Tomasz Gołębiewski, Sales Director IBA Poland, w komentarzu eksperckim na temat Inteligentnej Automatyzacji Procesów w nowoczesnych, cyfrowych organizacjach finansowych.
Wykorzystanie sztucznej inteligencji było kluczowym trendem w minionym roku. Trend ten rósł i wiązał się z bardzo szybką adaptacją w różnych obszarach. Tendencja nie tylko nie uległa spowolnieniu, ale generatywna sztuczna inteligencja stała się przedmiotem coraz liczniejszych inwestycji firm, które starają się zdefiniować jak najwięcej zastosowań tej technologii.
Jak będzie wyglądać przyszłość? Czy obok autonomicznych pojazdów będziemy mieli autonomiczne instytucje finansowe? Analizując możliwości AI należy postawić pytanie, jakie zadania można powierzyć tej technologii, uwalniając jej pełen potencjał w zakresie automatyzacji. Od początków komputeryzacji trwa nieprzerwany proces automatyzacji. Wszystko w celu zwiększenia produktywności, redukcji błędów czy obniżenia kosztów. Systemy typu RPA stały się bardzo rozpowszechnione, a softwarowe boty z powodzeniem zastępują ludzi w wielu obszarach. Tego typu automaty mają jednak swoje ograniczenia.
Od początków stosowania robotów w sektorze finansowym główny nacisk położony był na zwiększenie efektywności i optymalizację poszczególnych zadań. Na tamtym etapie Robotic Process Automation (RPA) okazała się przełomem, zapewniając firmom zwiększoną produktywność, lepszą wydajność i oszczędności. Jednak RPA nie zaspokaja wszystkich potrzeb w zakresie automatyzacji. Pozostaje znaczna liczba procesów wymagających bardziej inteligentnych działań decyzyjnych. Kolejnym etapem tej ewolucji jest koncepcja
Inteligentnej Automatyzacji Procesów (IPA). O ile procesów nadających się do automatyzacji rozwiązaniami RPA jest więcej, o tyle realne zyski z automatyzacji procesów wymagających technologii sztucznej inteligencji są większe.
Inteligentna Automatyzacja Procesów wzbogaca technologie RPA o AI, uczenie maszynowe, OCR i przetwarzanie języka naturalnego. Postępy w technologiach sztucznej inteligencji umożliwiły robotom dokładniejsze przetwarzanie nieustrukturyzowanych dokumentów, klasyfikowanie wiadomości, rozpoznawanie pieczątek i podpisów, integrację z chatbotami i nie tylko. Najnowszą rewolucją w sztucznej inteligencji są modele generatywnej AI. Jesteśmy świadkami niezwykłego postępu w Large Language Models. Lawinowo rośnie ilość i rodzaj danych. Są one czerpane z coraz większej liczby źródeł, a tradycyjne metody (modele, automaty) nie są w stanie sobie z tym poradzić. Modele LLM wyszkolone na dużych ilościach różnych danych potrafią generować odpowiedzi i przetwarzać informacje
na poziomie, który wcześniej wydawał się nieosiągalny.
Analiza treści i danych
Generatywna sztuczna inteligencja jest też użytecznym narzędziem do analizy treści i danych. Przykładowo sztuczna inteligencja bardzo skutecznie układa prognozy na przyszłość w oparciu o istniejące dane sprzedażowe i doskonale potrafi zdefiniować kluczowe czynniki wpływające na zmiany trendów.
Wykorzystanie nowej AI w obsłudze klienta
Ze względu na możliwość kompilowania odpowiedzi z dużych baz danych, generatywna sztuczna inteligencja jest doskonałym rozwiązaniem w obszarach takich jak obsługa klienta, gdzie udowodniono, że stara technologia chatbotów po prostu nie radzi sobie z realizacją bardziej skomplikowanych zapytań. Sztuczna inteligencja przynosi tu bardziej zaawansowaną automatyzację i znacznie bardziej szczegółowe odpowiedzi. Analogiczne zastosowanie możliwe jest na przykład w procesach HR, gdzie sztuczna inteligencja może zestawiać odpowiedzi na zapytania nowych pracowników, ułatwiając onboarding.
