FacebookTwitterLinkedIn

L’intelligenza artificiale a supporto dei processi: l’era della Robotic Process Automation Intelligente

La Robotic Process Automation (RPA) cambia faccia: da automazione tradizionale deterministica verso un’integrazione più o meno forte con capability di Intelligenza Artificiale

RPA Robotic Process Automation Concept
di Michele Zanelli*

L’abbiamo conosciuta, più di qualche anno fa, come set di tecnologie e applicazioni usate per replicare le stesse operazioni manuali svolte da un essere umano nell’interazione coi sistemi, a partire da un set di istruzioni precise che generino operazioni altrettanto precise. Ma la Robotic Process Automation (RPA), oggi, ci mostra la sua faccia “intelligente”.

Intelligent Automation, Process Orchestration, Process Intelligence, Cognitive Process Automation, sono solo alcuni dei nomi coi quali viene chiamata la “nuova RPA”, nella quale appare centrale l’associazione tra Robotica e intelligenza Artificiale. Appare ormai chiaro che l’intelligenza artificiale, che fin da subito ha visto la sua espressione in applicazioni orientate al cliente e al mercato, abbia fatto il suo ingresso anche nei processi interni all’organizzazione, per supportare le attività degli utenti.

Il framework interpretativo dell’Osservatorio Artificial Intelligence

Per inquadrare il fenomeno l’Osservatorio Artificial Intelligence del Politecnico di Milano ha condotto un approfondimento su 75 casi internazionali di applicazione di RPA – Robotic Process Automation, rilevandone processo target, industry di riferimento, obiettivi, partner tecnologici utilizzati e grado di “autonomia decisionale” posseduto dalla specifica soluzione. Questo ha permesso di definire un framework interpretativo strutturato su 3 livelli, in funzione del diverso grado di integrazione tra RPA e Intelligenza Artificiale:

  • Livello 1 – Programmed RPA: sono le applicazioni di RPA intesa come automazione tradizionale deterministica, basata su dati strutturati e tipicamente applicata ad operazioni ripetitive. Non vi è l’ombra di integrazione con capability di Intelligenza Artificiale.
  • Livello 2 – AI Assisted RPA: applicazioni in cui la Robotic Process Automation è combinata con capability di intelligenza artificiale per supportare alcuni task migliorandone l’efficacia (ad esempio, gestendo eccezioni non programmabili) oppure collegandoli a nuovi step di processo dotati nativamente di intelligenza artificiale.
  • Livello 3 – AI Driven RPA: ancora in fase embrionale, cominciano ad affacciarsi al mercato applicazioni che utilizzano l’AI in modo strategico. Si tratta di soluzioni nelle quali l’AI passa da un ruolo di supporto alle attività robotizzate, ad un ruolo di governo e gestione del processo. Si tratta di un vero e proprio cambiamento di paradigma: il focus si sposta dalla programmazione delle attività del bot, tipico della RPA tradizionale, alla definizione dei confini all’interno del quale il bot mantiene un’autonomia decisionale.

 

RPA Robotic Process Automation - Il Framework dell'Osservatorio AI del Politecnico
RPA Robotic Process Automation: il Framework dell’Osservatorio Artificial Intelligence del Politecnico

 

Un occhio al mercato delle soluzioni di RPA

L’attività di ricerca dell’Osservatorio ha interessato anche 36 soluzioni software di Robotic Process Automation presenti sul mercato nazionale e internazionale. Di queste, più del 65% integra alla tradizionale capacità di programmare i bot anche capability di intelligenza artificiale, come Machine Learning, Natural Language Processing, o altro. Appare dunque evidente che il mercato stia spingendo verso questa integrazione.

C’è da dire, tuttavia, che si tratta perlopiù di soluzioni che abilitano il 2° livello del framework, ovvero che utilizzano l’AI per rendere più efficace ed efficiente il processo supportato da RPA. Molto più raro, invece, trovare soluzioni focalizzate sul governo del processo in senso stretto.

 

I casi di applicazione della Robotic Process Automation

La mappatura su 75 casi internazionali mostra, dal punto di vista dei progetti di implementazione, che il settore più interessato da soluzioni di RPA è il Banking & Insurance (41%), seguito dal Retail (12%) e dalle Telco (9%). È lecito pensare che i motivi di questo primato risiedano nella maggiore disponibilità di dati e nell’organizzazione più strutturata che da sempre caratterizzano il mondo del finance, nel quale esistono tra l’altro diversi vincoli di compliance normativa. Inoltre, lo strumento dell’AI Journey, sviluppato dall’Osservatorio per mappare la maturità delle organizzazioni nel loro percorso verso l’adozione di soluzioni di AI, ci dice che sono proprio “Dati e patrimonio informativo” e “Organizzazione e competenze” due delle leve principali per rendere un’organizzazione AI ready.

Se leggiamo la stessa mappatura dei casi per processo target a cui viene applicata la RPA, rileviamo che sono gli stessi processi Finance (35%) quelli maggiormente interessati da progettualità di questo tipo, seguiti dai processi di Customer Service (32%) e dai processi di ICT (11%).

Alcuni esempi? Una Telco Texana utilizza un’applicazione di RPA assistita da AI per aiutare i tecnici di campo (field technicians) nell’attivazione degli apparecchi dei clienti, aggregando dati provenienti dagli ordini di servizio e dati provenienti dai service report degli interventi precedenti presso lo stesso cliente.

O ancora, una compagnia assicurativa in Sud Africa ha sviluppato un’applicazione che integra RPA con Machine Learning, Natural Lenguage Processing e Data Processing per accedere e interpretare le email ricevute e contestualmente categorizzarle, inserire i dati nei rispettivi sistemi informativi, e interagire con l’operatore al fine di eseguire determinate istruzioni di processo.

In conclusione

L’integrazione tra RPA e AI è realtà: i casi di adozione, tuttavia, presentano perlopiù un livello di integrazione intermedio, nel quale l’intelligenza artificiale viene utilizzata per dare supporto a specifiche attività di processo, più che per governare e ottimizzare i processi stessi. All’AI sembra riservato quindi un grado di autonomia decisionale piuttosto parziale.

Il trend su questo ambito è però evidente: da una programmazione deterministica delle attività che deve svolgere il bot, ci si sta gradualmente spostando verso la definizione del perimetro all’interno del quale il bot deve essere libero di prendere decisioni e compiere azioni, lasciando quindi il campo sempre più libero agli algoritmi di intelligenza artificiale.

Tutto questo ci porta alla sfida del prossimo periodo: quali sono le leve che possono utilizzare le organizzazioni per definire il grado di autonomia dell’AI e gestirne in modo efficace rischi e implicazioni, in modo da essere confidenti di lasciare in mano all’AI le chiavi dei nostri processi?

 

***

Michele Zanelli

 

 

*Michele Zanelli è ricercatore dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano

 

 

FacebookTwitterLinkedIn
FacebookTwitterLinkedIn

Questo sito utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all’uso dei cookie. Leggi la nostra Cookie Policy per esteso

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi