

ในองค์กรขนาดใหญ่ที่มีข้อมูลจำนวนมาก ทำให้ไม่สามารถทำความเข้าใจ หรือมองเห็นความผิดปกติของข้อมูลได้ด้วยสายตามนุษย์ ถึงแม้ว่าเราจะมีฐานข้อมูลที่สามารถดึงข้อมูลต่างๆ มาใช้งานได้ มุมมองที่ได้อาจจะเป็นเพียงมิติเดียว ในทางปฏิบัตินั้นธุรกิจต้องนำข้อมูลจากหลากหลายแหล่ง มาวิเคราะห์เชิงลึกในหลายมิติ ซึ่ง Deep Learning Algorithms สามารถทำเรื่องเหล่านี้และได้ข้อมูลที่ถูกต้องแม่นยำสำหรับการตัดสินใจ

ตัวอย่าง: อุตสาหกรรมธนาคาร การเงิน และประกันภัย (BFSI) ในการค้นหารูปแบบการฉ้อโกงในระบบ หรือการฟอกเงิน เป็นต้น

3. RPA + Machine Learning (ML)

Machine Learning ช่วยให้ RPA สามารถเรียนรู้ทุกๆเคสที่เกิดขึ้นทำให้ครั้งต่อไปที่เจอเคสเดิมอีกมนุษย์ไม่ต้องเข้ามาแก้ไขปัญหานั้นอีกต่อไปยิ่งเกิดการเรียนรู้ซ้ำๆจะทำให้บอทมีความฉลาดขึ้นเรื่อยๆ

ตัวอย่าง: ในธุรกิจประกันภัย ใช้ให้บอทตัดสินใจ อนุมัติ หรือ ปฏิเสธ การเคลมประกัน บอทจะช่วยลดความผิดพลาด และปรับปรุงการตัดสินใจให้ถูกต้องครั้งแรก (First Time Right: FTR)

4. RPA + Machine Vision

Machine Vision เพิ่มความสามารถให้ RPA สามารถอ่านข้อมูลจากรูปภาพ หรือเอกสารต่างๆ ได้ โดย Extract ข้อมูลที่ต้องการด้วย Algorithm ที่เหมาะสม ทำให้สามารถ Automate งานตั้งแต่ต้นจนจบได้ถึงแม้ว่าจะมีข้อมูบที่ยังอยู่ในรูปแบบกระดาษเข้ามาเกี่ยวข้องก็ตาม

ตัวอย่าง: Form Certificate แบบฟอร์มต่างๆ ของกลุ่ม BFSI, กลุ่ม Legal ที่ใช้ข้อมูลในเอกสารจำนวนมาก เป็นต้น

ถึงแม้ RPA จะเป็นตัวช่วยให้องค์กรทำงานอัตโนมัติ  แต่ข้อจำกัดในบางสถานการณ์ RPA อาจจะตอบโจทย์ไม่ได้ ดังนั้น การนำเอาเทคโนโลยีอื่น นั่นก็คือ AI เข้ามาช่วย จะเสริมความฉลาดให้ระบบ RPA สามารถทำงานที่ซับซ้อน และมีประสิทธิภาพใกล้เคียงมนุษย์มากขึ้น

สอบถามข้อมูลเพิ่มเติม www.iamconsulting.co.th