Diferenças entre RPA, IA e Machine Learning

Vamos direto ao ponto: Quais as Diferenças entre RPA, IA e Machine Learning?

RPA é o uso de robôs de software que imitam ações humanas em sistemas computacionais, enquanto IA e ML representam a simulação da inteligência humana por máquinas.

RPA é uma tecnologia de automação usada para automatizar tarefas repetitivas baseadas em regras. IA é um conjunto de técnicas que tentam reproduzir nas máquinas a forma como seres humanos aprendem e faz isso através de Matemática, Estatística, Programação e Ciência da Computação. Machine Learning é uma das técnicas usadas em Inteligência Artificial e com algoritmos de aprendizado de máquina podemos detectar padrões em grandes conjuntos de dados e construir modelos preditivos.

RPA é o uso de robôs de software que imitam ações humanas em sistemas computacionais, enquanto IA e ML representam a simulação da inteligência humana por máquinas.

Algumas ferramentas de RPA possuem funcionalidades de IA que podem automatizar as tarefas sem intervenção humana, entendendo a linguagem natural e tomando ações, por exemplo!

Com RPA podemos gravar uma série de tarefas realizadas em uma GUI (Interface de Usuário), como movimentações de cursor e cliques de botões, e traduzir essa série de ações em um software (chamado robô RPA), para que essas tarefas possam ser executadas sem intervenção humana no futuro.

RPA pode ser otimizado para algumas ações da GUI, aplicando algoritmos de aprendizado profundo (Deep Learning) a problemas de percepção, como reconhecer um botão ou um campo de edição. Dada a natureza gráfica de RPA, os recursos de reconhecimento de imagem do aprendizado profundo são perfeitamente adequados à tarefa. Você pode dizer que o “robô de software” de RPA são os braços e pernas, e o componente de aprendizado de máquina é o “cérebro”.

Modelos de aprendizado de máquina podem ser inseridos em fluxos de trabalho RPA para executar tarefas de percepção de máquina, como reconhecimento de imagem ou processamento de texto.

Ok, Mas Preciso de Definições Oficiais!

Tudo bem. Aqui estão:

A IEEE Standards Association (IEEE), liderada por um painel diversificado de participantes do setor, publicou o Guia IEEE para Termos e Conceitos em Automação de Processos Inteligente em junho de 2017. O objetivo deste padrão é promover clareza e consistência no uso de terminologias nesta indústria ainda nascente.

De acordo com a IEEE, RPA refere-se ao uso de uma “instância de software pré-configurada que usa regras de negócios e coreografias de atividades predefinidas para concluir a execução autônoma de uma combinação de processos, atividades, transações e tarefas em um ou mais sistemas de software não relacionados para fornecer um resultado ou serviço sem intervenção humana.”

E IA é “a combinação de automação cognitiva, aprendizado de máquina (ML), raciocínio, geração e análise de hipóteses e processamento de linguagem natural, produzindo insights e análises no nível da capacidade humana ou acima dela”.

E Quais os Objetivos?

RPA e IA são duas tecnologias horizontais que são distintas em seus objetivos e interfaces.

RPA tem o objetivo de economizar tempo automatizando atividades repetitivas e normalmente exercidas por profissionais de nível mais alto. RPA é construído por Desenvolvedores ou Arquitetos RPA por meio de uma interface gráfica, que eles usam para organizar a sequência de tarefas que RPA automatiza. Na maior parte, RPA é baseado em regras “ou”, “se-então”, e declarações que informam a um programa o que fazer sob certas condições.

IA é um termo que inclui mecanismos de regras como o tipo mencionado acima. Mas esse não é o lado excitante da IA, e geralmente não é o que as pessoas querem dizer quando se referem à IA nos dias de hoje. Geralmente, estão se referindo a aprendizado de máquina ou aprendizado profundo; ou seja, programas capazes de aprender a partir de conjuntos de dados, sem que sejam explicitamente programados para isso.

IA é uma tecnologia horizontal que toma decisões sobre dados. Às vezes toma decisões, ou previsões, baseadas em regras que os humanos escrevem manualmente (mecanismos de regras); às vezes, toma decisões com base em vários parâmetros numéricos aos quais chegou depois de muita tentativa e erro (aprendizado de máquina).

Os avanços na IA nos permitem tomar decisões mais precisas sobre os dados que estamos analisando. Em alguns casos, essa precisão pode superar a precisão humana.

A maioria dos fornecedores de RPA não está usando IA avançada (ainda) nos produtos que oferecem ao mercado, mas isso está mudando. Aplicações úteis de IA avançada em RPA podem incluir reconhecimento de imagem (para reconhecer imagens em uma tela de forma mais confiável) ou análise de texto. E nada impede que uma empresa desenvolva seus próprios sistemas de IA e os integre com suas soluções de RPA.

RPA e IA São Coisas Diferentes, Mas Complementares!

Neste momento, há muita excitação em torno do enorme potencial de automação nas empresas, particularmente no que diz respeito à Automação Robótica de Processos (RPA) e Inteligência Artificial (IA). Essas duas tecnologias têm a capacidade de gerar eficiência significativa, além de gerar novas fontes de valor para as organizações.

Intelligent Automation

Mas, à medida que as empresas procuram adotar RPA e IA, e buscam obter o máximo valor dessas tecnologias disruptivas, elas precisam ter uma visão clara do que fazem e do que não fazem, e como podem trabalhar juntas para oferecer até mesmo mais valor.

A primeira coisa a entender é que RPA e IA são tipos muito diferentes de tecnologia, mas se complementam muito bem. Pode-se usar RPA sem IA e IA sem RPA, mas a combinação dos dois juntos é extremamente poderosa.

RPA é process-driven, enquanto IA é data-driven.

Os processos que podem ser automatizados por meio de RPA precisam ser baseados em regras e repetitivos, e geralmente envolvem processos executados em vários sistemas diferentes. A integração de clientes é um bom exemplo de um processo candidato a RPA, pois envolve várias etapas e sistemas diferentes, mas todos podem ser definidos e mapeados. Processos de alto volume são preferíveis, pois o business case será mais forte, mas processos de baixo volume podem ser automatizados se a precisão for crucial.

O importante é lembrar que os robôs de RPA não possuem, ainda, qualquer inteligência. O software pode ser realmente inteligente em termos do que pode conseguir, mas os robôs farão exatamente o que você os treinou para fazer cada vez, a cada vez. Essa é a maior força e a maior fraqueza deles. Uma força, porque o robô executará o processo de forma correta e precisa, mas uma fraqueza porque impede qualquer capacidade de auto-aprendizado.

Essa incapacidade de se auto-aprender leva a duas restrições distintas para RPA, as quais, felizmente, podem ser tratadas pelos recursos da IA. A primeira é que os robôs exigem dados estruturados como entrada, seja de uma planilha, de um banco de dados, de um formulário da web ou de uma API. Quando os dados de entrada não são estruturados, como um e-mail do cliente, ou semi-estruturado onde geralmente há as mesmas informações disponíveis, mas em formatos variáveis (como faturas), a Inteligência Artificial pode ser introduzida para transformá-los em um formato estruturado.

Esse tipo de recurso de IA usa várias tecnologias de IA diferentes, incluindo Processamento de Linguagem Natural, para extrair os dados relevantes do texto disponível, mesmo se o texto for escrito em linguagem livre ou se as informações em um formulário parecerem bem diferentes cada vez. Por exemplo, se você escreveu um e-mail para um varejista on-line reclamando que o vestido entregue era da cor errada para o pedido, a IA seria capaz de dizer que se tratava de uma reclamação, que a queixa dizia respeito a um vestido e o problema é que era a cor errada. Se as informações do pedido não foram incluídas no e-mail original, um sistema de IA poderia determinar qual ordem ele relacionava ao triangular as informações já existentes. Depois de reunir tudo, ele pode rotear essa consulta para a pessoa certa dentro da organização, juntamente com todos os dados de suporte. Naturalmente, a “pessoa certa” poderia na verdade ser um robô que pudesse reordenar a cor correta e enviar um e-mail apropriado ao cliente.

E o Julgamento?

RPA não pode tomar decisões complexas, ou seja, não pode usar o julgamento em um processo. Algumas decisões são relativamente diretas e certamente podem ser tratadas pela RPA, especialmente se envolverem a aplicação de pontuações baseadas em regras a um pequeno número de critérios específicos. Por exemplo, você só pode oferecer um empréstimo a alguém com mais de 18 anos, que seja empregado e possua uma casa – se eles atenderem a todos esses critérios (os dados estarão disponíveis em seus sistemas internos ou externos), eles passarão no teste . Você pode até aplicar algumas ponderações, por exemplo, para que elas pontuem melhor à medida que envelhecem e ganhem mais dinheiro. Um cálculo simples pode decidir se o cliente pontua acima de um certo limite ou não.

Mas e quando o julgamento requerido é mais complexo? Pode haver 20 ou 50 critérios diferentes a serem considerados, todos com ponderações diferentes. Alguns podem ser mais relevantes para alguns clientes e, para outros, determinados critérios podem ser completamente irrelevantes. É aí que outro tipo de IA, geralmente chamado de “raciocínio cognitivo”, pode ser usado para apoiar e aumentar o processo de RPA.

Para concluir, uma simples comparação entre RPA e IA:

RPA: Imita a atividade humana por meio da interface do usuário de maneira não intrusiva e pode manipular dados estruturados e semiestruturados. O espectro de ações possíveis é determinado por regras predefinidas para que o comportamento do robô seja determinístico.

RPA + IA: Imita a atividade humana por meio de recursos de visão computacional, reconhecimento de fala e detecção de padrões e pode manipular dados estruturados, semiestruturados e não estruturados. O aprendizado de máquina permite que os robôs aprendam como processar e também melhorar processos que levam ao comportamento probabilístico.

Inteligência Artificial e RPA são duas áreas quentes no momento com muito crescimento previsto para os próximos anos.

E a automação já é uma realidade e de que lado você quer estar? Daqueles que terão seu trabalho automatizado ou daqueles que estarão implementando as soluções automatizadas? Pense nisso!

Conheça a Formação Arquiteto RPA 4.0 aqui na DSA: