что такое гипер автоматизация

СОДЕРЖАНИЕ

Что такое гиперавтоматика?

Как работает гиперавтоматика?

гиперавтоматика добавляет больше интеллекта и применяет более широкий системный подход ко всем усилиям по автоматизации и RPA. Такой подход обеспечивает правильный баланс при замене ручных усилий процессами автоматизации. МСП, которые работают над ручными задачами, могут определить скучные задачи, которые можно автоматизировать.

У Gartner есть идея цифрового двойника организации (DTO). Так работают бизнес-процессы. Процесс создается и обновляется автоматически, объединяя интеллектуальный анализ процесса и интеллектуальный анализ задач. Интеллектуальный анализ процессов анализирует журналы из систем CRM и ERP, чтобы сформировать представление о потоке процессов. Анализ задач использует программное обеспечение машинного зрения для построения представления о процессах нескольких приложений.

Инструменты интеллектуального анализа процессов и задач генерируют DTO, позволяя организациям визуализировать, как взаимодействуют функции, процессы и ключевые показатели эффективности. DTO может помочь оценить, как новые проекты автоматизации повышают ценность, открывают новые возможности.

Искусственный интеллект и машинное обучение позволяют автоматизировать большее количество способов взаимодействия. Например, OCR позволяет автоматически обрабатывать текст или числа с бумаги или PDF. Обработка естественного языка с использованием интеллектуального анализа текста позволяет извлекать и систематизировать информацию из документов, например определять счет-фактуру компании, а также автоматически вводить данные в систему бухгалтерского учета.

Платформа гиперавтоматизации может стоять на вершине технологий. Шлюзом к гиперавтоматизации является RPA, и все эти поставщики предоставляют поддержку для интеллектуального анализа процессов, аналитики и механики интеграции ИИ.

Где используется гиперавтоматика

Преимущества гиперавтоматизации

Hyperautomation расширяет базовую автоматизацию и RPA вместе с AI и ML.

Гиперавтоматизация помогает организациям:

Проблемы гиперавтоматизации

Также важно видеть «предварительные» детали, чтобы обеспечить плавное внедрение. Вот некоторые общие проблемы:

Источник

5 основных тенденций развития искусственного интеллекта и машинного обучения на 2022 год

Вот несколько основных тенденций, к которым вашему бизнесу стоит начать готовиться.

Искусственный интеллект и машинное обучение становятся доминирующей частью технологической индустрии, помогая предприятиям достигать цели, принимать важные решения и создавать инновационные продукты и услуги.

Согласно прогнозам, в 2022 году компании будут реализовывать в среднем 35 проектов искусственного интеллекта в своих организациях.

Фактически, рынок AI и ML, вероятно, вырастет к 2022 году на 9 миллиардов долларов при среднегодовом темпе роста 44%.

В последние годы в технологиях искусственного интеллекта и машинного обучения произошло несколько прорывов. Давайте рассмотрим основные тенденции в области искусственного интеллекта и машинного обучения на 2022 год, которые дадут вам идеи о том, как контролировать свой рынок:

1. Повышенная роль ИИ, науки о данных и машинного обучения в гипер-автоматизации

Hyper Automation — это процесс использования передовых технологий для автоматизации задач. Ее также называют «Цифровая автоматизация процессов» и «Интеллектуальная автоматизация процессов».

В настоящее время компании работают с большим количеством данных, и их извлечение требует автоматизации. Науку о данных и анализ можно найти повсюду. Мы вступили в новую эру поколения науки о данных, потому что инструменты для анализа данных в наши дни стали более доступными.

Специалист по данным, архитектор предприятия, специалист по машинному обучению, архитектор приложений и инженер по данным — вот некоторые из профессий, которые пользуются большим спросом. Наука о данных используется в различных отраслях, таких как финансовые компании, производственные фирмы, страховые агентства, маркетинговые фирмы и другие.

Интеллектуальная автоматизация используется организациями для проведения исследований с целью увеличения своей прибыли.

В гипер-автоматизации обычно используются следующие передовые технологии:

Идея состоит в том, чтобы объединить правильные технологии для упрощения, проектирования, автоматизации и управления процессами в организации вместо использования инструментов, основанных на сценариях и предназначенных для узких случаев использования.

Вот способы применения гипер-автоматизации в вашей организации:

2. Использование искусственного интеллекта и машинного обучения для приложений кибербезопасности.

Технологии искусственного интеллекта и машинного обучения становятся важной частью информационной безопасности. С помощью AI и ML организации разрабатывают новые методологии, чтобы сделать кибербезопасность более автоматизированной и безрисковой. AI помогает организациям усилить свою стратегию миграции в облако и повысить производительность технологий больших данных.

Как AI и ML могут улучшить кибербезопасность:

Кибербезопасность включает в себя множество точек данных. Таким образом, AI можно использовать в кибербезопасности для кластеризации, классификации, обработки и фильтрации данных.

С другой стороны, ML может анализировать прошлые данные и предлагать оптимальные решения для настоящего и будущего. На основе прошлых данных система предоставит инструкции по различным шаблонам для обнаружения угроз и вредоносных программ. Таким образом, AI и ML нарушат суть любой стороны, пытающейся проникнуть в систему.

Вот как вы можете анализировать большие объемы данных с помощью AI и ML:

3. Пересечение AI и ML с loT

AI и ML все чаще используются, чтобы сделать устройства и услуги Интернета вещей более интеллектуальными и безопасными.

По данным Gartner, к 2022 году более 80% проектов Интернета вещей в организациях будут включать AI и ML.

Интернет вещей предполагает, что все устройства будут подключены к Интернету, чтобы иметь возможность реагировать на различные ситуации на основе собранных данных.

Важность искусственного интеллекта и машинного обучения в этом контексте заключается в способности быстро получить представление о данных. Они автоматически выявляют закономерности и обнаруживают аномалии в данных, генерируемых интеллектуальными датчиками и устройствами. Это может быть информация о температуре, давлении, влажности, качестве воздуха, звуке, распознавании речи и компьютерном зрении.

Вот основные сегменты, где вы можете увидеть пересечение AI и ML:

4. Бизнес-прогнозирование и анализ.

Бизнес-прогнозирование и анализ с помощью ИИ и машинного обучения оказались намного проще, чем любые предыдущие методы и технологии.

С помощью AI и ML вы можете рассматривать тысячи матриц, чтобы делать более точные прогнозы.

Например, финтех-компании используют ИИ для прогнозирования спроса на различные валюты в зависимости от рыночных условий и поведения потребителей в режиме реального времени. Это помогает финтех-компаниям иметь необходимый объем предложений для удовлетворения спроса.

5. Расцвет дополненного интеллекта

Дополненный интеллект — это объединение машин и людей для повышения когнитивной производительности.

По данным Gartner, к 2023 году 40% инфраструктурных и операционных групп будут использовать автоматизацию с дополнением AI для повышения производительности ИТ. Фактически, к 2022 году вклад цифровых работников вырастет на 50%.

Дополненный интеллект помогает платформам собирать все типы данных, включая структурированные и неструктурированные, из различных источников и представлять их для получения полного 360-градусного представления о клиентах.

Хорошими примерами секторов, где использование дополненного интеллекта растет, являются финансовые услуги, здравоохранение, розничная торговля и путешествия.

Заключительные размышления

Выше перечислены пять основных тенденций, которые будут проявляться в наступающем году. Другие функции, которые могут быть включены, — это машинное обучение в области голосовой поддержки и регулирования цифровых данных.

Трейдеры и компании могут прогнозировать стрессы и быстро принимать решения с помощью передовых решений AI и ML. Управление сложными задачами и поддержание корректности имеет решающее значение для успеха бизнеса, и AI и L безупречны в этом. Динамичные масштабы постоянно растущих отраслей промышленности еще больше повышают значимость тенденций в области искусственного интеллекта и машинного обучения.

Источник

Гиперавтоматизация труда — один из основных трендов 2020-го года

Пандемия COVID-19 показала, что уровень автоматизации бизнес-процессов, быстрота и эффективность реакции на изменяющиеся условия могут стать не просто важным конкурентным преимуществом, но иногда просто необходимым условием для выживания бизнеса в стремительно развивающейся кризисной ситуации.

Таким образом, одним из основных уроков пандемии для крупных компаний, в том числе и для участников банковского рынка, с нашей точки зрения, будет необходимость сфокусировать усилия на значительном повышении уровня автоматизации своих ключевых процессов.

Следует отметить, что актуальность повышения уровня автоматизации и снижения влияния человеческого фактора при формировании реакции на внешние изменения отмечалась и до глобального кризиса.

Гиперавтоматизация (Hyperautomation) — тренд № 1 стратегических технологический тенденций в 2020 году, по мнению Gartner.

Gartner определяет гиперавтоматизацию как эффективную комбинацию взаимодополняющих наборов инструментов, которые позволяют на качественно новом уровне автоматизировать и дополнять человеческие возможности.

Гиперавтоматизация предполагает применение передовых технологий, таких как искусственный интеллект (AI), машинное обучение (ML), RPA, BPM и интеллектуальный анализ данных, в том числе Process Mining.

Краеугольным камнем повышения уровня автоматизации является применение технологии RPA, которая помимо сокращения объема рутинных ручных операций помогает решить задачи интеграции корпоративных информационных систем, в том числе и тех, которые не обладают собственными средствами интеграции (например, API ).

Передовые технологии интеллектуального анализа данных позволяют автоматизировать подготовку и принятие решений, что существенно повышает возможности рядовых сотрудников и ускоряет время реакции на изменения.

Одним из результатов гиперавтоматизации становится появление Цифрового двойника организации (DTO), который дает возможность моделировать развитие компании за счет анализа потенциального влияния изменений в операционных процессах на компании.

Таким образом, гиперавтоматизация позволяет компании максимально быстро и эффективно реагировать на постоянно изменяющиеся внешние условия, снижая влияние человеческого фактора.

ГК «РАМАКС» уже достаточно давно занимается технологиями, составляющими основу гиперавтоматизации: ML, Process Mining, RPA. Вместе с нашим партнером — мировым лидер ом в области RPA — компанией UI Path мы обсуждаем подготовку комплексного предложения по гиперавтоматизации, включающего в себя весь спектр технологий, а также консалтинговых услуг по разработке стратегии гиперавтоматизации и применению технологий в конкретных условиях заказчика.

Источник

Фраза дня: hyperautomation

Передовые технологии, используемые в гиперавтоматике, включают следующее:

Термин гиперавтоматизация был придуман в 2019 году исследовательской и консалтинговой компанией Gartner в области ИТ. Эта концепция отражает понимание того, что технология роботизированной автоматизации процессов (RPA), относительно новый и очень популярный подход к автоматизации компьютерных процессов, сложно масштабировать на уровне предприятия и ограничена в типах автоматизации, которых она может достичь. Гиперавтоматизация обеспечивает основу для стратегического развертывания различных технологий автоматизации (включая RPA) по отдельности или в тандеме и дополняется искусственным интеллектом и машинным обучением.

Гиперавтоматизация подразумевает изученный подход к автоматизации. Практика гиперавтоматизации включает определение того, какую работу следует автоматизировать, выбор подходящих инструментов автоматизации, повышение гибкости за счет повторного использования автоматизированных процессов и расширение их возможностей с помощью различных разновидностей искусственного интеллекта и машинного обучения. Инициативы по гиперавтоматизации часто координируются через центр передового опыта (CoE), который помогает управлять усилиями по автоматизации.

