เชิญร่วมงานสัมมนา Rethink & Rebuild your Cyber Security Plan โดย AMR Asia

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



About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

วางรากฐานดิจิทัลด้วย Infor LN – ซอฟต์แวร์ ERP ที่ถูกออกแบบมาเพื่อธุรกิจโรงงานโดยเฉพาะ by ProSoft Co.,Ltd.

ระบบ ERP คือสิ่งที่องค์กรมักจะนึกถึงเป็นอย่างแรกๆในการทำ Digital Transformation ระบบ ERP สมัยใหม่นั้นไม่เพียงแต่จะต้องจัดการกระบวนการทำงานได้เป็นอย่างดี แต่ยังต้องเปิดกว้างต่อการพัฒนานวัตกรรม มีโครงสร้างรองรับการทำงานร่วมกับเทคโนโลยีใหม่ในอนาคต และมั่นคงพอที่ธุรกิจจะต่อยอดใช้ในระยะยาวได้ ProSoft เป็นหนึ่งในผู้ให้บริการที่มีซอฟต์แวร์ ERP ที่มีความสมดุลระหว่างความสามารถในการบริหารการดำเนินงาน …

[Guest Post] SECPlayground Year-end Non-stop Challenge (SYNC) 2020

แม้ว่าโลกเราจะหมุนไปเร็วเพียงใด มีแนวโน้มในการปรับลดจำนวนพนักงานในตำแหน่งต่าง ๆ ให้ลดลงเพียงใด อาชีพหนึ่งที่ยังคงมีการเปิดรับและเป็นที่ต้องการมากขึ้นเสมอในช่วงหลายปีที่ผ่านมานั่นคืออาชีพในสาย Cybersecurity นั่นเอง