Robotic process automation, kort RPA, er software der gør det, en medarbejder ellers gør med mus og tastatur: åbner et program, klikker på de samme steder og indtaster de samme felter. AI-automatisering er noget andet end en hurtigere robot. Her har en sprogmodel fået til opgave at forstå indholdet, før resten af forløbet kører, og det er kernen i AI automation. Står I med spørgsmålet RPA eller AI-automatisering, afgøres det mest af, hvor meget indholdet varierer fra gang til gang, og om systemet har en anden vej ind.
Hvorfor fejler RPA og AI så forskelligt?
RPA er en optagelse, der afspilles igen. Den kender ingen mening, kun positioner og rækkefølger. Så længe skærmbilledet ser ud som dengang, den blev bygget, er den hurtig og uden fantasi. AI-automatisering starter et andet sted, nemlig ved indholdet. Den læser en tekst, vurderer hvad den handler om og afleverer strukturerede data videre til det, der skal udføre arbejdet.
Det betyder, at de to ikke konkurrerer om samme trin. RPA er stærk på at udføre. AI er stærk på at forstå. Sammenligningen herunder viser, hvordan de to typisk opfører sig, og er ikke målt på en bestemt løsning.
| Kriterium | RPA | AI-automatisering |
|---|---|---|
| Input | Faste felter og skærmbilleder | Fritekst, mails og dokumenter i forskellige former |
| Stabilitet ved ændret layout | Lav. Robotten stopper, når et element flytter sig | Højere, fordi læsningen ikke hænger på en position |
| Vedligehold | Hver gang et system eller en portal ændrer sig | Løbende kontrol af svar og tilpasning af instruktioner |
| Opsætning | Optag og afspil, når forløbet er fast | Kræver eksempler, instruktioner og afprøvning på jeres egne data |
| Fejlmåde | Stopper med en fejlmelding | Kan svare forkert uden at stoppe, og det skal kontrolleres |
| Logning | Hvilke trin der kørte, og hvor det gik galt | Hvad der blev læst, hvad der blev besluttet, og hvorfor |
Den vigtigste række er fejlmåden. En robot, der går i stå, er irriterende, men den kan ses. Et AI-trin, der tolker forkert, kører videre, og derfor kræver det kontrol og stikprøver, som RPA ikke har brug for på samme måde.
Hvilke opgaver passer til RPA eller AI-automatisering?
Du forstår forskellen bedst ved at holde opgaver op mod hinanden. Rækken om at hente samme rapport fra en portal hver morgen viser, at RPA passer godt, når forløbet er ens hver gang. Rækken om at læse en ordre, der kommer som fri mailtekst, viser, at en robot ikke kan tolke teksten.
| Opgave | RPA | AI-automatisering | Anbefaling |
|---|---|---|---|
| Hente samme rapport fra en portal hver morgen | Passer godt, forløbet er ens hver gang | Mere end nødvendigt | RPA |
| Taste data ind i et ældre system uden API | Ofte den eneste vej ind | Kan ikke selv klikke i systemet | RPA til indtastningen |
| Læse en ordre, der kommer som fri mailtekst | Kan ikke tolke teksten | Finder kunde, vare og leveringsdato | AI-automatisering |
| Sortere indgående henvendelser efter emne | Kun ud fra faste nøgleord | Forstår, hvad henvendelsen handler om | AI-automatisering |
| Flytte data mellem to systemer med faste felter | Fungerer, men er skrøbelig over for ændringer | Ikke nødvendigt | Integration via API, ellers RPA |
Faste opgaver har ingen brug for en sprogmodel
RPA er ikke blevet forældet, fordi sprogmodeller findes. Den passer, når opgaven er ens hver gang, når input er struktureret, og når forløbet løber i et system, som ingen andre veje fører ind i. Der er ikke noget at forstå, så der er heller ikke noget, AI kan bidrage med. En fast regel eller en optaget rækkefølge er billigere at forklare, lettere at teste og mere forudsigelig i drift.
Er opgaven bare at flytte data mellem systemer efter faste regler, er en workflow-automatisering ofte et bedre udgangspunkt end en robot. Et workflow bruger systemernes egne forbindelser og er derfor mindre følsomt over for, at en skærm ser anderledes ud. RPA er det, I vælger, når der ikke findes en forbindelse at bruge.
Husk dog omkostningen ved at vælge robotten: den skal vedligeholdes. Hver gang en leverandør ændrer sin portal, eller et system får en ny version, skal nogen opdage, at forløbet er gået i stå, og rette det.
Hvad gør du, når indholdet varierer fra gang til gang?
AI-automatisering vinder, når variationen er problemet. Det gælder mails, der siger det samme på mange måder, dokumenter uden fast opbygning og henvendelser i fritekst. Opgaven kræver, at nogen forstår, hvad der står, og det er netop det, en robot ikke kan.
Ofte er det mest realistiske, at AI-automatisering klarer det første trin, nemlig at læse og strukturere, mens resten kører som et almindeligt forløb. Samtidig skal AI-trinnet kontrolleres: en model kan tage fejl uden at give en fejlmelding, så godkendelse og stikprøver hører med fra start.
AI læser, robotten taster
De to behøver ikke at være hinandens modsætning. Et typisk samspil er, at AI læser og forstår indholdet, mens RPA udfører de sidste klik i et system, som ikke har en forbindelse udadtil. AI afleverer de rigtige felter, og robotten taster dem ind. Hver gør det, den er bedst til.
Det kræver, at overgangen er tydelig. Når AI afleverer data til en robot, skal data have et fast format, og der skal være et sted, hvor en afvigelse bliver stoppet og vist til et menneske. Gem også en log over, hvad AI læste, og hvad robotten gjorde, så I kan finde fejlen i det rigtige led. Ellers bliver det uklart, om den gik galt i forståelsen eller i udførelsen.
Hvilke opgaver der er værd at starte med, finder du ved at følge fremgangsmåden i automatisering af arbejdsgange. Hold derefter hver opgave op mod en enkel tommelfingerregel. Er input ens hver gang, og er forløbet fast, er robotten eller et almindeligt workflow nok. Varierer indholdet, skal AI ind i det trin, der læser. Og findes der ingen anden vej ind i systemet, kan robotten stadig tage de sidste klik.
