Tác giả: Ritwik Batabyal
Ngày 19 tháng 2 năm 2024
Các doanh nghiệp đương đại phải biến đổi động lực quyết định bằng cách áp dụng các luồng công việc có khả năng tự động hóa và ưu tiên AI-Mechanized Hyperautomation ở đỉnh của quá trình biến đổi kỹ thuật số. Vậy tại sao hiện tượng mới được phổ biến này lại làm ngành công nghiệp ngạc nhiên?
Công trình học thuật hiện có chủ yếu trình bày các nền tảng lý thuyết của RPA (Robotic Process Automation) hoặc các tác động cụ thể trong các lĩnh vực cụ thể, đặc biệt là tài chính, sản xuất hoặc chăm sóc sức khỏe. Để làm sáng tỏ câu hỏi trên, bài viết này nhằm phân tích trạng thái hiện tại của RPA và xem xét tác động hội tụ của Công nghệ Trí tuệ nhân tạo (AI) và Học máy (ML). Tính cách tự nhiên, nó trình bày một nghiên cứu kinh nghiệm để xác định những khoảng trống tiềm năng trong ngữ cảnh ‘hyperautomation’ như một yếu tố quan trọng trong quá trình ra quyết định.
Giới thiệu: Hyperautomation Bắt Đầu Lọt vào Trung Tâm Sự Chú Ý
Hyperautomation xuất hiện như một chiến lược đa mặt tích hợp các công nghệ hàng đầu như Robotic Process Automation (RPA), Trí tuệ Nhân tạo (AI), Học máy (ML), Xử lý Ngôn ngữ Tự nhiên (NLP), và phân tích dự đoán để tạo ra một môi trường hyperautomated để thu được kết quả tối ưu. Đơn giản nói, đây là một bản lặp vượt trội của tự động hóa thông minh. Trong ngữ cảnh kinh doanh hiện đại, hyperautomation là một sự mở rộng công nghệ để khuếch đại hành trình kỹ thuật số doanh nghiệp bằng cách tăng tốc các sáng kiến đổi mới quan trọng, sự áp dụng của AI, và thúc đẩy quá trình ra quyết định kỹ thuật số. Điều này đòi hỏi các tổ chức phải tiếp cận một cách toàn diện, từ bên ngoài vào, với các trường hợp kinh doanh của họ. Nó có thể giải quyết nợ quy trình một cách hiệu quả khi các chuyên gia kỹ thuật doanh nghiệp có mục tiêu tự động hóa rõ ràng và sử dụng công cụ một cách khôn ngoan khi cần thiết.
Gartner dự đoán rằng chi phí toàn cầu cho các công nghệ phần mềm cho phép hyperautomation sẽ đạt 1.04 nghìn tỷ đô la vào năm 2026. Theo nghiên cứu trước đó, kích thước thị trường hyperautomation sẽ đạt 197.58 tỷ đô la vào năm 2032.
Hyperautomation có thể được định nghĩa một cách khoa học là việc sử dụng chiến lược của các công cụ tự động hóa tích hợp để tối ưu hóa các chức năng đến mức tối đa, từ đó đạt được năng suất cao, hiệu quả vận hành tăng cường, và tiết kiệm chi phí đáng kể.
Các Bot RPA Trở Thành Siêu Bot: Thúc Đẩy Quyết Định Thông Minh
Các bot RPA ban đầu hoạt động trên các chương trình dựa trên quy tắc thông qua việc học các mẫu và mô phỏng hành vi của con người để thực hiện các nhiệm vụ lặp đi lặp lại và không đáng chú ý đã trở thành siêu bot, với trí tuệ nhân tạo trò chuyện và các thuật toán Mạng Nơ-ron đang được áp dụng. Các đại lý tự học này cấu hình lý do nhận thức và cho phép các bot RPA tự động hóa các nhiệm vụ phức tạp một cách thông minh với sự can thiệp của con người tối thiểu (bot được giám sát) hoặc không (bot không được giám sát). Tuy nhiên, cảnh báo về rủi ro nằm ở đây khi chuyển đổi RPA truyền thống thành dẫn xuất tiên tiến của nó, thúc đẩy tự động hóa nhận thức. Trong nhiều trường hợp, các chuyên gia kỹ thuật doanh nghiệp không thể mở rộng các sáng kiến RPA của họ do thiếu chiến lược thực thi, trường hợp kinh doanh được xác định kém, hoặc lựa chọn quy trình để tự động hóa không đúng. Một nghiên cứu của Forrester cho biết 52 phần trăm nhóm người dùng tuyên bố họ gặp khó khăn trong việc mở rộng chương trình RPA của họ.
