RPA和IPA有什麼區別

智慧流程 越來越被視為對機器人流程自動化的補充，它透過 技術擴充套件了機器人流程自動化的範圍。CIO和企業IT負責人應將這兩種自動化技術之間的一些重要區別視為其技術路線圖的一部分。

和

與 相比，IPA的工作範圍更大-它可以處理更多型別的資料格式，並有望實現新型的更智慧的決策。要想從IPA戰略中獲得最佳結果，就需要IT和資料科學團隊進行比RPA更深入的協作。

Cognizant智慧過程自動化的全球市場領導者Banwari Agarwal說：“ RPA本質上是純機器人，不需要智慧即可操作。” 因此，對於定義良好，基於規則的流程而言，這是一項很好的技術。

相反，IPA用於受益於AI功能的更復雜的流程。這涉及將智慧資料輸入，自然語言處理，機器學習和運營分析與RPA相結合。RPA和IPA在不同型別的情況下都很有價值。

從RPA開始，以簡化操作

RPA平臺的主要吸引力在於它們易於使用且不需要深厚的技術技能。許多RPA技術可以用低碼或無碼實現。但是，RPA專案的最終價值和成果有限。

IPA的開發和實施要複雜得多。該技術需要資料提取和分類，機器學習和AI來促進決策。使用IPA的企業將需要手頭的專家，他們需要對該領域不斷增長的工具和功能有深入的瞭解。

使用者的技術技能要求是IT主管應預先意識到的關鍵區別。RPA所需的技術技能從基礎到成熟，而IPA所需的技術技能從成熟到高階。毫無疑問，由於這種易用性，RPA具有更大的吸引力。“有更多的程式與RPA被自動比IPA，”他說。

但是，與RPA相關的過程效率不如IPA實現的潛在效率高。在RPA部署中，企業除了在RPA工具處理的基於規則的處理之外，還在資料提取和決策中發揮重要作用。相反，IPA有望在降低人工成本方面帶來更大的價值，因為它可以使很多人的決策自動化。

輔助技術可以幫助公司從RPA遷移到IPA部署，包括流程挖掘和最佳化，智慧輸入工具，機器學習，AI和運營分析平臺。

IPA是RPA向AI過渡階段

向IPA的過渡是一個連續的過程，而RPA是AI，機器學習和分析的基礎，IPA為業務流程的自動化帶來了優勢。“沒有RPA的基礎，就不可能擁有IPA。”

薩曼特（Samant）認為此頻譜具有三個關鍵階段。越來越多的企業正在建立數字化員工隊伍，並使定義非常明確的業務流程自動化。在下一級別，機器學習可以幫助系統理解和實施決策。第三級是AI，機器可以開始做出通常由人類做出的決策。

前兩個階段更多地是過程驅動的-它們是關於自動化非常明確和確定性的過程。在第三階段，機器學習和AI使機器人能夠處理更多不確定的行為。薩曼特說，這是要從讓機器思考任務開始，再到讓機器思考過程。  

支援 資料

IT諮詢機構Protiviti的內部審計和財務諮詢業務董事總經理Angelo Poulikakos表示，IPA旨在將RPA與諸如光學字元識別，自然語言處理，資料分析和聊天互動之類的互補技術相結合，從而將機器人帶入生活。這些功能擴充套件了機器人的工作範圍，使其能夠讀取非結構化資料，解釋人類語音，關注趨勢並預測結果。

Poulikakos同意，大多陣列織通常在開始面向IPA的用例之前先從RPA開始。例如，Protiviti已幫助多個客戶構建了RPA機械手，該RPA機械手根據定義明確的訪問請求表和批准工作流自動設定或取消對系統的訪問。通常使用核取方塊和下拉選單之類的東西來指定這些工作流，以識別使用者，訪問級別和當前狀態。

RPA機械手在環境中穩定之後，可以透過IPA對其進行擴充套件，以便聊天機器人可以簡化訪問的預配置或預配置。聊天機器人可以解釋使用者的意圖，以驅動可能尚未闡明的動作。例如，如果有人說“瑪麗離開了組織。請刪除她的訪問許可權”，則該機器人將收集輸入並隨後觸發RPA機器人，該機器人將啟動批准工作流程並執行已定義的操作。同時，它將儲存對話歷史記錄以用作稽核跟蹤。

具有學習功能

醫療收入週期自動化平臺Recondo Technology的技術長Eldon Richards說，RPA和IPA之間的主要區別之一是IPA的經驗學習能力。當流程或用於支援流程的資料中存在高度可變性時，此技能最為重要。使用RPA，實現者必須提前處理程式設計演算法或規則中的可變性。使用IPA，有時可以從經驗中自動學習處理可變性。

在實踐中，有兩種主要方法可以解決這些差異。首先，IPA可用於自動化某些流程，而這些流程對於RPA工具而言過於費力。當存在大量邊緣情況時（例如，當發生意外情況，例如資訊丟失或不準確或數量超過典型閾值時），實施RPA需要開發邏輯來處理每個情況。如果可以從經驗豐富的執行者那裡學習到IPA，則IPA在這種情況下可能會有用，只要IPA工具可以觀察到足夠的邊緣情況即可。

其次，當需要更高層次的認知來做出決策時，可以使用IPA。例如，如果歸檔基於諸如發件人，主題行中找到的關鍵字或電子郵件是否具有附件之類的屬性，則RPA可以有效地歸檔電子郵件。相比之下，IPA將監視人類將哪些電子郵件放入垃圾郵件資料夾，以及哪些電子郵件會立即得到答覆。理查茲說，這將使它做出更復雜的決定。

RPA和IPA需要合作

IPA專案還可能影響工作場所的收益，例如促進資料科學團隊與業務線專業人員之間的協作，這些業務線專業人員具有有關基於文件的自動化業務流程的必要主題專業知識。IPA非結構化內容平臺Indico的執行長Tom Wilde表示，這將導致更好的實施和其他高價值用例的識別。

在RPA上新增一層智慧可以對流程產生變革性影響，以及組織協作尋找更好的反饋環來訓練AI模型時，也可以產生變革性的影響。抵押貸款自動化平臺AI Foundry的產品管理總監Arvind Jagannath表示：“這些機器人突然可以應對高價值的決策任務以及重複的任務。”

當業務使用者和資料科學家可以識別出用於持續培訓的資料集時，可以改進驅動RPA決策的AI模型。這可能包括評估不同時間範圍內模型的效能。較短的時間範圍可以檢視人類專家批准或拒絕的貸款-較長的時間範圍可以考慮人類專家批准但後來拖欠的哪些貸款以進一步完善模型。Jagannath說：“有了更多的資料，用於決策的模型將變得更加準確和可靠。”

原文連結：