讓機器人 7x24 小時自動開發(fā)票，除了機器學習，還需要什么？

本文作者：石松

編輯：李帥飛

2017-12-19 16:30

導語：通過與機器學習結(jié)合，機器人過程自動化技術(shù)將構(gòu)建出強大的自動化解決方案。

雷鋒網(wǎng)按：隨著人工智能和機器學習技術(shù)的發(fā)展，許多公司也在考慮通過機器人來實現(xiàn)業(yè)務自動化的問題。對此，擁有 22 年從業(yè)經(jīng)驗的技術(shù)專家 Rajesh Kumar 撰文探討了 RPA 技術(shù)對提升生產(chǎn)力的重要意義。雷鋒網(wǎng)對這篇文章進行了不改變原意的編譯：

對于那些正在考慮如何實現(xiàn)業(yè)務流程自動化以提高生產(chǎn)力的公司而言，機器人過程自動化（Robotic Process Automation，簡稱 RPA）將是他們首先考慮的技術(shù)之一。

為什么是 RPA？

目前一些實現(xiàn)業(yè)務自動化的最快速、最容易的方法將來自 RPA 技術(shù)。這是近年來最明智的技術(shù)革新之一，它帶來了降低成本、提升生產(chǎn)力、甚至提高效率和準確性的方法。

讓機器人 7x24 小時自動開發(fā)票，除了機器學習，還需要什么？

然而，對于 RPA 技術(shù)究竟能夠?qū)崿F(xiàn)什么以及它的局限性方面，許多企業(yè)仍存在著很大的困惑。在考慮實施 RPA 技術(shù)時，企業(yè)最好有明確的期望，以便最大程度地利用它來獲得戰(zhàn)略優(yōu)勢。

了解 RPA 技術(shù)周遭所蘊含機會的最好方法，就是想像一個員工在日常工作中做著幾十個平淡無奇、重復的任務。隨著時間的推移，這些任務變得沉悶累贅，人類員工生產(chǎn)力會下降或著出錯。

然而 RPA 技術(shù)卻可以更快、更準確地執(zhí)行這些任務，而且不會感到疲勞。人類員工便被解放出來，專注于那些需要更多批判性思維、創(chuàng)造力和更高層次與客戶接觸的任務。

一個很好的利用基于 RPA 技術(shù)的自動化流程的例子就是發(fā)票驗證流程。

這個過程中可能涉及到一位員工需從三個不同的供應商門戶網(wǎng)站下載發(fā)票，并上傳到一個 ERP 系統(tǒng)，并用相應的采購訂單驗證核準價值金額，最終批準或拒絕相關(guān)發(fā)票信息錄入系統(tǒng)。通過編寫一定量的腳本程序，這個流程可以很容易地結(jié)合到一個 RPA 軟件中處理。

RPA 技術(shù)實際是一種運用相關(guān)技術(shù)來配置機器人或計算機，使用和解釋現(xiàn)有應用程序，來處理事務，操作數(shù)據(jù)或觸發(fā)響應以及同其他數(shù)字系統(tǒng)通信的方式。

進一步簡化來說，RPA 技術(shù)是一種“記錄和回放”技術(shù)，機器人（實際上是安裝在機器上的軟件）被教會了如何使用軟件來執(zhí)行某些任務，之后機器人就會周而復始地執(zhí)行，這就是一種使其變得簡單有效的自動化方法。

一般來講，同一發(fā)票驗證過程的自動化將涉及到三個不同供應商系統(tǒng)的集成，這些供應商系統(tǒng)必須與一些具有邏輯驗證功能的 ERP 系統(tǒng)集成。雖然這兩個過程的結(jié)果是一致的，但是傳統(tǒng)的自動化路線方案會給軟件開發(fā)人員帶來額外的工作量，如與 IT 團隊合作打開防火墻端口，購買專門用于運行軟件的服務器以及一些維護類工作。

