Intelligent automation
Intelligent Automation innefattar ett flertal begrepp såsom RPA (Robotic Process Automation), Machine Learning, AI (Artificiell Intelligens), Chatbotar och andra AI-verktyg. Dessa kombinerade utgör en stark grund för automatisering och bidrar till smartare och mer kraftfull teknik. Intelligent Automation håller på att förändra sättet som företag och organisationer drivs på. Med utkomst från digitaliseringen som pågått i många år är Intelligent Automation nästa steg på resan.
Det huvudsakliga syftet med Intelligent Automation är att förbättra medarbetar- och kundupplevelsen samtidigt som produktiviteten ökar. När företag och organisationer automatiserar repetitiva och monotona arbetsuppgifter, så får medarbetare möjligheten att utföra mer utvecklande och kreativa arbetsuppgifter såsom strategiska aktiviteter eller kundrelaterade uppgifter. Detta bidrar till att kunden får kortare ledtid och bättre respons från företaget. Förutom att Intelligent Automation leder till tid- och kostnadsbesparingar så bidrar det även till en ökad kvalitet, kapacitet och effektivitet.
Intelligent automation
Intelligent Automation innefattar ett flertal begrepp såsom RPA (Robotic Process Automation), Machine Learning, AI (Artificiell Intelligens), Chatbotar och andra AI-verktyg. Dessa kombinerade utgör en stark grund för automatisering och bidrar till smartare och mer kraftfull teknik. Intelligent Automation håller på att förändra sättet som företag och organisationer drivs på. Med utkomst från digitaliseringen som pågått i många år är Intelligent Automation nästa steg på resan.
Det huvudsakliga syftet med Intelligent Automation är att förbättra medarbetar- och kundupplevelsen samtidigt som produktiviteten ökar. När företag och organisationer automatiserar repetitiva och monotona arbetsuppgifter, så får medarbetare möjligheten att utföra mer utvecklande och kreativa arbetsuppgifter såsom strategiska aktiviteter eller kundrelaterade uppgifter. Detta bidrar till att kunden får kortare ledtid och bättre respons från företaget. Förutom att Intelligent Automation leder till tid- och kostnadsbesparingar så bidrar det även till en ökad kvalitet, kapacitet och effektivitet.
RPA
RPA står för Robotic Process Automation och är en digital arbetskraft som används för att utföra standardiserade processer som annars skulle genomföras manuellt. Denna automatisering frigör tid för medarbetare, som kan utföra mer kreativa och stimulerande arbetsuppgifter. RPA kan även kallas för “Robotics”, “robotar” eller “digitala medarbetare”.
Den digitala arbetskraften styrs med hjälp av en mjukvara som är uppbyggd med ett tydligt regelverk och kan integrera mellan flera olika applikationer, exempelvis Microsoft Excel, databaser, webbsidor, e-post, affärssystem som SAP såväl som egenbyggda system. Integrationen i systemen kan ske med simulerade musklick och knapptryckningar eller med hjälp av befintliga integrationer i systemen som till exempel API:er.
Processer som passar att automatiseras med RPA är regelstyrda med tydliga beslutssteg, tidskrävande arbetsflöden samt repetitiva och monotona arbetsuppgifter.
Fördelarna med automatisering med hjälp av RPA är bland annat:
Ökad lönsamhet och effektivitet: Effektiviteten ökar eftersom den digitala arbetskraften jobbar dygnet runt alla dagar i veckan och kan snabbt skalas upp.
Kvalitetssäkring: Minskar den mänskliga felmarginalen då Roboten alltid utför uppgiften på samma sätt, vilket bidrar till att alternativkostnaden minskar.
Frigör tid: Rutinmässiga arbetsuppgifter automatiseras vilket skapar utrymme för mer kreativa och värdeskapande arbetsuppgifter samt nöjdare medarbetare.
Kundnöjdhet: Automatisering av arbetsuppgifter med hjälp av RPA bidrar till kortare ledtid samt mer tid för den anställde att fokusera på kunden.
RPA kan kombineras med andra automatiseringteknologier eller användas som ett hjälpmedel i delar av ett flöde.
De ledande verktygen inom RPA är UiPath, Automation Anywhere, Blue Prism, NICE och Kofax. Gartner 2019
Chatbot
Chatbot används primärt för att Automatisera kunddialoger, detta genom att låta en robot svara på de simpla och frekventa frågorna som ställs. De enklaste varianterna av chatbotar är kommandobaserade dialogrobotar, dessa tar emot ett kommando och utför en regelbaserad tolkning för att sedan besvara användaren eller utföra ett kommando. Mer avancerade chatbotar baseras på och använder Artificiell Intelligens och Machine Learning, och blir därav självlärande och kan tolka frågan bättre och ge ett lämpligt svar. Chatbots hanterar primärt frågor i textformat men kan även hantera röstkonversationer.
En chatbot ska tillfredsställa båda parter, personerna som besvarar frågorna ska avlastas från de simpla och frekventa frågorna som återkommer samtidigt som de som ställer frågan ska få ett snabbt och korrekt svar. En chatbot kan svara på frågor dygnet runt, alla dagar i veckan och frågan kan besvaras direkt utan kötider. Uppgifterna en chatbot ska hantera bör vara standardiserade och enkla för att minimera tolkningen roboten behöver göra och bidra till att svaren är helt korrekta.
Primärt bör en chatbot svara på ”how to” frågor där användaren får ett svar som innehåller information eller vägledning, ett bra exempel på detta är FAQ, service desk eller som ett intranät. En chatbot kan även besvara ”do” frågor, men då behöver chatbotten stöd av ett sekundärt automatiseringsverktyg som exekveras på begäran och utför det användaren ber om. Detta sker genom direktkoppling till befintliga system som ett ERP-och CRM-system eller genom att en RPA-baserad robot triggas och utför aktiviteten i ett eller flera andra system.
Vanliga leverantörer av chatbotar är Boost.ai, IPsoft Amelia, Humany och Amazon Lex.
Maskininlärning
Maskininlärning, mera känt som Machine Learning, är ett begrepp som innebär att man genom inmatning av stora mängder data tränar datorn (maskinen) att generalisera och uppfatta mönster. Grunden för maskininlärning är avancerade algoritmer som hjälper maskinen att lära sig själv att förutse och hantera mönster som är för komplexa för en människa att kunna tolka. Detta till skillnad från annan typ av programmering där man talar om för datorn exakt hur den ska agera i givna situationer.
Machine Learning består av tre olika delar:
1. Inlärning: Första steget är att lära datorn att utföra en specifik uppgift, antingen genom övervakad inlärning (supervised learning) eller oövervakad inlärning (unsupervised learning). I den förstnämnda förser man algoritmen med både indata och förväntad utdata; märkt data som fungerar som ett facit. I oövervakad inlärning förses algoritmen med endast indata där syftet är att identifiera relationer och gruppera dessa.
2. Träning: Andra steget är att träna datorn till att få ett så korrekt resultat som möjligt genom att förse den med data.
3. Utvärdering: Slutligen ska resultatet utvärderas med befintlig data för att se till att resultatet är korrekt.
Machine Learning är en ständigt pågående process som gör algoritmen smartare allt eftersom den utsätts för mer information. Det är särskilt användbart för att göra ostrukturerad data som bilder, e-post, ljud, video, chattar till strukturerad data som är läsbar och användbar. Machine Learning är särskilt kraftfullt i kombination med andra tekniker som RPA där den digitala assistenten får fler verktyg att använda och kan läsa ostruktuerad data som konverterats till strukturerad data.
Samtalsanalys
Samtalsanalys är en metod som använder kombinerade AI-teknologier för att analysera innehållet i ett röstsamtal. Detta görs genom att extrahera, identifiera och kategorisera innehållet i en konversation. Samtalsanalys kan användas exempelvis för att identifiera mönster i interaktionen under ett kundservicesamtal för att ta reda på vilka frågor eller klagomål som kommuniceras. Samtalsanalysen kan användas för att sammanfatta enskilda konversationer och detaljerna kan sedan användas för att identifiera mönster och nyckelord i flertal konversationer för att på så vis visualisera trender.
NLP
Natural Language Processing är en gren inom Artificiell Intelligens i vilken man programmerar en dator/maskin att förstå, bearbeta och generera mänskligt språk, både i tal och skriven form. Denna process innehar en viktig roll när det gäller interaktion mellan människa och maskin.
Statisk NLP (Statistical NLP) innebär att datorn förses med algoritmer, med hjälp av vilka datorn lär sig själv genom Machine Learning. Detta är numera det vanligaste sättet att bygga NLP då datorn lär sig allt eftersom den utsätts för data och på så sätt utökar sin förståelse och förmåga att ge korrekt output. NLP kan även programmeras grundat på handskrivna regler istället för dessa algoritmer, detta kallas regelbaserad NLP (Rule-based NLP). För att en dator programmerad med regler ska kunna ge mer korrekt utdata måste reglerna bli fler och mer komplexa.
Exempel på vad NLP kan användas i är röststyrning av mobiltelefon (t.ex. Siri eller Google Assistant), röststyrda översättningsappar samt rättstavningsfunktioner i ordbehandlingsprogram.
OCR
Optical Character Recognition (ibland också kallat text recognition) är en teknik som omvandlar en bild till läsbar och redigerbar text för en maskin och dator. Med en bild menas exempelvis en PDF-fil, en fotograferad text eller ett inskannat papper. OCR fungerar både på maskinskriven och handskriven text (Handwriting recognition, HWR). Avancerad OCR kan även extrahera formatering av texten.
Mjukvaran omvandlar bilden på text till en svartvit version och utifrån den kan programmet utläsa tecken från de mörka områdena på den ljusa bakgrunden. När ett tecken är identifierat översätts det till ASCII-kod för datorn att hantera.
Ett sätt att lära upp maskinen att tolka och känna igen tecken är att utsätta den för texter i olika fonter och format. Det finns också algoritmer som upptäcker exempelvis antal vinklar och kurvor i ett tecken för att karakterisera det.
