Visão computacional e scripts gerados por IA são alguns fatores que podem aprimorar uma automação inteligente dentro da empresa.
Processos automatizados se tornaram recorrentes nas empresas após o início da pandemia do novo coronavírus. Foi uma forma de revisitar as operações e os modelos de negócios para entender como seguir inovando em situações críticas.
Porém, os esforços de modernização com RPA (sigla em inglês para Automação Robótica de Processos) ainda apresentam um desafio: são robôs configurados por regras e que, geralmente, atuam em tarefas individuais, mas não em toda a cadeia de processos de uma empresa.
Baixe gratuitamente nosso e-book sobre RPA para saber como a tecnologia fornece eficiência e produtividade para sua empresa. Clique aqui.
Um bot pode preencher automaticamente a folha de ponto a partir de um software que registra a entrada e saída dos funcionários. No entanto, uma pessoa e/ou um segundo robô precisarão confirmar os dias trabalhados para calcular o valor do holerite.
Apesar de a RPA ser configurada de acordo com a necessidade de uma empresa, a automação inteligente ainda não possui um bom nível de maturidade no mercado. O tema, por sinal, foi até discutido em uma publicação do Mundo + Tech no ano passado. Leia aqui.
Em um artigo para o site CIO.com, a escritora e colaboradora do portal Maria Korolov aborda fatores que podem levar a automação para o próximo nível. Neste artigo, explicaremos mais sobre visão computacional e scripts para a RPA gerados por Inteligência Artificial.
Qual o estado atual da automação inteligente?
Segundo Korolov, existem dois casos de usos típicos de Inteligência Artificial na automação: a inserção das informações de um arquivo PDF em um formulário ou a indicação da melhor resposta que um atendente pode dar a um consumidor.
No entanto, como a autora do artigo ressalta, todos os processos no entorno da tecnologia ainda colocam os humanos no centro. Ou seja, os colaboradores vão monitorar o desempenho de uma RPA para encontrar gargalos.
Caso encontrem, esses profissionais vão sugerir o desenvolvimento de novos scripts para automatizar os processos e reduzir os obstáculos. A visibilidade geral dos fluxos, porém, não é simples porque sistemas diferentes podem ser usados para cada bot.
Na hora de criar uma RPA que consiga levar automação inteligente de ponta a ponta — no caso, do início ao fim de um processo —, a IA pode não compreender totalmente o que é feito em uma demanda pela quantidade de sistemas integrados.
Confira no Meio Digital: Como os robôs podem tornar o seu negócio mais eficiente
Usando a visão computacional
Neste primeiro exemplo, Maria Korolov trouxe um caso de uso da Genpact, empresa global de serviços profissionais. A companhia utiliza inteligência para combinar diversas transações individuais de seus clientes em sistemas centrais.
“Mas a inteligência falha quando, digamos, um funcionário deixa o nosso sistema central para abrir uma página em um navegador da internet”, disse Sanjay Srivastava, diretor digital da Genpact ao site CIO.com.
Por exemplo, se uma das etapa de determinado processo envolve consultar uma página de preços, e se um item tem um custo médio de um determinado valor, um funcionário precisa concluir essa tarefa antes de decidir qual será o próximo passo. A ação de ver algo na tela é difícil de ser capturada digitalmente, explica a autora do artigo.
Nesse sentido, a visão computacional pode fazer a diferença. Com o uso de câmeras nas estações de trabalho do colaborador, a tecnologia consegue rastrear para onde aquele funcionário está olhando. Mesmo assim, “tem que ser feito com o consentimento das pessoas”, comentou Srivastava.
Na prática, o sistema automatizado da Genpact realizaria algo chamado de “mineração de processo”, que nada mais é que uma IA que vai coletar todas as ações relacionadas a um processo, identificá-las e vinculá-las a um fluxo de trabalho.
Assim, a Genpact consegue monitorar e solucionar problemas desse fluxo ou até mesmo ajustá-lo de acordo com o feedback contínuo dos colaboradores ou clientes.
Scripts gerados por Inteligência Artificial
Já o segundo exemplo é da UST, consultoria de transformação digital que tem utilizado IA para automatizar tarefas complexas na digitalização de processos. E tudo isso com uma aprendizagem não supervisionada – que usa algoritmos que encontram padrões em dados sem tag (classificação).
Essa aprendizagem é uma tecnologia patenteada, segundo Adnan Masood, arquiteto-chefe de IA e Machine Learning da UST, em entrevista à Korolov. Quando os algoritmos descobrem padrões, eles conectam qualquer tarefa individual — mas relacionada — a todo o processo.
A autora do artigo volta ao exemplo do site em que um funcionário precisa pesquisar um preço. Um sistema automatizado pode identificar que essa tarefa está sendo realizada (busca por um item), mas duplicar essa ação é complicado porque as páginas vão ser atualizadas a cada instante.
Massod explica que, para reduzir esse gargalo, “nós vetorizamos as entradas e usamos Deep Learning para identificar o que é uma entrada”. Assim, a IA consegue extrair os dados automaticamente, sempre que um funcionário acessar esse site.
A vantagem é que um desenvolvedor não precisa criar um script manual dessa tarefa (coletar os dados que o funcionário gera), possibilitando a Inteligência Artificial melhorar com o tempo – o chamado aprendizado por reforço (entenda mais do conceito neste artigo do Mundo + Tech).
Claro, o desafio de scripts gerados por IA são os ambientes que armazenam os dados. Por exemplo, se estiver em sistemas legados, é preciso considerar questões regulatórias e a segurança cibernética, afirmou Masood.
Isso vai exigir também uma configuração inicial para agrupar esses dados e, com isso, a IA vai começar a analisar os fluxos de trabalho.
Principais destaques desta matéria
- Automação inteligente ainda é um desafio para as empresas.
- Ainda mais quando RPA e outros robôs fazem tarefas específicas e centradas no colaborador.
- Confira duas inovações que podem levar a automação para outro nível.
