Automazione AI vs RPA: come scegliere per ogni processo

Automazione AI vs RPA: come scegliere per ogni processo

Utilizzi RPA quando un processo è strutturato, stabile e regolato da procedure. Utilizzi l’automazione AI quando l’input è disomogeneo o il passaggio richiede capacità di giudizio. Utilizzi entrambe quando un processo inizia con un input non strutturato e termina con un’azione precisa in un sistema di riferimento. La maggior parte dei responsabili delle operations finisce per adottare una combinazione delle due, e la vera decisione riguarda quale approccio si adatti a ciascun processo, non quale acquistare.

Questo articolo è una guida alla scelta. Se prima ha bisogno delle definizioni, la nostra guida all’automazione AI in linguaggio semplice le illustra. Qui confrontiamo i due approcci sugli aspetti che incidono sul budget e sulle operations: tipo di input, comportamento in caso di errore, costi, manutenzione e compatibilità con i sistemi legacy.

Punti chiave

• L’RPA segue regole fisse e produce sempre lo stesso risultato. L’automazione AI apprende dai dati e può gestire input mai incontrati prima.
• La domanda decisiva riguarda solitamente l’input. Un input strutturato e prevedibile indica l’RPA. Un input non strutturato o variabile indica l’AI.
• Molti progetti efficaci utilizzano l’AI all’inizio del processo per interpretare l’input e i bot RPA alla fine per eseguire il risultato.
• L’AI costa di più da sviluppare e mantenere e richiede dati di addestramento e competenze specifiche. Non la utilizzi quando sarebbe sufficiente una regola.
• Valuti ogni processo in base a cinque fattori (input, variabilità, rischio di errore, volume e responsabilità) prima di scegliere uno strumento.

Indice

• La risposta breve: abbini l’approccio all’input
• Automazione AI e RPA a confronto
• Dove l’RPA è ancora superiore
• Dove l’automazione AI è superiore
• Quando combinarle
• Un framework decisionale in cinque domande
• Costi e manutenzione: cosa comporta davvero la scelta
• Sistemi legacy, automazione con supervisione e senza supervisione
• Come possiamo aiutarla
• Domande frequenti
• Fonti

La risposta breve: abbini l’approccio all’input

L’RPA utilizza bot software per replicare le interazioni umane con i sistemi digitali nelle attività ripetitive che seguono regole definite. Un bot fa clic, copia, incolla e sposta file come farebbe una persona, ma più velocemente e senza fatica.

L’automazione AI segue un percorso diverso. Secondo AWS, utilizza l’AI per ampliare ciò che l’RPA è in grado di fare, consentendo all’automazione di gestire attività più complesse con una formazione minima. Mentre l’RPA ha bisogno di una regola per ogni caso, l’AI deduce le soluzioni a partire dagli schemi presenti nei dati.

Questo offre un criterio pratico. Si chieda che cosa arriva all’inizio del processo:

• Una riga in un foglio di calcolo, un campo in un modulo, un record in un database: input strutturato. Probabilmente sono sufficienti l’RPA o una semplice integrazione.
• Un contratto scansionato, un’e-mail in testo libero, una foto, un messaggio di assistenza: input non strutturato. Serve qualcosa in grado di interpretarlo, ed è qui che l’AI giustifica il proprio costo.

Esiste anche una terza risposta, spesso la più economica in assoluto: nessun bot. Se entrambi i sistemi espongono un’API, un’integrazione è solitamente più stabile di un bot che interagisce con una schermata. Torneremo su questo punto più avanti.

Automazione AI vs RPA a confronto

Il confronto seguente riflette il modo in cui i due approcci sono descritti da Google Cloud e TechTarget, oltre a ciò che osserviamo nella realizzazione.

Una precisazione sulla terminologia. L’RPA è di per sé una forma di IA? FINRA osserva che alcuni operatori di mercato rispondono di no, perché si basa su regole, mentre altri la definiscono una forma rudimentale di IA, soprattutto quando viene abbinata al machine learning. Ai fini di una decisione d’acquisto, l’etichetta conta meno del comportamento: l’RPA fa ciò che gli è stato detto di fare, mentre l’IA formula la migliore ipotesi possibile.

Dove l’RPA è ancora superiore

Ultimamente l’RPA ha una reputazione poco favorevole, soprattutto perché viene applicata ai problemi sbagliati. Per quelli giusti, è difficile trovare una soluzione migliore. TechTarget descrive l’RPA come una tecnologia che offre velocità ed efficienza a un costo inferiore per le attività ripetibili.

RPA è indicato quando:

• I passaggi sono fissi. Accedere, estrarre un report, inserire i valori in un modulo, salvare. Lo stesso percorso ogni volta.
• L’input è strutturato. I campi si trovano in posizioni e formati prevedibili.
• Serve sempre la stessa risposta. Il comportamento deterministico è un vantaggio in ambito finanziario, nella conformità normativa e nelle attività di riconciliazione, dove un revisore vuole verificare che input identici abbiano prodotto output identici.
• Non esiste un’API. Se un’applicazione legacy offre solo un’interfaccia a schermo, un bot può fungere da ponte mentre si pianifica una soluzione migliore.
• Il volume è elevato e le regole sono stabili. I trasferimenti dei file paghe, i caricamenti notturni dei dati e gli aggiornamenti dello stato tra sistemi sono esempi classici.

Esiste anche un vantaggio che spesso viene sottovalutato: l’RPA tende a fallire in modo evidente. Quando una schermata cambia e un bot non riesce a trovare il relativo campo, l’esecuzione di solito si interrompe e qualcuno riceve un avviso. È fastidioso, ma è visibile. Nella nostra esperienza, un errore visibile è più facile da gestire di uno silenzioso.

Il costo della rigidità

La stessa rigidità è il punto debole. Un bot non può discostarsi da ciò per cui è stato programmato. Basta cambiare l’etichetta di un pulsante, aggiungere un campo o aggiornare un portale web perché il bot richieda un intervento. Questa è la causa principale dell’onere di manutenzione dei bot che molti team scoprono dopo il progetto pilota. Se un processo dipende da un’applicazione che non si controlla, come il portale di un fornitore o un sito governativo, occorre prevedere fin dal primo giorno un budget per la manutenzione.

Dove l’automazione con l’IA dà il meglio

L’automazione con l’IA è la scelta migliore quando il lavoro richiede di leggere, interpretare o decidere. Google Cloud descrive la distinzione in questo modo: RPA per attività ripetitive e prevedibili, come l’inserimento dei dati, e IA per attività complesse che richiedono comprensione e capacità decisionali, come i chatbot rivolti ai clienti.

La descrizione della differenza fornita da Microsoft è utile in questo contesto: l’RPA è guidato dai processi, mentre l’IA è guidata dai dati. Un agente di IA può interpretare contenuti non strutturati e adattarsi quando cambiano le condizioni.

L’IA è più adatta quando:

• L’input arriva in molte forme. Le fatture di centinaia di fornitori, ciascuna con un layout diverso, sono l’esempio tipico. La nostra guida all’ elaborazione dei documenti con l’IA approfondisce costi e architettura.
• L’attività consiste nella classificazione o nella gestione preliminare. Instradare i ticket di supporto, ordinare le e-mail in arrivo, segnalare i contratti insoliti.
• Le eccezioni sono la norma. Se un flusso basato su regole richiederebbe centinaia di diramazioni per gestire i casi limite, un modello potrebbe gestirli in modo più efficace.
• Le persone hanno bisogno di risposte basate sulle conoscenze aziendali. Rientrano in questa categoria gli assistenti interni che cercano informazioni in policy, contratti o progetti passati.

Il costo della flessibilità

L’IA non offre flessibilità gratuitamente. TechTarget osserva che l’IA è più complessa e costosa da implementare rispetto all’RPA, perché richiede molti dati di addestramento e maggiore competenza per essere sviluppata, distribuita e mantenuta. Inoltre, presenta modalità di errore diverse. Un passaggio basato sull’IA può restituire qualcosa di errato che sembra corretto e, se nessuno lo verifica, l’errore prosegue a valle nei sistemi. Per questo, una buona progettazione prevede convalide e revisioni umane nei punti in cui una risposta errata avrebbe un costo elevato. Il nostro approfondimento su perché le implementazioni di agenti di IA aziendali non raggiungono i risultati attesi analizza cosa accade quando queste misure di sicurezza vengono omesse.

Quando combinarli

Presentare la questione come automazione con l’IA o RPA nasconde la risposta più comune, ovvero entrambe. Nel settore, la combinazione è chiamata automazione intelligente e la logica è semplice. L’IA gestisce la parte del processo che è ambigua. L’RPA gestisce la parte che deve essere eseguita con precisione.

TechTarget offre un esempio chiaro tratto dall’elaborazione delle fatture: l’IA può identificare le email contenenti fatture e indirizzarle ai bot RPA. Ecco come si svolge il processo tipico della contabilità fornitori:

1. Arriva un’email con una fattura allegata in un formato imprevedibile.
2. L’IA legge il documento, estrae il fornitore, l’importo, la data di scadenza e le voci, segnalando tutto ciò di cui non è certa.
3. Le regole di convalida verificano i risultati confrontandoli con gli ordini di acquisto e le anagrafiche dei fornitori.
4. Gli elementi con un basso livello di affidabilità vengono sottoposti a una persona. Gli elementi corretti proseguono.
5. Un bot RPA o un’integrazione registra i dati nel sistema contabile, sempre allo stesso modo.

Microsoft descrive il rapporto come complementare: gli agenti ragionano e decidono, mentre l’RPA è il livello esecutivo che svolge ogni attività sempre allo stesso modo. Se desiderate vedere come i team considerano l’aspetto della produttività nell’abbinamento tra agenti capaci di ragionare ed esecuzione coerente, questa panoramica sugli agenti IA e i risultati in termini di produttività è una lettura complementare consigliata.

Il principio progettuale che rende efficace la combinazione è il seguente: usate l’IA quando l’input non è strutturato, convertite il suo output in dati strutturati, convalidatelo e solo dopo consentite alle fasi deterministiche di agire su di esso. Se saltate la convalida, avrete collegato direttamente una fase probabilistica al vostro libro mastro.

Un framework decisionale in cinque domande

Sottoponete ogni processo candidato a queste domande. Valutatelo con onestà e, di solito, la risposta diventa evidente. TechTarget suggerisce ai leader di valutare la visibilità del processo end-to-end, i dati di addestramento disponibili, le competenze necessarie e i punti in cui è richiesta una decisione umana. Le domande seguenti trasformano questi aspetti in una checklist operativa.

1. Che aspetto ha l’input?

Strutturato e coerente: preferite l’RPA o un’integrazione. Testo libero, documenti, immagini o voce: preferite l’IA.

2. Quanto varia il processo?

Se il 95 percento dei casi segue lo stesso percorso, automatizzate quel percorso con regole e indirizzate il resto a una persona. Se ogni caso è leggermente diverso, le regole diventeranno una trappola di manutenzione e l’IA inizierà a valere il relativo costo.

3. Quanto costa una risposta errata?

Un ticket di assistenza indirizzato erroneamente è poco costoso da correggere. Un importo di pagamento errato o un’interpretazione sbagliata di una clausola di conformità, invece, non lo è. Maggiore è il costo, più avrete bisogno di un’esecuzione deterministica, della convalida e dell’approvazione umana. Questo non esclude l’IA. Indica dove inserire i punti di controllo.

4. Avete i dati e le persone necessarie?

L’IA ha bisogno di esempi, valutazioni e di qualcuno in grado di ottimizzarla e monitorarla. Se non avete né i dati né un responsabile, iniziate con un approccio più semplice e procedete gradualmente verso l’IA. Se non siete sicuri, un breve incarico di analisi preliminare costa meno di un progetto pilota fallito.

5. Con che cosa state effettuando l’integrazione?

Se il sistema dispone di un’API stabile, utilizzatela. Se non ne dispone e non potete ancora sostituirlo, l’RPA può colmare il divario. Se il sistema sta per essere dismesso, riflettete bene prima di investire molto in bot che dipendono dalle sue schermate.

Interpretare i punteggi

Vale la pena ricordare quest’ultima riga. Non tutti i processi meritano di essere automatizzati. Il nostro articolo su come bilanciare efficienza e giudizio umano spiega perché è importante scegliere con attenzione.

Costi e manutenzione: a cosa vi impegnate realmente

Di solito gli acquirenti confrontano i costi di sviluppo. Il confronto più utile è il costo totale lungo l’intero ciclo di vita del processo.

I costi dell’RPA si concentrano nella manutenzione dei bot. Ogni bot è legato all’interfaccia su cui opera, quindi le modifiche all’interfaccia richiedono interventi correttivi. Più applicazioni coinvolge un processo e minore è il controllo che avete su di esse, maggiore sarà la manutenzione da prevedere. La gestione delle eccezioni è l’altro aspetto nascosto: qualcuno deve essere responsabile di ciò che accade quando un bot si interrompe a metà esecuzione.

I costi dell’AI si concentrano all’inizio e nella supervisione. Si sostiene il costo della preparazione dei dati, della valutazione e dell’integrazione, quindi del monitoraggio della qualità nel tempo, poiché il comportamento del modello e i pattern degli input cambiano. Il vantaggio è che l’AI può gestire variazioni che altrimenti richiederebbero la riscrittura costante delle regole.

Due abitudini pratiche mantengono sostenibili i costi di entrambi gli approcci:

• Definite un responsabile per ogni automazione. I bot senza un responsabile e i flussi di lavoro di IA senza un responsabile si deteriorano allo stesso modo.
• Definite la gestione delle eccezioni prima del lancio. Decidete chi riceve la notifica, con quale rapidità e quale sia la soluzione di fallback. La nostra guida su come portare l’automazione con l’AI dai primi risultati alla scalabilità spiega come iniziare in piccolo senza precludersi le possibilità future.

Sistemi legacy, automazione assistita e non assistita

È nei sistemi legacy che l’RPA dimostra maggiormente il proprio valore. Quando un’applicazione datata non dispone di un’API e mancano ancora anni alla sua sostituzione, un bot che opera a livello di interfaccia può collegarla a tutto il resto. Il compromesso è che state costruendo su qualcosa di fragile: considerate quindi i bot un ponte, non una destinazione.

Qui sono importanti due modalità di implementazione:

• Automazione assistita opera insieme a una persona, sul suo desktop, e viene attivata da quest’ultima. È adatta alle attività in cui un dipendente rimane coinvolto, come nel caso di un operatore di call center che fa clic su un pulsante per compilare contemporaneamente diverse schermate.
• Automazione non assistita opera autonomamente, secondo una pianificazione o in risposta a un trigger, senza che nessuno controlli ogni esecuzione. È adatta alle attività di back office ad alto volume e rende essenziali il monitoraggio e la gestione delle eccezioni.

L’AI si adatta a entrambe le modalità. In un flusso assistito, un passaggio basato sull’AI può suggerire al dipendente l’azione successiva; in uno non assistito, può classificare e instradare le attività. Se state modernizzando contemporaneamente i sistemi sottostanti, spesso conviene sostituire gradualmente lo screen scraping con integrazioni appropriate. Si tratta di sviluppo software personalizzato, di cui parliamo nella sezione sviluppo software personalizzato.

Come possiamo aiutarvi

In Ridiculous Engineering, aiutiamo i responsabili delle operations e della tecnologia a capire quali processi meritano l’RPA, quali l’AI e quali richiedono una semplice integrazione. I nostri servizi di sviluppo e automazione dell’AI includono workspace AI personalizzati, assistenti interni per la conoscenza, automazione dei flussi di lavoro e le integrazioni che li collegano ai sistemi esistenti. Lavorerete direttamente con ingegneri senior, dalla fase di analisi fino al supporto a lungo termine. Il lavoro personalizzato viene definito in base alla vostra situazione e i prezzi sono disponibili su richiesta.

FAQ

L’RPA è un tipo di AI?

Non intrinsecamente. Tradizionalmente, l’RPA segue regole fisse invece di apprendere dai dati, secondo Google Cloud. Viene spesso combinata con l’AI per creare un’automazione intelligente e alcuni osservatori, come FINRA note, consideralo una forma rudimentale di IA se abbinato al machine learning.

L’automazione con l’IA sostituirà la RPA?

Per molte attività non strutturate, l’IA si occuperà di lavori che la RPA non avrebbe mai potuto gestire bene. Per passaggi fissi, ad alto volume e basati su regole, la RPA o un’integrazione diretta restano scelte sensate e più economiche. La maggior parte delle configurazioni mature utilizza entrambe, assegnando a ciascuna il ruolo più adatto.

Qual è più economica: la RPA o l’automazione con l’IA?

In genere, la RPA è più economica da implementare per le attività ripetibili, mentre l’IA richiede più dati e competenze per essere sviluppata e mantenuta. Nel tempo, il quadro dipende da quanto variano i tuoi input e dalla frequenza con cui cambiano i sistemi con cui interagiscono i tuoi bot. Per ottenere un importo specifico per il tuo processo, richiedi un preventivo.

Posso iniziare con la RPA e aggiungere l’IA in un secondo momento?

Sì, e spesso è un percorso valido. Progetta il bot in modo che il suo input provenga da un passaggio pulito e convalidato: in seguito potrai sostituire un’interfaccia manuale o basata su regole con un passaggio di IA senza ricostruire il livello di esecuzione. Documenta semplicemente la gestione delle eccezioni fin dall’inizio.

Fonti

• Che cos’è la robotic process automation (RPA)? | Google Cloud
• Che cos’è l’automazione con l’IA? | AWS
• Capire la differenza tra RPA e IA | TechTarget
• Panoramica della tecnologia dell’intelligenza artificiale | FINRA
• Che cos’è la RPA (Robotic Process Automation)? | Power Automate
• IA per le agenzie: ROI 3,2 volte superiore e concreti aumenti della produttività

Consigliati

• Automazione con l’IA: piccoli successi da sviluppare su scala
• Che cos’è l’automazione con l’IA? Una guida in linguaggio semplice per i responsabili operativi
• Capire l’IA: qual è la migliore strategia di integrazione per te?
• Elaborazione dei documenti con l’IA: costi, architettura e best practice