Содержание |
Как умнеют программные роботы
Усложнение ботов и их интеллектуализация — это очевидный путь развития. Вендоры и поставщики технологий RPA уже вступили на этот путь. «Классическая RPA-автоматизация развивается в сторону интеллектуальной автоматизации,- говорит Антон Сергеев, RPA Development manager компании TietoEVRY Russia.- Изначально, когда индустрия RPA только зарождалась, было достаточно автоматизировать действия с приложениями, следуя простой предопределенной логике. А на сегодняшний день большинство простых сценариев тривиального взаимодействия с приложениями уже внедрено. Остались сложные взаимодействия не только с приложениями, но и с людьми и соответствующими артефактами, такими как документы, подписи и печати».
Что умеют умные роботы
Виктория Бабанкина, руководитель департамента RPA компании NFP, согласна с коллегой: «Компании, шедшие в ногу с RPA, уже роботизировали «классические» процессы, где робот задействован как «кликер». И сейчас они смотрят на другие процессы, которые можно было бы роботизировать с помощью расширенного функционала, в том числе, с помощью ИИ. Спрос рождает предложение - уже сейчас есть запросы и задачи, решение которых подталкивает нас, как интегратора, использовать более сложные технологии». Она приводит в качестве примера роботизированный процесс проверки подлинности подписи в документах на основании эталонной: робот передает образец в предварительно обученную нейронную сеть, и она выдает результат в виде процента подлинности подписи.
Кристиан Уэллс, руководитель клиентского офиса Blue Prism в России, добавляет:
Это направление продолжает развиваться благодаря новым достижениям в сфере искусственного интеллекта и машинного обучения. Синергия между дисциплинами ведет к появлению умных и осведомленных цифровых сотрудников. |
Например, таких, о которых рассказывает Павел Борченко, генеральный директор ROBI:
Роботы с компонентами ИИ активно используются для проверки документов: робот соберет нужную информацию, с помощью компонент для анализа и классификации текста сформирует замечания и предоставит их пользователю в удобном формате. Раньше такая задача решалось трудной и длительной интеграцией систем, а сегодня все чаще компании решают эту задачу с помощью RPA - это быстрее и дешевле. |
Как отмечает Павел Борченко, в сценарии робота все чаще используются различные когнитивные компоненты, в частности, работа с голосом для целей коммуникаций.
Синтез и распознавание речи шагнули далеко вперед, что позволяет роботу реалистично разговаривать с человеком,- поясняет он.- Голосовые команды – один из важных элементов, из которых складывается алгоритм общения с программным роботом, применение голосового компонента – важный шаг к формированию полноценного цифрового сотрудника. |
Дмитрий Смыкалов, руководитель департамента RPA компании GMCS, напоминает, что термин Smart RPA появился в практическом руководстве глобальной консалтинговой компании Everest Group еще несколько лет назад:
Однако в полной мере это понятие раскрывается только сейчас, с появлением элементов искусственного интеллекта в составе RPA-решений. |
Именно ИИ в 2022 году станет одним из главных драйверов роста рынка роботизированной автоматизации, полагает он, поскольку сценариев синергии RPA и ИИ множество: можно использовать разговорный ИИ и RPA для автоматического реагирования на запросы клиентов, для интеллектуальной работы с документами (IDP) и т.д.
Очертания нового рынка IPA
По мнению Дмитрия Смыкалова, на рынке будут представлены два типа роботов: обычные программные роботы, к которым мы уже привыкли, и роботы, имитирующие элементы человеческого поведения. Вторые получили новое название - интеллектуальная автоматизация процессов (Intelligence Process Automation, IPA).
IPA — это результат эволюции RPA, когда к обычным неинтеллектуальным ботам добавляются интеллектуальные возможности машинного обучения и искусственного интеллекта. Это позволяет сделать робота умным и устранить несколько недостатков технологии RPA. Так, роботы используют элементы машинного обучения и искусственного интеллекта, что позволяет снизить требования к структурированию и единообразию данных, а также дает возможность начать работать с неструктурированными данными.
Это уже не звучит как фантастика, ведь мы уже привыкли общаться с чат-ботами и голосовыми помощниками. Так что интеллектуальные роботы - это всего лишь дальнейший шаг в автоматизации,- говорит Дмитрий Смыкалов. |
При этом можно ожидать появления новой волны поставщиков RPA-решений, специализирующихся именно на ИИ, считает он.
Правда, Александр Черников, руководитель проектов RPA «Первый Бит. Офис Спортивная», сомневается, что интеллектуальная составляющая RPA уже готова стать бизнес-элементом нового сегмента рынка RPA:
Робот – это программа, которая отлично умеет взаимодействовать с другими программами. То есть для решения задач по распознаванию текстов ему логичнее использовать специализированное OCR-решение, а для того, чтобы «стать умнее» – обращаться к внешней нейросети, которая обладает заведомо более широким спектром возможностей, чем его собственный встроенный ML. |
А вот встроенные дополнительные возможности RPA-платформ такого рода пока еще находятся в начале своего развития, считает эксперт, и в этой связи представляются недостаточными для решения большинства стоящих перед бизнес-пользователями задач.
А чтобы масштабировать и развить встроенные механизмы машинного обучения до уровня полноценной нейросети, разработчикам RPA-платформы придется переквалифицироваться в разработчиков ML-платформы. Тут придется решать, где заканчивается RPA-проект и начинается ML,- размышляет Александр Черников и добавляет: Впрочем, можно предположить, что встроенные компоненты помогут создать быстрый несложный прототип и понять, стоит ли игра свеч. Тем не менее, в целом, Machine Learning представляет интерес как самостоятельная технология и может быть полезна в ряде проектов по RPA, уточняет Александр Черников: Это, прежде всего, проекты, где требуется классификация, анализ информации, прогнозирование. Но говорить о том, что синергия ML именно с RPA является наиболее перспективным направлением развития корпоративной автоматизации, на мой взгляд, преждевременно из-за дороговизны реализации. |
Данный тезис в определенной мере подтверждают недавние исследования рынка. Так, по оценкам аналитической компании Statista, в 2021 г. на интеллектуальную автоматизацию процессов (IPA) будет потрачено 10,9 млрд. долл. При этом на классическую роботизацию бизнесов-процессов и внедрение искусственного интеллекта будет потрачено меньше: 5,4 и 4,0 млрд долл. соответственно. Аналитики Statista ожидают, что совместные бизнес-операции RPA+AI получат существенное развитие к 2023 г.Витрина данных НОТА ВИЗОР для налогового мониторинга
Вендоры RPA готовятся к этим переменам. Директор по исследованиям компании Gartner Стефани Стоут-Хансен отмечает, что дорожные карты вендоров RPA по развитию их продуктов отражают стремление использовать более сложные технологии: компьютерное зрение, встроенную автоматизацию и т.д. Например, у компании UiPath есть модуль UiPath AI Center, который организует и внедряет ИИ в бизнес-процессы.
Этот Центр искусственного интеллекта не только упрощает развертывание моделей, но и обеспечивает необходимое управление, непрерывно улучшая модели машинного обучения,- поясняет Дмитрий Смыкалов.- Пользователи могут самостоятельно «перетащить» модели машинного обучения в рабочий процесс и приступить к созданию надежной когнитивной автоматизации. При этом разработчик самого AI-процесса при этом не обязательно должен быть специалистом по данным. |
PIX Robotics в этом году также выпустил усовершенствованную версию инновационной платформы PIX RPA с модулем ML. Расширенный функционал позволяет роботам использовать инструменты аналитики и прочие технологии для самостоятельного поиска, обработки и запоминания информации.
Аналитики Gartner говорят о перспективах комбинирования RPA и ИИ:
К 2022 году 80% организаций, развернувших RPA, внедрят ИИ. |
Коллеги из «Делойт» приводят из причин такого развития событий: «Интеллектуальная автоматизация сокращает расходы на бизнес-процессы».
Сергей Ложкин, CEO PIX Robotics, подмечает более общий тренд:
Так называемые «умные» роботы, у которых появляются «мозги», начинают выполнять более сложные процессы. Это не только тренд в роботизации процессов. По сути, сейчас все становится «умным». |
Этот мощный тренд, по мнению эксперта, дает возможность использовать появляющийся «интеллект» информационных систем различными способами:
Там, где есть набор данных для обучения нейросетей, или там, где надо принимать какие-либо решения. Программные роботы здесь помогают не только генерировать и получать данные для обучения нейронной сети, но и потом могут управляться этой нейронной сетью. |
Более того, в какую сторону не посмотри, везде нейронные сети будут активно внедряться, уверен эксперт:
Это касается и распознавания текстов, и «умных» баз данных, и выставления меток по признакам в ERP-системах, и сегментации различных источников, и общения с пользователями при помощи голосовых ботов. Наращивание когнитивного функционала будет продолжаться. |
По мнению Сергея Ложкина, сегодня главный вызов – это создание этих кейсов и обучение нейронных сетей.
Движение в сторону IPA
В целом, аналитики «Делойт» выделяют три стадии развития интеллектуальных способностей RPA, соответствующие уровню реализованных интеллектуальных возможностей:
- Базовые RPA: способны обеспечить автоматизацию множества процессов, но с относительно низкой результативностью для бизнеса.
- RPA с элементами ИИ, которые могут включать, например, элементы машинного обучения. Их сегодня нередко называют IPA, хотя, по большому счету, полноценными продуктами интеллектуальной автоматизации они еще не являются. На этом уровне реализуется интеллектуальная обработка документов.
Поскольку, по экспертным оценкам, более 80% данных организаций находятся в документах и формах, оцифровка и обработка всей совокупности этой информации является ключом к любой трансформации. Также на этом уровне появляются также решения интеллектуального анализа процессов Process Mining и аналитические возможности, позволяющие реализовывать нетривиальные RPA.
Все ведущие поставщики RPA теперь имеют базовую платформу – «операционную систему» для ботов, которая обеспечивает механизм создания ботов и управления ими. К ботам можно подключить дополнительные компоненты, предоставляемые как самими вендорами, так и их партнерами.
- Полноценные механизмы IPA: для них характерны возможности сквозной автоматизации процессов и трансформация набора автономных RPA в новую сущность – «цифровая рабочая сила». На этом реализуется интеллектуальная автоматизация сложных задач, подразумевающая когнитивную автоматизацию.
Методы когнитивной автоматизации предполагают, что для принятия решений используются информационные системы, способные работать с неструктурированными данными и неявными знаниями.
Схематично эволюцию автоматизации процессов роботизации можно рассматривать как серию шагов к все более высоким уровням автоматизации и искусственного интеллекта:
- RPA. Программные роботы, которые автоматизируют повторяющиеся, основанные на правилах процессы, с использованием структурированных данных
- Когнитивная автоматизация. Автоматизация более сложных процессов с использованием неструктурированных данных с возможностей машинного обучения
- Цифровые помощники. Роботы, оснащенные речевыми и текстовыми пользовательскими интерфейсами, использующими возможности обработки естественного языка
- Автономные агенты. Комплексные программные системы, способные использовать алгоритмы глубокого обучения с целью самостоятельного принятия решений и инициирования процессов, что позволяет автоматизировать критически важные бизнес-функции
Очевидно, что количество и ценность получаемых с помощью RPA/IPA возможностей для бизнеса растут по мере того, как мы переходим от базовых RPA к RPA с элементами ИИ, а затем к цифровым помощникам.
Например, исследование проектов внедрения Smart RPA, которое аналитики Everest Group осуществили в 2018 г., показало, что инвестиции Smart RPA приносят выгоду предприятиям. Их тех предприятий, которые ранее развернули RPA, около 20% внедрили ИИ в сочетании с имеющимися RPA. В среднем предприятия добились улучшения на 30-40% операционных показателей, включая точность процесса, время цикла, производительность труда персонала и соответствие SLA по направлению RPA/AI. В отчете указывается также, что в среднем компании достигли рентабельности инвестиций в RPA/AI в течение первых 12 месяцев после внедрения умных роботов. Средний уровень экономии затрат составил при этом 30%, и более половины предприятий отметили сильное или очень сильное влияние на улучшение качества обслуживания своих клиентов.
Следует отметить, что параллельно с «интеллектом» ботов резко возрастают накладные расходы по внедрению Smart RPA. Этот вопрос требует детальной проработки в каждой компании, которая решает заниматься развитием интеллектуальной составляющей своих бизнес-процессов. Специалисты призывают помнить, что технологический прогресс неумолимо делает дешевле оборудование и дороже труд людей, а RPA и тем более IPA относятся не к программно-аппаратным комплексам, а человеческой деятельности. Роботизация экономит труд рядовых сотрудников: бухгалтеров, юристов, операторов и т.д., но стоимость ИТ-сотрудников при этом только растет пропорционально сложности реализуемых ИТ-проектов.
Кроме того, стоит отдавать себе отчет в том, что технологии ИИ сегодня проходят наряду с RPA пик хайпа, говорит Ринат Гимранов, начальник управления информационных технологий «Сургутнефтегаза», и уже двигаются вниз по склону разочарований (в модели Gartner):
Уже понятно, что есть области, в которых ожидания от использования ИИ явно переоценены, а есть области, где он, наоборот, показал себя успешно, и можно переходить к тиражированию. |
К примеру, если точность модели задачи выравнивания по дебиторской/кредиторской задолженности дает – на уровне 60%, это значит, что до 40% операций обрабатывается вручную, но остается риск ошибки робота.
Это типичный пример завышенных ожиданий от умных роботов. Думается, что если речь идет о бухгалтерском и налоговом учете, лучше перестраховаться и поручить эту работу человеку,- говорит Гимранов. |
Интеллектуальный инфоробот будет работоспособен, полагает эксперт, только в том случае, когда имеется хорошо размеченная, подготовленная модель данных для обучения этого робота.
А если такой модели нет, или условия изменились, или изменился бизнес-контекст, модель надо заново переобучать, порождать поток обучающих данных,- рассказывает Ринат Гимранов.- А это отдельная серьезная деятельность, которой нужно заниматься, и которая к тому же снижает окупаемость. |
Исходя из соображений экономической целесообразности, говорит он, зачастую проще сделать алгоритмического робота на те области, которые четко описаны, а на участках с нечетким контекстом оставить людей.
Иными словами, проблема описаний сценариев, свойственная базовым программным роботам, перемещается на уровень интеллектуальной роботизации, принимая вид проблемы моделей. Эти соображения определяют специфику дальнейшей эволюции корпоративной автоматизации на уровне бизнес-процессов.
На пути к гиперавтоматизации
Эксперты компании Gartner считают, что технологии RPA будут двигаться от автоматизации отдельных задач в сторону большего их, автоматизации все более сложных задач, постепенно подбираясь к автоматизации на уровне комплексных сквозных процессов - состоянию, которое получило название гиперавтоматизации.
Потоковая обработка типовых документов, например, первичных бухгалтерских платежек, квитанций и т.п. - это отличная площадка для максимальной автоматизации, так называемой DPA (Digital Process Automation),- говорит Константин Истомин, исполнительный директор компании Directum.- Гиперавтоматизация признается мировыми аналитическими агентствами одним из главных ИТ-трендов на 2022 год. |
Цифровая трансформация и цифровые сотрудники
Эксперты рынка отмечают, что одним из существенных барьеров, препятствующих развитию RPA-систем в России, является отсутствие корпоративной стратегии цифровой трансформации бизнеса. Перейти из состояния точечного тестирования RPA-решений в фазу планомерного масштабирования автоматизации, очевидно, поможет системный подход к цифровой трансформации, ведь автоматизация умных процессов позволяет составлять цепочки из программных модулей, которые запускаются в работу в конкретных точках бизнес-процессов. При этом технологии RPA позволяет «склеивать» внутренние и внешние приложения, а микросервисная архитектура позволяет уйти от монолитных приложений в ИТ-архитектуре, замечает Андрей Коптелов, вице-президент ABPMP Russia.
Очевидно, что по мере продвижения от базовых RPA к IPA стираются грани между RPA, управлением бизнес-процессами (BPM) и гиперавтоматизацией. Эти понятия, по сути, представляют собой три главных аспекта цифровой трансформации. Причем, как рассказывает в компании Comindware, на этапе перехода к гиперавтоматизации формируется базис цифровой трансформации, в котором традиционные RPA и BPM играют роль инструментов «оркестровки» цифровых процессов.
Соответственно, происходит трансформация набора автономных RPA в новую сущность – «цифровая рабочая сила».
Здесь мы фактически говорим о цифровых сотрудниках: происходит переход от отдельных терминов: RPA, AI и т.д.,- к понятию «цифровой сотрудников», который решает задачи, образующие определенный бизнес-процесс,- говорит Павел Борченко. |
Действительно, программный робот становится все больше похож на реального сотрудника, так как умнеет и обретает способность решать более сложные задачи, а, значит, его ценность для бизнеса повышается.
Способность RPA-платформы управлять созданием цифровых сотрудников и мониторить их работу – это та ценность, которую получают компании,- подчеркивает эксперт. |
Ключевой параметр цифровой рабочей силы – гибкость создания и модернизации умных цифровых процессов. Именно гиперавтоматизация помогает CIO в этих вопросах, утверждает Брайен Берк, вице-президент Gartner по исследованиям: помогает выявлять процессы, подлежащие автоматизации, и выполнять ее. Пандемия в этом случае сыграла роль движущей силы, отмечает он: более 70% коммерческих пересмотрели свои планы цифровизации и дали зеленый свет инициативам бизнес-подразделений в части гиперавтоматизациии. Сегодня можно сказать, что гиперавтоматизация неизбежна и необратима, полагает Берк.
Технологическая реализация гиперавтоматизации
Аналитики Gartner вводят термин DigitalOps. Он подразумевает такой подход к управлению компанией, который сочетает менеджмент и цифровые технологии. Это означает, что планирование, управление и контроль бизнеса происходит на основе анализа данных, которые поступают от всех отделов и подразделений, и с помощью механизмов ИИ, которые способны работать со всем множеством накопленных корпоративных данных. Например, ИИ обрабатывает отсканированные документы или записи телефонных переговоров, формирует результаты анализа данных анализа в виде отчетов, предназначенных для принятия решений и дальнейших действий
Источник: Move Beyond RPA to Deliver Hyperautomation, Gartner, декабрь 2019 г.
В модели DigitalOps базовые механизмы RPA используются для автоматизации рутинных операций и интеграции данных. В этом смысле важно свойство «неинвазивности» RPA, то есть способность автоматизировать процессы, не меняя систем, с которыми они работают, и почти не затрагивая сами процессы. RPA организуют взаимодействия с legacy-приложениями, где традиционная интеграция будет сложной, трудоемкой и дорогостоящей, а также осуществляют перенос, консолидацию и проверку данных из разрозненных источников в рамках крупномасштабного проекта по миграции ERP. Кроме того, RPA удобно применять для быстрого эксперимента и подтверждения концепции перед запуском нового сервиса или процесса.
Передача данных может также происходить между машиной и машиной за счет [[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|[[Интернет вещей Internet of Things (IoT)|Интернета вещей (IoT)]]]]]]]]]]]]]]]]]]]]]]. Такой подход позволяет бизнесу легко перестраиваться в связи с любыми изменениями и адаптироваться под новые запросы клиентов.
Наряду с RPA, в состав инструментария DigitalOps входят также интеллектуальные системы управления бизнес-процессами (iBPMS), платформы интеграции как сервис (iPaaS), процессная аналитика и системы управления принятия бизнес-решений на основе правил.
Тогда можно говорить об эволюции технологической архитектуры, в центре которой – RPA и ее окружение (его в Gartner называют «дополненной RPA» - Complemented RPA, CoRPA) с простыми системами интеграции бизнес-процессов (Task-Based systems) к инструментальным средствам DigitalOps Toolbox.
Этот означает, что состоянию DigitalOps Toolbox соответствует интегрированная платформа более высокого порядка, которая обеспечит возможность свободного комбинирования широкого спектра цифровых технологий: BPM, RPA, ML, чат-боты, Process Mining и т.д.
Следует отметить, что в полном масштабе ни один вендор такую платформу пока не реализовал, но все активно экспериментируют с интеграцией. Вполне возможно, что роль ядра такой платформы цифрового бизнеса в фазе гиперавтоматизации лучше всего подходят соответствующие BPM-платформы, говорят в Comindware. Тем более, что RPA в ходе своей умной эволюции стремительно превращаются в подсистемы BPMS.
По мнению Сергея Ложкина, сегодня все основные RPA-платформы заявляют о создании экосистемы, когда робот может выполнять обслуживание клиента от начала и до конца:
К этому стремятся, это развивают, и это будет продолжаться. Сейчас идет наращивание экспертизы в отраслевой специфике, в специфике конкретных бизнес-функций, создании и оттачивании роботов, которые могут работать из коробки. Соответственно, роботы выполняют как старую функцию связи одной системы с другой и являются интерфейсом, так и сквозную цифровизацию. |
При этом он предупреждает:
Нужно быть осторожным с тем, когда говорят, что робот может делать все. Очень важно чтобы робот был встроен в текущую ИТ-инфраструктуру и сбалансирован классическими системами, которые платформа роботизации дополняет. |
Дмитрий Смыкалов говорит о том, что RPA, искусственный интеллект, машинное обучение, автоматизация когнитивных процессов, процессная аналитика (Process Mining) – это лишь некоторые из тех передовых технологий, которые используются в гиперавтоматизации (iBPMS).
Архитектура и технологическая начинка роботов, безусловно, постоянно совершенствуется,- отмечает он.- Но ключевые изменения связаны с возможностью создания роботов без навыков программирования или привлечения внешних разработчиков, с упрощением взаимодействий между людьми и роботами, анализом эффективности внедрения RPA-решений, и, конечно же, интеграцией искусственного интеллекта в автоматизируемые процессы. |
Анатолий Белайчук акцентирует внимание на том, что сегодня профессионалы отрасти оперируют терминами, которые зачастую имеют нечеткие определения.
Самые ужасные примеры применения роботов RPA, которые мне приходилось видеть, - это автоматизация сквозных бизнес-процессов,- рассказывает он.- Выглядит это примерно так: робот открывает электронную почту, извлекает из письма файл Excel, читает данные, производит с ними какие-то манипуляции, потом по почте же отправляет выходные данные следующему участнику процесса. |
Назвать эти действия Robotic Process Automation – значит, вводить людей в заблуждение, уверен эксперт:
В действительности, роботы RPA автоматизируют не процесс, а задачи, выполняемые в ходе процесса. |
Для координации задач в рамках сквозного процесса тоже придуманы роботы, рассказывает Анатолий Белайчук:
Но это не RPA, а процессные движки в составе систем BPMS. Получается, что RPA и BPMS - это идеальное сочетание: робот BPMS в роли дирижера, роботы RPA - в роли музыкантов, а все вместе - оптимальный процесс, выполняющийся с минимальными затратами. |
С одной стороны, это подтверждает, что тренд на интеграцию этих двух технологий – BPM и RPA - объективен. C другой стороны, это вовсе не означает, что в рыночной борьбе обязательно победят вендоры, предлагающие весь инструментарий DigitalOps на своей платформе. Более того, сегодня более предпочтительным выглядит тренд легкой и гибкой интеграции цифровых инструментов и активов. Но на этом пути есть свои «подводные камни» и «серебряные пули».
Как будет реализовываться цифровая рабочая сила на практике?
Все сравнения нынешних технологий RPA и IPA с людьми-сотрудниками корректны до определенной степени: они акцентируют внимание на обработке данных интеграции данных из различных источников и т.п., однако остается открытым вопрос о собственно знаниях цифрового сотрудника.
Ринат Гимранов, начальник управления информационных технологий «Сургутнефтегаза», считает, что тот путь эволюции, который сегодня проходят программные роботы, не обеспечивает возможности «действовать, как человек»: не нажимать кнопки, как человек, а «понимать», какие действия производятся, и самостоятельно принимать решения в ситуации неопределенности. Действительно, и для робота, и для человека важно понимание контекста, в котором происходит та или иная деятельность. Но для робота этот контекст доложен быть прописан гораздо детальнее, чем для человека, потому что у него отсутствуют какие-либо изначальные «фоновые» знания о своей деятельности.
Хорошая платформа для RPA должна обладать некоторыми инструментами, которые позволяют детально описывать весь контекст производственных действий, исключающий всякую неопределенность. Например, брать нужные сведения из каких-нибудь систем,- размышляет Ринат Гимранов. |
В принципе, подходящими инструментами индустрия уже обладает.
Семантический слой данных
Принципиальный барьер в повышении эффективности обработки корпоративных данных связан с тем, что ценные цифровые сведения хранятся в различных местах: корпоративных хранилищах данных, на локальных серверах, в ЦОДах или облачных средах. При этом бизнес-пользователи не понимают того языка, на котором эти данные описывают ИТ-специалисты. До некоторых пор эта внутренняя разобщенность данных, как структурная, так и ментальная, не сказывалась на бизнес-процессах. Но в эпоху перехода к гиперавтоматизации прежний способ управления корпоративными данными становится тормозом для эволюции автоматизации.
Преодолению указанного барьера служит переход к семантическим описаниям структуры корпоративных данных логичен: он предполагает, что базовым элементом ИТ-систем становятся не сами данные, а их семантическое представление. Второй важный момент – переход к единому корпоративному хранилищу данных, которое поддерживает семантическое описание данных.
Аналитики Gartner указывают на важность семантического уровня в своем отчете «Как использовать семантику для повышения бизнес-ценности ваших данных» («How to Use Semantics to Drive the Business Value of Your Data»), опубликованном в 2018 г.: «Беспрецедентный уровень масштабирования и распространения данных делает практически невозможным эффективное использование организациями своих информационных ресурсов. Лидеры в области данных и аналитики должны применять семантический подход к своим корпоративным информационным ресурсам, иначе они проиграют битву за конкурентное преимущество».
Сегодня семантическое представление данных активно используют вендоры аналитических систем, также начинает разворачиваться тренд поддержки сематического слоя данных в корпоративных хранилищах.
Например, «Облако Данных» Сбербанка (Фабрика данных) - Big Data кластер на базе Apache Hadoop – для эффективного управления загрузками данных из высоконагруженных банковских систем на уровне нескольких десятков терабайт в сутки содержит Единый семантический слой (ЕСС) данных. Основная задача ЕСС – предоставлять бизнес-пользователям единый способ доступа к непротиворечивым и качественным данным, причем, на языке бизнес-пользователей. Семантическое описание данных ЕСС упрощает интегрированную обработку данных, обеспечивает прозрачность и объяснимость всех операций с данными.
Семантический слой данных – это, по сути, бизнес-абстракция, которая находится выше технических ИТ-понятий и потому способна единообразно поддерживать бизнес-логику, иерархические отношения, вычисления и т. д.
Варианты практической реализации семантического слоя данных
Граф знаний
Этот известный способ семантического описания объектов и отношений аналитики Gartner признали в 2018 г. ключевой новой технологией в Hype Cycle искусственного интеллекта: «Растущая роль контента и контекста для предоставления информации с помощью технологий ИИ, а также последние предложения по применению графов знаний для приложений ИИ вывели графы знаний на передний план технологий для ИИ».
В 2020 г. компания MicroStrategy в своем исследовании «10 Enterprise analytics trends to watch in 2020», внесла графы знаний в Топ-10 ключевых трендов корпоративной аналитики данных:
Семантический граф становится первостепенным для обеспечения ценности бизнеса. Он захватывает, организует и обогащает метаданные, используя графовое представление, и использует методы анализа графа для получения информации. |
Семантический граф объединяет возможности графика и представление метаданных для того, чтобы обеспечить расширенное семантическое представление ландшафта данных в с целью поддержки аналитических рабочих процессов,- так компания Gartner объяснила, почему технология графов знаний помещена в Топ-10 самых актуальных трендов обработки данных и данным и аналитики за 2019 год. |
Аналитики MicroStrategy подчеркивают, что семантический граф станет основой, поддерживающей данные и аналитику в постоянно меняющейся среде данных. Так, с его помощью можно использовать данные и результаты их обработки в разных системах, дополнять их с помощью ИИ и ML и т.д. В том числе, семантический граф знаний обеспечивает прозрачность в использовании данных.
В отличие от реляционных структур, граф знаний позволяет объединять данные, даже если их свойства неоднородны или определения сущностей различаются в зависимости от варианта использования. Например, можно объединять данные из реляционных баз данных, СУБД NoSQL, из документов и присоединять к ним геопространственные данные. Можно одновременно использовать данные из структурированных, полуструктурированных и неструктурированных источников в едином графе, что поможет создать единый слой данных, обогащенный полным контекстом данных из каждого источника. Stardog выходит за рамки простой поддержки интеграции на основе графиков, предлагая уникальную комбинацию графиков, виртуализации и вывода.
Я ничего такого особенного, отличного от других, не вижу. Если говорить о перспективных задачах, то как раз вот описание контекста и постановка задачи на четкий бизнес-процесс, который должен делать робот, мне кажется, что для этого более правильным инструментом были бы онтологические модели, онтологический подход.
К сожалению, я не видел пока зрелых решений, в которых это было бы реализовано. Вот, скажем, Comindware содержит как раз внутри графовую СУБД и семантический движок. То есть они потенциально могли бы за это взяться, но пока такой функциональности я там тоже не вижу. Хотя чисто теоретически можно предположить, что я с помощью BPMN 2.0, который поддерживает Comindware, описываю весь процесс, который делается роботом, и запускаю его в работу. То есть это система, которая подходящим образом порождает нужный контекст, в зависимости от того описания, которое я даю.
Онтологии
Онтологии – вариант графа знаний - можно назвать сегодняшним лидером в формальных методах описаний различных предметных областей. Язык онтологий OWL (Ontology Web Language) используется для описаний семантической Всемирной паутины Semantic Web и уже стал международным стандартом онтологических описаний.
С помощью онтологий можно создать единое описание всех объектов, свойств и отношений, которые охватывают все бизнес-процессы и аспекты бизнеса компании. Можно сказать, что язык описаний онтологий позволяет создать семантический цифровой двойник реального бизнеса.
Важное свойство онтологических моделей заключается в том, что они легко поддаются расширению и модернизации, в том числе, за счет оперативного подключения самых разных информационных систем масштаба предприятия, включая учетные транзакционные системы, аналитические системы, системы поддержки принятия управленческих решений, системы технологического управления производством и диспетчеризации (SCADA).
Онтологический подход к описанию бизнес-процессов используется, например, в системе Comindware Business Application Platform.
Это радикально повышает конверсию трудозатрат по разработке и модернизации процессов в готовое бизнес-приложение,- подчеркивает Ринат Гимранов, начальник управления информационных технологий ПАО «Сургутнефтегаз». |
Для целей гиперавтоматизации важно, что онтологические модели обеспечивают единообразный подход к реализации, как механизмов RPA, так и BPM, а также разнообразных интеграций данных в терминах процессов и объектов на основе семантических описаний.
Единственный нюанс, замечает Ринат Гимранов, заключается в том, что для реализации инфороботов и гиперавтоматизации в таком стиле нужно существенно изменять нынешние платформы.
Два варианта реализации цифровой рабочей силы
В зависимости от выбранного пути эволюции роботов в сторону гиперавтоматизации: текущем или семантически ориентированном, полученные в результате цифровые работники будут существенно различаться. Ринат Гимранов поясняет разницу на примере: для того чтобы получить самоуправляемый автомобиль, можно посадить «железного» робота в обычную кабину автомобиля и научить его вести себя, подобно профессиональному водителю: крутить руль, нажимать на педали и т.д. Однако настоящему беспилотному автомобилю кабина с ее традиционными элементами вообще не нужна. «Такой программный робот буквально встроен внутрь корпуса машины, он отлично справляется со своей работой без присущих человеку органов управления»,- рассказывает эксперт.
Кстати, и тот, и другой вариант – разные воплощения идеи цифровой рабочей силы. Только в первом случае она помещается в существующий автомобиль. И это имеет свой плюс – не нужно кардинально перестраивать транспортное средство, а также свой минус – лишние детали, которые создают точки отказа оборудования. Во втором случае получается максимально эффективный робот, который оптимальным образом трудится на вверенном ему участке работ. Но платой за это является кардинальная переработка инфраструктуры.
Будет интересно посмотреть, как эти два подхода будут развиваться с течением времени, и как будет выглядеть технологическая конкуренция между ними.
См. также
- RPA (Robotic process automation, Роботизированная автоматизация процессов)
- Российский рынок RPA-систем
- Каталог решений и проектов внедрения RPA-систем
- Почему RPA становится технологией года?
- Манифест Новой RPA
- Различия в разработке на RPA-платформах UiPath и Kofax RPA
- Обзор BPM-системы в России
- Чат-боты (Chat-bot) Виртуальные собеседники