RPA đã tồn tại hơn hai thập kỷ, mang lại các kết quả xác định sử dụng dữ liệu có cấu trúc trong các lĩnh vực như Quản lý Tài nguyên Doanh nghiệp (ERP) và Quản lý Mối quan hệ Khách hàng (CRM). Ban đầu, khả năng thực thi RPA dựa vào yêu cầu nhận thức thấp và xử lý ngoại lệ tối thiểu. Tuy nhiên, các nghiên cứu trường hợp gần đây đã cho thấy các trường hợp mà các bot RPA được cung cấp bởi trí tuệ nhân tạo có khả năng đưa ra nhận định chủ quan, sử dụng kỹ năng giải thích và xử lý nhiều ngoại lệ.
Việc tích hợp Trí tuệ Nhân tạo Sinh và các Mô hình Ngôn ngữ Lớn (LLM) với RPA tăng cường khả năng nhận thức của các đại lý ảo, cho phép tương tác giống con người và phản hồi cá nhân bằng cách học các ưu tiên của khách hàng. Cảnh quan Quản lý Dịch vụ Công nghệ thông tin đã được củng cố với sự có mặt 24/7, giải quyết các vấn đề phổ biến như sửa chữa mạng, cài đặt cập nhật phần mềm và đặt lại mật khẩu.
Các tổ chức ngày càng áp dụng xu hướng #Bring-Your-Own-Bots, tích hợp các công cụ Trí tuệ nhân tạo trò chuyện với các API trong hệ sinh thái RPA của họ, từ đó loại bỏ nhu cầu sử dụng nguồn lực con người trong quá trình ra quyết định trong quá trình tương tác với khách hàng. Dự kiến rằng sự chuyển đổi này sẽ trở thành tiêu chuẩn vào năm 2024.
Thuật toán Đào tạo Trí tuệ nhân tạo và Học máy ở Cấp Nguyên Tử cho ‘Học’ & ‘Suy nghĩ’ Sâu
Giữa các nút của mỗi quy trình là quá trình ra quyết định diễn ra ở mức độ cụ thể, nơi các robot phần mềm phân tích chuỗi dữ liệu có cấu trúc và không cấu trúc ở quy mô lớn để tổ chức tự động hóa trên các quy trình kinh doanh.
Trung tâm của việc học sâu là các thuật toán Mạng Nơ-ron dựa trên Học máy, đã cách mạng hóa quá trình ra quyết định tại các điểm dữ liệu riêng lẻ ở mức độ nguyên tử. Nó xuyên qua dữ liệu lớn — dữ liệu đầu vào lớn, phân tán và không đầy đủ. Nó lặp đi lặp lại việc học và dự đoán trong các tham số xác suất và cuối cùng rút ra một đầu ra.
Công nghệ Nhận diện Ký tự Quang học (OCR) là một người bạn đồng hành quý giá cho các ứng dụng RPA thực tiễn trong ngành chăm sóc sức khỏe. Ví dụ, bằng cách tận dụng Xử lý Ngôn ngữ Tự nhiên (NLP) và phân tích văn bản, OCR có thể quét và chuyển đổi tài liệu viết tay hoặc in, như nhãn đơn thuốc, biểu mẫu bệnh nhân, ghi chú của bác sĩ và kết quả xét nghiệm, thành định dạng kỹ thuật số. Điều này đơn giản hóa việc lưu trữ và quản lý thông tin y tế, dẫn đến cơ sở dữ liệu được tổ chức. Dữ liệu được lưu trữ dễ dàng truy cập, cho phép rút ra thông tin quý báu từ lịch sử bệnh án của một bệnh nhân.
Trường Hợp Sử Dụng: Chăm sóc Sức khỏe
Dữ liệu nghiên cứu của Precedence Research báo cáo rằng thị trường RPA toàn cầu trong lĩnh vực chăm sóc sức khỏe dự kiến sẽ đạt 14.18 tỷ đô la vào năm 2032.
Điểm Cụ Thể: Cơ quan Quản lý Hàng đầu của Hệ thống Chăm sóc Sức khỏe của Vương quốc Anh
- Hỗ trợ Thông tin Lâm sàng: Cơ quan công lập không thuộc bộ chỉ đạo hàng đầu của Vương quốc Anh cung cấp dịch vụ chăm sóc sức khỏe đã giới thiệu sáng kiến GP Connect. Chương trình này cho phép Bác sĩ Phổ cập (GPs) và nhân viên lâm sàng được ủy quyền chia sẻ và truy cập thông tin lâm sàng từ các phòng mạch GP một cách liền mạch, tăng cường chăm sóc bệnh nhân thông qua việc cải thiện khả năng truy cập dữ liệu.
- Đăng Ký Bệnh Nhân: Bằng cách tận dụng giải pháp RPA, cơ quan quản lý hệ thống chăm sóc sức khỏe đã tối ưu hóa toàn bộ quy trình đăng ký. Các bot được sử dụng để thu thập và nhập dữ liệu do bệnh nhân gửi vào hệ thống lâm sàng, loại bỏ nhu cầu nhập liệu thủ công bởi nhân viên thực hành.
- Hỗ Trợ Nhà Cung Cấp RPA: Cơ quan này hợp tác với các nhà cung cấp giải pháp RPA đáng tin cậy, cho phép các phòng mạch GP tự động hóa các quy trình khác nhau. Sáng kiến này nhằm mục đích tăng cường hiệu quả, tiết kiệm thời gian cho các bác sĩ và nhân viên hành chính, giảm chi phí cung cấp dịch vụ và nâng cao chất lượng chăm sóc bệnh nhân.
Trường Hợp Sử Dụng và Lợi Ích Chung trong Lĩnh Vực Chăm Sóc Sức Khỏe
- Bảo Hiểm Y Tế: Hyperautomation được đẩy bằng RPA chứng minh sự thông minh hơn trong việc phát hiện gian lận trong lĩnh vực chăm sóc sức khỏe so với khả năng của con người. Mọi lỗi vô tội được loại bỏ và cho phép các công ty bảo hiểm y tế xử lý yêu cầu bồi thường nhanh chóng mà ít can thiệp thủ công nhất có thể.
- Nghiên cứu và Phát Triển trong Phát Hiện Thuốc: Các giải pháp RPA là một công cụ công nghệ chính trong ngành công nghiệp khoa học đời sống để biến đổi phát triển và nghiên cứu thuốc. Ví dụ, RPA rất quan trọng trong việc cải thiện thời gian đưa sản phẩm ra thị trường cho các loại vắc xin chống Covid19. Bằng cách tích hợp RPA với các hệ thống IT khác nhau, Phát Hiện Thuốc, Thử Nghiệm Lâm Sàng, Quản lý Tác Dụng Phụ của Thuốc, và Xác Thực có thể được thực hiện một cách hiệu quả mà không gặp lỗi từ con người.
- Báo Cáo Phòng Thí Nghiệm & Hồ Sơ Y Tế Điện Tử (EHR): Kết quả thử nghiệm phòng thí nghiệm hoặc lịch sử lâm sàng của bệnh nhân được lưu trữ số hóa dưới dạng Hồ Sơ Y Tế Điện Tử (EHRs). Hệ thống EHR được kích hoạt bởi RPA và trí tuệ nhân tạo hoạt động như các công cụ thông minh, dựa trên bằng chứng, hỗ trợ các chuyên gia y tế trong việc đưa ra quyết định và kết luận thông minh hơn để cải thiện chăm sóc bệnh nhân.
Trường Hợp Sử Dụng: Ngân Hàng và Tài Chính
Research and Markets dự đoán rằng giữa năm 2023 và 2028, các lĩnh vực dịch vụ tài chính và bảo hiểm sẽ có sự áp dụng hyperautomation nhiều nhất, vượt qua các lĩnh vực khác với 32% thị trường.
Các phát hiện chính từ một số trường hợp sử dụng thực tế nổi bật của RPA trong ngành ngân hàng và tài chính được tham khảo dưới đây.
- Kế Toán: Một chương trình RPA được cấu hình tốt có thể giúp tiêu chuẩn hóa dữ liệu cho sổ cái chung và tự động hóa các bút toán phức tạp và việc điều chỉnh tài khoản tài liệu.
- Thanh Toán Công Nợ: Ở đây, các bot RPA có thể được bổ sung bằng Công Nghệ Nhận Diện Ký Tự Quang Học (OCR) để tự động nhận dạng và truyền dữ liệu đồng thời cung cấp một đường dẫn kiểm toán và đơn giản hóa báo cáo tuân thủ.
- Phát Hiện Gian Lận: Các tổ chức tài chính sở hữu thông tin khách hàng rộng lớn, vừa rất mật và dễ bị tổn thất do mối đe dọa của mạng. Hệ thống phát hiện bất thường dựa trên học máy và hệ thống phát hiện gian lận được cải thiện bằng RPA đã được chứng minh là hiệu quả. Thay vì phụ thuộc vào quy trình thủ công, các ngân hàng có thể sử dụng các công cụ RPA để liên tục theo dõi các giao dịch, xác định các bất thường bằng cách sử dụng một hệ thống dựa trên quy tắc, đánh dấu các gian lận tiềm năng và thông báo cho nhân viên con người để tiến hành điều tra tiếp theo.
- Thanh Toán Lương: RPA có thể đồng bộ hóa dữ liệu trên nhiều hệ thống ghi giờ, đánh giá số giờ làm việc và xác định lỗi trên bảng chấm công.
Kết Luận
Hyperautomation hiện đang mở ra một con đường rực rỡ, làm nhiệm vụ như một tiền phong cho các công ty trong nhiều ngành công nghiệp và lĩnh vực kinh doanh khác nhau trong việc thúc đẩy sự biến đổi kỹ thuật số. Tuy nhiên, tương tự như bất kỳ đổi mới tiên phong nào, việc triển khai nó đặt ra những thách thức và rủi ro bẩm sinh.
Hyperautomation thường tập trung vào cách điều hướng và giảm thiểu các thách thức đa mặt và phức tạp tồn tại trong quá trình triển khai của nó. Một số thách thức cốt lõi bao gồm:
- Vi phạm quyền riêng tư dữ liệu: Bảo vệ dữ liệu và hệ thống nhạy cảm khỏi các mối đe dọa mạng và đảm bảo tuân thủ các quy định về bảo vệ dữ liệu.
- Nỗi lo về Sự Thiên Vị của Trí Tuệ Nhân Tạo: Đối mặt với sự thiên vị bẩm sinh trong các thuật toán và đảm bảo tính không thiên vị trong kết quả ra quyết định.
- Dữ liệu bị chi phối: Quản lý dữ liệu phong phú từ các nguồn đa dạng và đảm bảo sự chính xác, đáng tin cậy và liên quan của nó.
- Bổ sung Lực Lượng Lao Động: Cân bằng việc tích hợp sự phán đoán của con người với quy trình ra quyết định tự động.
Khi vượt qua những thách thức này và đạt được một mức độ trưởng thành cao hơn trong hyperautomation, các doanh nghiệp có thể tăng cường hiệu suất của các luồng công việc một cách nhanh chóng. Đồng thời, họ sẽ thấy dễ dàng hơn để xác định các chỉ số hiệu suất chính (KPI) phù hợp để triển khai các mô hình doanh thu dựa trên số liệu mới được tùy chỉnh theo nhu cầu kinh doanh của họ.
