Развитие технологий машинного обучения (МО) дало возможность извлекать больше информации и, соответственно, получать ценные сведения из широкого спектра корпоративного контента, как структурированного, так и неструктурированного, пишет портал eWeek.

По мнению отраслевых аналитиков, популярность МО и других технологий, связанных с ИИ, обусловлена двумя факторами: стремительным ростом объема неструктурированного контента и применением технологии роботизации бизнес-процессов (RPA) для автоматизации процессов, которые имеют отношение к данным. Согласно исследованию Cognilytica, около 90% корпоративного контента, который включает документы, изображения, электронные письма, онлайн-данные и видео, хранятся в неструктурированной форме и его объем ежегодно растет на уровне 55-65%. Как утверждает Everest Group Research, интеллектуальная автоматизация требует применения МО там, где RPA пересекается и взаимодействует с процессами, связанными с контентом. Ценность машинных алгоритмов заключается в том, что они помогают обрабатывать большее количество данных и делать из них выводы вне зависимости от того, структурированные они или неструктурированные.

МО относится к ПО, которое позволяет машинам «учиться» как под наблюдением, так и без него, повышая точность результатов и производительность. В процессе обучения, который включает захват документов и обработку с помощью RPA, МО и другие технологии ИИ обучаются распознавать тысячи вариантов документов, занимаясь обработкой счетов-фактур, заказов поставщиков и др. Тем не менее, многие организации при работе с МО-решениями допускают ошибки. Директор по инновациям ABBYY Энтони Маккиола приводит пять самых распространенных из них.

1. Выбор чрезмерно сложных МО-инструментов

Организации довольно часто отдают предпочтение МО-инструментам, которым для обучения базовым сценариям обработки неструктурированного контента требуется большой объем данных. Вместо этого лучше применять проверенные инструменты с предустановленными алгоритмами, которые можно обучить при помощи небольшого набора данных. Такой подход позволит запустить их за считанные часы и не тратить время на создание набора моделей обучения, состоящих из сотен тысяч документов. Если выбран более трудоемкий вариант, запуск проекта автоматизации может занять несколько недель или даже месяцев.

2. Полное доверие к RPA

RPA заслужила доверие как инструмент, который повышает производительность рабочих процессов путем подключения к устаревшим системам и внешним источникам данных. Его можно быстро развернуть, поскольку настройка цифровых помощников отличается простотой и не отнимает много времени, и они будут выполнять работу точно также, как это делают люди. Однако разница между технологиями RPA и МО заключается в том, что если первая ориентирована на структурированную работу с повторяющимися циклами, то вторая предназначена для понимания контекста, который содержит структурированная и неструктурированная информация. Чтобы предоставить своим цифровым работникам интеллектуальный контент, RPA нуждается в МО. Это поможет технологии развить когнитивные навыки, чтобы постигать смысл документов и извлекать из различных форм контента полезную информацию, предоставляя менеджерам возможность принимать более взвешенные решения.

3. Убежденность в правильности применения МО

Довольно часто при запуске проекта автоматизации предприятия выбирают неправильные процессы. Это связано или с их сложностью, или с организационной неразберихой. Иногда выбор ситуация осложняется тем, что руководство не уделяет достаточно времени или не участвует в повседневной деловой активности. Прежде, чем внедрять решения RPA и МО, следует провести анализ процессов, чтобы выявить пригодные к автоматизации. Осуществив правильный выбор, организация вправе рассчитывать на экономию средств и оптимизацию рабочих процедур, а также получение ценных логических выводов, основанных на данных, свободных от предвзятости или чьих-то мнений.

4. Пропуск значимых сценариев применения

Не редко при выборе задач, которые будут автоматизированы при помощи RPA и МО, организации отдают предпочтение наиболее часто встречающимся, полагая, что это приведет к отличным результатам. Тем не менее, такой выбор чреват тем, что предприятие может пропустить важные возможности для бизнеса, которые приводят к лучшей окупаемости инвестиций. Лучше всего начинать с областей, которые не нарушают целостность работы или не затрагивают интересы клиентов. Проведя точечную обкатку МО, предприятие получит навыки, как его легко и быстро развернуть и расширить на другие бизнес-задачи.

5. МО — это раз и готово

Автоматизация не исчерпывается обучением алгоритмов и развертыванием цифровых работников. Крайне важно обеспечить непрерывное улучшение процессов путем мониторинга. Это поможет понять, как автоматизации влияет на восходящий и нисходящий потоки, в частности, соответствует ли она задокументированным функциям. Постоянное наблюдение позволяет избежать или вовремя заметить появление шероховатостей и негативного воздействия на процесс в других местах. После развертывания МО также следует проводить мониторинг работы цифровых помощников и сквозного процесса в целом — эта процедура не менее значима, чем планирование и выполнение.

Версия для печати (без изображений)