Nowe możliwości otwierają też modele generatywne – Chatboty Wzbogacone Wiedzą (Knowledge Enhanced Chatbots. Są to wyspecjalizowane techniki, które umożliwiają łączenie LLM, takich jak ChatGPT, z wewnętrznymi bazami wiedzy. Przykładem ich zastosowania są np. chatboty zsynchronizowane z materiałami marketingowymi, umożliwiające klientowi otrzymanie informacji o odpowiednich usługach w oparciu o określone kryteria, a nie długie studiowanie wszystkich materiałów.
Czy AI może zastąpić człowieka?
Mogą pojawić się oczywiście sytuacje, w których sztuczna inteligencja popełnia błędy lub udziela nieistotnych odpowiedzi. Kwestia, jakie zadania można powierzyć sztucznej inteligencji, staje się coraz bardziej istotna w kontekście automatyzacji procesów biznesowych. Odpowiedź jest jedna – wszystko możemy zlecić robotom cyfrowym, ale musimy je kontrolować.
Narzędzia sztucznej inteligencji mogą automatyzować zadania tradycyjnie wykonywane przez ludzi i umożliwiają skupienie się na zadaniach wyższego szczebla, które wymagają ludzkiego osądu, kreatywności i empatii. Nadal zostanie wiele zadań i ról, w których te ludzkie cechy i umiejętności będą niezbędne. To od nas zależy, jak duże znaczenie przypiszemy sztucznej inteligencji – dlatego stawiamy tę technologię w centrum rozwoju i tworzymy rozwiązania z elementem etycznym. Czyli rozwiązania tworzone w oparciu o podejście human-in-the-loop, dzięki któremu automatyzowane są jedynie monotonne i niekreatywne procesy. W ten sposób wraz ze stopniowym wprowadzaniem automatyzacji kreatywne i bardziej wymagające procesy pozostają w rękach ludzi.
Platforma automatyzacji procesów
Do sterowania robotami cyfrowymi w inteligentnym procesie automatyzacji niezbędna jest wyspecjalizowana platforma. Wyróżniamy trzy właściwości, jakimi musi się ona charakteryzować:
1. Potrzebny jest mechanizm weryfikacji, który zapewni dokładność i niezawodność zautomatyzowanego procesu.
2. Aby zminimalizować ryzyko uzyskania błędnych wyników, konieczna jest możliwość włączenia nadzoru ludzkiego do procesu.
3. Najważniejszym zadaniem jest zapewnienie, że wynik jakiejkolwiek interwencji człowieka nie zostanie utracony. Aby to osiągnąć, musimy przechowywać te wyniki i wykorzystywać je do ponownego szkolenia AI na większej liczbie wzorców.
W ten sposób system będzie zarówno kontrolowany, jak i z czasem inteligentniejszy. Możemy zatem nakreślić wymagania dla nowoczesnej platformy automatyzacji procesów, która umożliwia automatyzację jak największej liczby zadań:
• Integracja z generatywnymi modelami AI
• Zintegrowane klasyczne modele ML
• Obsługa optycznego rozpoznawania znaków
• Reguły przetwarzania końcowego i mechanizm zarządzania walidacją AI
• Możliwość działania w trybie „człowiek w pętli”.
• Wsparcie automatycznego uczenia się modeli AI
Inwestycje w sztuczną inteligencję, a także stosowanie rozwiązań AI z pewnością się nie zatrzymają, ale z pewnością staną się bardziej ukierunkowane. Widać to w nowych badaniach, według których 45 proc. instytucji finansowych już inwestuje w generatywną sztuczną inteligencję w celu zwiększenia produktywności i obniżenia kosztów. Z tego samego raportu wynika też, że aż 52 proc. firm, które obecnie nie inwestują w sztuczną inteligencję, planuje takie inwestycje ze względu na podobne oczekiwania. Z raportów firm konsultingowych wynika, że 70 proc. dyrektorów generalnych postrzega sztuczną inteligencję jako technologię, która poprawi jakość biznesu, podniesie konkurencyjność branży i umożliwi pracownikom zdobywanie nowych umiejętności, a nie jako przełomową technologię, która zlikwiduje istniejące miejsca pracy.