RPA 技術(shù)則會讓過程變得更簡單。該軟件還可以自動執(zhí)行許多其他流程，同時每周它可以運行 24 x 7 小時，然而對發(fā)票驗證的流程很可能每個星期只有需要處理幾個小時的工作量。

限制 RPA 技術(shù)的障礙

雖然 RPA 技術(shù)提供了非?？焖?，非侵入性的自動化手段，但它也有其局限性。為了最大限度地提高 RPA 的實用性，自動化流程需要基于明確的標準操作程序（SOP），其中決策規(guī)則具有非常明確的參數(shù)。

在任何基于 RPA 技術(shù)的自動化策略中，將較大的流程劃分為“可自動化”和“人為干預”的部分，并更新流程以實現(xiàn)最大程度的自動化非常重要。

讓機器人 7x24 小時自動開發(fā)票，除了機器學習，還需要什么？

然而，要將每個流程完全自動化可能并不現(xiàn)實。這是因為一些流程是相當程序化的，而另一些流程可能需要用到人類員工的經(jīng)驗知識并作出判斷。因為大量的知識并不能被有效地編入算法，在這樣的情況下，RPA 技術(shù)則不能把那些需要人類經(jīng)驗知識參與的過程自動化。對于需要運用人為判斷的領域，RPA 技術(shù)變得無效。

流程中可被自動化的部分由 RPA 技術(shù)驅(qū)動，由此變成了完全的規(guī)則和算法驅(qū)動，并且很難使這部分變的“聰明”或“智能”。在某些情況下，這也會將流程的可自動化部分縮小到不可行的程度，因為產(chǎn)生的回報結(jié)果甚微，無法為 RPA 技術(shù)投資的合理性帶來有利證明。

這樣的一個例子如，自動將問題票據(jù)分配到適當?shù)慕M。如果分配規(guī)則是基于票證類別和發(fā)行票據(jù)的某些字段，那么 RPA 肯定能夠解決自動化問題。然而另一方面，如果涉及到讀取票據(jù)描述的內(nèi)容并運用人類知識來決定哪個團隊應該處理該票據(jù)，那么突然之間，該過程的自動化變成了不可行。

機器學習起到何種幫助作用？

機器學習（Machine Learning，簡稱 ML）是一項新興技術(shù)，但卻成熟到可以應用于解決現(xiàn)實生活中的問題。ML 的工作原理是將大量的數(shù)據(jù)（或知識）捕獲后形成某種形式的數(shù)學模型。該模型可以利用知識來解決問題。

讓機器人 7x24 小時自動開發(fā)票，除了機器學習，還需要什么？

例如，如果我們開發(fā)一個包含有一年票值描述及其相應分配路徑信息的機器學習模型，則可以用它來預測新票據(jù)的路徑信息。機器學習技術(shù)有能力根據(jù)先前的行為進行學習，并運用這些知識對當前的行為做出決定。

機器學習技術(shù)可以應用于許多可以獲得大量歷史數(shù)據(jù)的問題，利用這些歷史數(shù)據(jù)在特定領域可以預測或決定。這不像是開發(fā)一個算法，因為它是建立在知識基礎上的。如果我們考慮之前的票務路徑問題，那么為過去一年中每張票的信息開發(fā)算法都是非常困難的。不過，利用機器學習的方法可以非常有效地解決這種情況。

強大的組合

ML 技術(shù)與 RPA 技術(shù)的結(jié)合有助于克服 RPA 的局限性，因為它可以從歷史數(shù)據(jù)建立知識庫，并將其用于行為決策和預測。

如果我們再次考慮這個票據(jù)路徑分配流程的例子，現(xiàn)在看起來則變的完全可行，在 RPA 流程中提取票據(jù)描述信息，并調(diào)用 ML 預測服務來獲取路徑信息以繼續(xù)自動化流程。這就像是引入一個聰明的代理進入了 RPA 的流程。而且通過定期重新訓練并保持最新知識，不斷豐富 ML 模型也是可行的。

讓機器人 7x24 小時自動開發(fā)票，除了機器學習，還需要什么？