AO_437

Tutorial AUTOMAZIONE OGGI 108 | APRILE 2022 AUTOMAZIONE OGGI 437 forma di un sistema di risoluzione dei ticket del banco dell’assistenza clienti. • L’identificazione automatica dei processi aziendali. È possibile eseguire un client in background che raccoglie dati sull’attività e sui processi aziendali. Tali dati possono essere elaborati per mezzo di tecniche di intelligenza artificiale, per identificare i pro- cessi stessi e per suggerire opportunità di automazione. • La generazione del linguaggio naturale (NLG) comporta la raccolta di dati da un certo nu- mero di fonti e quindi la produzione di un rap- porto in linguaggio naturale da questi dati. Le società di Wealth Management, per esempio, esaminano e analizzano i dati di portafoglio, determinano metriche significative e gene- rano report in linguaggio naturale per i pro- pri clienti sulla performance dell’investimento di ciascuno dei loro fondi. La generazione di report in linguaggio naturale riduce il tempo e lo sforzo umano associati alla creazione di report basati sui dati. Capacità ‘robotiche’ e la loro evoluzione I robot identificano gli elementi dell’interfaccia utente utilizzando una varietà di meccanismi. Per i siti web, un approccio semplice adottato dai robot consiste nell’identificare campi e pul- santi in base ai loro elementi html. Per le ap- plicazioni .net, i robot possono ispezionare il codice dell’interfaccia utente per determinare gli elementi dell’interfaccia utente. L’identi- ficazione degli elementi utilizzando il codice sottostante rende i robot notevolmente meno sensibili alle modifiche estetiche, come una fi- nestra ridimensionata o un pulsante spostato in una nuova posizione. Per i casi in cui ciò non è possibile, il software RPA deve fare affidamento su approcci meno robusti. Per esempio: - posizione dei pixel. Il metodo più semplice per identificare un campo è puntare i robot nell’e- satta posizione dei pixel sullo schermo in cui si trova il campo. Come previsto, questo approc- cio è poco robusto poiché anche un semplice ridimensionamento della finestra interrompe- rebbe l’automazione; - riconoscimento delle immagini. Il robot sof- tware ricerca lo schermo per identificare il pul- sante. Un utente indica, per esempio, l’aspetto di un pulsante ‘Conferma’ e il robot acquisisce un’immagine del pulsante e la cerca su tutti i pixel dello schermo. Tuttavia, vi sono problemi con questo approccio poiché, se un elemento non è attualmente sullo schermo, un approc- cio di riconoscimento delle immagini di base non lo scoprirà. I fornitori stanno creando nuovi metodi per im- plementare l’RPA. Alcuni utilizzano, per esem- pio, approcci avanzati per la corrispondenza dei modelli e il riconoscimento dei caratteri per individuare gli elementi visivi anche quando il loro aspetto è leggermente diverso dall’imma- gine acquisita. Questi progressi consentono al robot di far fronte alle differenze nelle risolu- zioni dello schermo e negli stili dei caratteri. In generale, il supporto RPA per l’automazione intelligente assumerà una delle due forme se- guenti: - i fornitori di RPA svilupperanno i propri algo- ritmi di intelligenza artificiale e li incorpore- ranno nei loro prodotti; - i fornitori di RPA si collegheranno a piatta- forme di intelligenza artificiale tramite API. Evoluzione della RPA Nonostante sia una tecnologia relativamente recente, la Robotic Process Automation ha già avuto un’evoluzione storica che permette di individuare tre tipologie o, se si preferisce, tre generazioni di RPA. La prima fase è l’RPA Assistito o RPA 1.0. Si tratta del livello tecnologico in cui il software RPA automatizza varie attività e applicazioni in esecuzione sul desktop dell’utente. L’esempio più semplice potrebbe essere un semplice co- pia-incolla di informazioni da una schermata all’altra. Caratteristica questa già posseduta da decenni da tutti i programmi software di editing. L’RPA assistito si è dimostrato efficace nel ridurre i tempi medi di gestione, nel mi- gliorare l’esperienza del cliente e nel ridurre i costi. I processi lunghi e complessi venivano quindi opportunamente sostituiti con un solo click del mouse, riducendo significativamente il tempo necessario per addestrare un agente su di esso. Tuttavia, l’RPA assistito prevede la necessità di un’interazione uomo-sistema in tempo reale, pertanto non è adeguato per un’automazione spinta. L’RPA Non Assistito o RPA 2.0. È il livello in cui il software RPA viene distribuito su più mac- chine per l’esecuzione senza la necessità che l’automazione sia presidiata. L’automazione qui non richiede che un operatore acceda alla macchina, attivi i processi per iniziare, osservi le sue prestazioni e concluda la procedura di automazione al termine della stessa. Questi passaggi possono infatti essere automatizzati e semplificati tramite dashboard, che forni- scono una finestra per assegnare compiti alle macchine, regolare priorità e code e intervenire con le prestazioni di un robot specifico come e quando necessario. L’RPA autonomo (o RPA 3.0). È la versione più avanzata della Robotic Process Automation e fa uso massiccio dell’intelligenza artificiale e delle nuove tecnologie con essa correlate, come per esempio l’automazione cognitiva, l’apprendi- mento automatico, la visione artificiale. Fra le tecnologie utilizzate da RPA 3.0 è particolar- mente interessante la cosiddetta ‘automazione cognitiva’. Essa utilizza diversi algoritmi e ap- procci tecnologici distinti, come l’elaborazione del linguaggio naturale, il data mining, la tec- nologia semantica, l’analisi del testo, l’appren- dimento automatico e altro ancora, sfruttando al meglio i dati strutturati e non strutturati. I dati non strutturati, come le interazioni con i clienti, possono essere analizzati, elaborati e strutturati ulteriormente in informazioni utili per le fasi successive del processo, come l’analisi predit- tiva. Con l’RPA autonomo, i processi decisionali sono tutti eseguiti dai robot in modo tale che tutte le attività lunghe e complesse possano essere completamente automatizzate. L’automazione dei processi viene implementata con l’ausilio di robot software, o di altri operatori di intelligenza artificiale in grado di eseguire, in modo accurato, compiti ripetitivi Fonte: Shutterstock