Целью гиперавтоматизации является не только экономия затрат, повышение производительности и повышение эффективности за счет автоматизации, но и извлечение выгоды из данных, собранных и созданных с помощью оцифрованных процессов. Организации могут использовать эти данные, чтобы принимать более обоснованные и своевременные бизнес-решения.

Почему так важна гиперавтоматизация?
Hyperautomation предоставляет организациям основу для расширения, интеграции и оптимизации автоматизации предприятия. Он основан на успехе инструментов RPA и устраняет их ограничения.

Быстрый рост RPA по сравнению с другими технологиями автоматизации объясняется простотой использования и интуитивно понятным характером. Например, поскольку RPA отражает то, как люди взаимодействуют с приложениями, сотрудники могут автоматизировать часть или всю свою работу, записывая, как они выполняют задачу. А поскольку боты отражают действия человека, автоматизированные рабочие задачи могут быть измерены на предмет скорости, точности или других показателей, используемых компаниями для оценки производительности сотрудников при выполнении тех же задач.

Однако первые попытки RPA имели серьезный недостаток для корпоративного использования: технологию нелегко масштабировать. Согласно оценке Gartner за 2019 год, только около 13% предприятий смогли масштабировать инициативы RPA на раннем этапе. Гиперавтоматизация заставляет предприятия задумываться о типах и зрелости технологий и процессов, необходимых для масштабирования инициатив по автоматизации.

С точки зрения Gartner гиперавтоматизация, акцент делается на том, как предприятия могут построить процесс для автоматизации автоматизации. Это отделяет гиперавтоматизацию от других сред автоматизации, которые просто сосредоточены на улучшении инструментов автоматизации, или от таких концепций автоматизации, как цифровая автоматизация процессов (DPA), интеллектуальная автоматизация процессов (IPA) и когнитивная автоматизация, которые сосредоточены на самой автоматизации.

Hyperautomation делает шаг назад, чтобы подумать, как ускорить процесс выявления возможностей автоматизации и затем автоматически генерировать соответствующие артефакты автоматизации, включая ботов, скрипты или рабочие процессы, которые могут использовать DPA, IPA или компоненты когнитивной автоматизации.

Как работает гиперавтоматика?
Вместо того чтобы ссылаться на одну-единственную готовую технологию или инструмент, гиперавтоматизация сосредотачивается на добавлении большего количества интеллекта и применении более широкого системного подхода к масштабированию усилий по автоматизации. Этот подход подчеркивает важность достижения правильного баланса между заменой ручных усилий автоматизацией и оптимизацией сложных процессов для исключения шагов.

Ключевой вопрос заключается в том, чтобы определить, кто должен нести ответственность за автоматизацию и как это следует делать. Передовые сотрудники могут лучше определять скучные задачи, которые можно автоматизировать. Эксперты по бизнес-процессам могут лучше определять возможности автоматизации, которыми пользуются многие люди.

Gartner представила идею цифрового двойника организации (DTO). Это виртуальное представление того, как работают бизнес-процессы. Представление процесса создается и обновляется автоматически с использованием комбинации интеллектуального анализа процесса и интеллектуального анализа задач. Интеллектуальный анализ процессов анализирует журналы корпоративного программного обеспечения из программного обеспечения для управления бизнесом, такого как системы CRM и ERP, для построения представления потоков процессов. Интеллектуальный анализ задач использует программное обеспечение машинного зрения, работающее на рабочем столе каждого пользователя, для построения представления о процессах, охватывающих несколько приложений.

Инструменты интеллектуального анализа процессов и задач могут автоматически генерировать DTO, что позволяет организациям визуализировать, как функции, процессы и ключевые показатели эффективности взаимодействуют для создания ценности. DTO может помочь организациям оценить, как новые средства автоматизации создают ценность, открывают новые возможности или создают новые узкие места, которые необходимо устранить.

Компоненты искусственного интеллекта и машинного обучения позволяют автоматизировать взаимодействие с миром различными способами. Например, OCR позволяет автоматизировать обработку текста или чисел из бумажных или PDF-документов. Обработка естественного языка может извлекать и систематизировать информацию из документов, например определять, от какой компании выставлен счет, для чего он предназначен, и автоматически вводить эти данные в систему бухгалтерского учета.

Платформа гиперавтоматизации может располагаться непосредственно на вершине уже имеющихся у компаний технологий. Одним из путей к гиперавтоматизации является RPA, и все ведущие поставщики RPA добавляют поддержку интеллектуального анализа процессов, аналитики цифровых рабочих и интеграции ИИ.

Кроме того, другие типы платформ автоматизации с низким кодом, включая пакеты управления бизнес-процессами (BPMS / интеллектуальные BPMS), платформу интеграции как услугу (iPaaS) и инструменты разработки с низким кодом, также добавляют поддержку дополнительных компонентов технологии гиперавтоматизации.

Гиперавтоматизация и автоматизация
Традиционные подходы к автоматизации предприятия сосредоточены на том, чтобы наилучшим образом реализовать автоматизацию в конкретном контексте. Эти средства автоматизации были очень специфичны для конкретного программного обеспечения. Например, автоматизация рабочих нагрузок использует сценарии для автоматизации многих повторяющихся процессов. Инструменты BPM могут автоматизировать задачи в контексте определенного рабочего процесса.

AI расширяет традиционную автоматизацию, чтобы взять на себя больше задач, таких как использование OCR для чтения документов, обработка естественного языка для их понимания или генерация естественного языка для предоставления резюме людям. Гиперавтоматизация упрощает внедрение возможностей искусственного интеллекта и машинного обучения в автоматизацию с помощью готовых модулей, поставляемых через магазин приложений или корпоративный репозиторий.

Инструменты разработки с низким кодом сокращают опыт, необходимый для автоматизации. Гиперавтоматика может еще больше упростить разработку автоматизации, используя интеллектуальный анализ процессов для выявления и автоматического создания новых прототипов автоматизации. Сегодня эти автоматически сгенерированные шаблоны нуждаются в дальнейшей доработке людьми для повышения качества. Однако улучшения в гиперавтоматике уменьшат это ручное усилие.

Каковы преимущества гиперавтоматизации?
К основным преимуществам гиперавтоматики можно отнести следующее:

Поскольку предприятия осваивают гиперавтоматику, есть много способов использовать эту дисциплину для улучшения бизнес-операций.

В области социальных сетей и удержания клиентов компания может использовать RPA и машинное обучение для создания отчетов и получения данных с социальных платформ для определения настроений клиентов. Он мог бы разработать процесс, позволяющий сделать эту информацию доступной для маркетинговой команды, которая затем могла бы создавать целевые кампании для клиентов в реальном времени.

Если предприятие выпускает продукт быстро, а показатели автоматизации цифровых процессов показывают высокий спрос на него со стороны клиентов, продукт можно быстро масштабировать, чтобы помочь компании увеличить свои доходы. И наоборот, если расширенный анализ показывает, что продукт не пользуется спросом у покупателей, компания может минимизировать потери, быстро отказавшись от него.

В первом варианте использования финансовая группа может иметь целью более быструю обработку счетов с меньшими человеческими издержками и меньшим количеством ошибок. Проект можно начать с использования программного обеспечения для интеллектуального анализа задач, чтобы следить за тем, как бухгалтеры получают счета, какие данные они собирают и какие поля вставляют в другие приложения. Это может служить шаблоном для создания базового бота.

Затем этот шаблон может быть передан команде CoE, которой будет поручено создать окончательного бота. Это может включать интеграцию механизма OCR для улучшения возможности чтения счетов и механизма NLP для интерпретации получателя платежа или условий в счете. Команда CoE также будет сначала наблюдать за мониторингом качества, а затем оценивать, сколько стоит создание бота и сколько он сэкономил. Эти данные могут помочь определить приоритеты других возможностей автоматизации.

Поставщики систем гиперавтоматики
В настоящее время нет поставщиков, предлагающих комплексную технологию гиперавтоматизации. Однако различные поставщики средств автоматизации расширяют свой портфель инструментов, чтобы поддерживать более широкий спектр возможностей гиперавтоматизации.

Поставщики, расширяющие свой репертуар автоматизации:

Источник

Почему программные роботы стали вдруг так популярны?

Автоматизация рутинных процессов за счет внедрения программных роботов стремительно набирает популярность. Пока рынок программных роботов относительно невелик, но растет быстрее любых других сегментов рынка программного обеспечения.

Robotic Process Automation — это способ автоматизации бизнес-процессов, основанный на использовании программных роботов и, в некоторых случаях, средств искусственного интеллекта. Программный робот воспроизводит действия человека, имитируя программным способом нажатия на те же клавиши, на которые в процессе работы нажимал бы человек. Для этого робот должен быть «обучен» реагировать на все ситуации, которые могут возникнуть в ходе выполнения работы.

Хотя широкое внедрение технологии роботизированной автоматизации бизнес-процессов (Robotic Process Automation, RPA) идет уже на протяжении не менее десятка лет, а упоминания о первых примерах применения связывают аж с 1959 г., реально об этой инновации стали широко говорить всего пару лет назад.

Отношение к RPA резко изменилось в 2017—2018 г. На государственном уровне этому способствовал курс на цифровизацию, взятый правительствами многих стран. В коммерческих структурах осознали перспективы относительно быстрой и недорогой автоматизации рутинных операций. Ну а компании-разработчики увидели в RPA быструю возможность получить новое поле деятельности.

Распределение рынка RPA-систем ($млн)

Из-за округления суммы чисел могут не совпадать точно с итоговыми

Источник: Gartner, 2019

Лидируют на этом рынке страны Северной Америки (51%), но их доля на 2 п.п. меньше, чем годом ранее. На втором месте — западная Европа (23%). Самый быстрый рост — у третьего по величине японского RPA-рынка (124%). На первую пятерку вендоров RPA-систем приходится почти половина выручки.

Лидеры рынка RPA по версии Gartner

Источник: Gartner, 2019

Есть своя версия расстановки сил на рынке и у Forrester Research. Разница между версиями двух компаний не очень велика. Самое важное, возможно, отличие — у Forrester фигурирует компания SAP, вышедшая на RPA-рынок после покупки Contextor SAS в конце 2018 г. Это первый софтверный гигант, заинтересовавшийся рынком программной роботизации и, если его примеру последуют другие компании такого же уровня, то расклад в сегменте RPA-систем может радикально измениться уже в ближайшие годы.

Лидеры рынка RPA по версии Forrester Research

Источник: Forrester Research, 2019

Растет популярность RPA-систем и в России. «На сегодня наиболее перспективными для применения программных RPA-роботов являются области с процессами, где вручную происходит сбор статистики, формирование отчетов и заполнение форм данными. Сюда же можно включить и миграцию данных между системами; в случае с RPA это простая возможность миграции без необходимости доработки информационных систем», — отметил в интервью CNews Павел Борченко, генеральный директор компании Robin, одноименная система которой первой в своем классе вошла в Единый реестр российских программ для электронных вычислительных машин и баз данных.

Экспериментировать с RPA начали крупные заказчики. «Мы обнаружили, что технология RPA достигла нужного нам уровня зрелости. Мы стали тестировать, изучили 12 платформ, смотрим — действительно стало возможным заменять повторяемые операции, которые делает человек, инфороботами, — заявил в интервью CNews Сергей Емельченков, заместитель гендиректора по ИТ и развитию цифровых сервисов «Почты России». — Мы начинаем активно инвестировать в эту историю. Я лично возглавляю группу, которая занимается запуском инфороботов. В ближайшее время мы закроем результаты конкурса по выбору соответствующей платформы и начнем массовое внедрение».

Размер российского рынка RPA невелик, однако он, как и мировой быстро растет. В нашей стране представлены, напрямую или через партнеров, почти все его лидер ы, кроме того, есть и отечественные разработки. Наиболее известны, кроме упоминавшейся уже Robin, «исходно российская» компания electroNeek (в России представлена «дочкой» — «Центром роботизации и искусственного интеллекта»), PIX Robotics, Rondem, ALP Group. Количество игроков рынка все время растет, поскольку порог входа на него относительно низок. Группа компаний Softline разработала RPA-систему «для себя», «Мегафон» создал «Цифрового помощника юриста» и предлагает его другим компаниям. Также в этой области работает компания HyperUp, предлагающая сервисную шину, которая вкупе с роботами облегчает интеграцию в тех случаях, когда работа через API затруднительна (например — при работе с унаследованными системами).

Какие функции автоматизируются средствами RPA чаще всего?

Изначально RPA-системы позиционировались как средства выполнения простых и однообразных рутинных операций, например — занесения данных в учетные и иные системы. Даже такое простое применение дало бизнесу большие возможности в плане оптимизации бизнес-процессов и ИТ-систем.

Например, появилась возможность относительно простой интеграции современных решений с унаследованными (API которых утеряны и, соответственно, программная интеграция затруднительна); внос данных одновременно в новую систему, находящуюся в стадии опытно-промышленной эксплуатации (а потому могущую преподнести сюрпризы) и в старую с целью обеспечения бесперебойности работы, если с новой что-нибудь пойдет не так, и т. д.

Сопряжение RPA- и OCR-систем дало возможность усложнить задачи, решаемые программными роботами, они стали способны, например, классифицировать электронную корреспонденцию, приходящую на общекорпоративные почтовые адреса, и рассылать ее по надлежащим респондентам, сортировать входящие бумажные документы, проверять правильность заполнения стандартных форм.

По данным исследования Gartner, сейчас RPA-системы чаще всего работают в ИТ-отделах (которые первыми начали экспериментировать с их внедрением), в финансовых и производственных структурах, в службах поддержки. Как полагают аналитики, наибольший интерес к внедрению RPA-проектов будут проявлять в ближайшем будущем службы продаж и клиентской поддержки фронт-офиса компаний. Ожидается, что количество RPA-решений в этом сегменте возрастет к 2023 г. на 30%.

Доля внедрений средств RPA-автоматизации в различных подразделениях компаний

Источник: Gartner, 2019

Пока RPA-системы внедряются чаще в крупных компаниях (на конец 2018 г. более 60% всех крупных предприятий в мире с численностью персонала более 10 тыс. человек уже внедрили у себя такие системы), однако постепенно программные роботы перестанут быть экзотикой и «спустятся» в малый и средний бизнес.

Курс на гиперавтоматизацию

В текущем году рынок RPA продолжит расти количественно и качественно. Главным направлением качественного развития, как считают в Gartner, связано с гиперавтоматизацией, одним из 10 стратегических ИТ-трендов 2020 г. по версии аналитиков компании.

Гиперавтоматизация, по определению Gartner, — это совокупность средств машинного обучения, «обычного» программного обеспечения и средств автоматизации выполнения работы, которые призваны облегчить людям выполнение их задач. Она появилась вместе со средствами RPA, однако только их недостаточно, необходимы и другие инструменты — средства машинного обучения, интеллектуальные пакеты управления бизнес-процессами (Intelligent Business Process Management Suites, iBPMS), облачные сервисные платформы для интеграции решений автоматизации (Integration Platform as a Service, iPaaS), интеллектуальные системы принятия решений.

RPA-системы, снабженные элементами искусственного интеллекта, смогут работать не только исполнителями, но и выполнять контрольные и даже простейшие управленческие функции. Так что смогут заменить не только сотрудников низового звена, но и часть менеджеров. Согласно оценкам Gartner, доля RPA-решений, входящих в системы гиперавтоматизации, составит уже к 2024 г. около 30% от их общего числа.

Источник