De werelden van Robotic Process Automation (RPA) en Artificial Intelligence (AI) kruisen elkaar vaak, wat leidt tot verwarring over waar het ene eindigt en het andere begint.
Hoewel beide technologieën het potentieel hebben om activiteiten te stroomlijnen en betere ervaringen voor zowel klanten als werknemers te ondersteunen, hebben deze twee technologieën verschillende sterke punten en toepassingen. RPA blinkt uit in het automatiseren van regelgebaseerde taken, terwijl AI de kracht van leren en besluitvorming inbrengt. Laten we eens duiken in de belangrijkste verschillen tussen RPA en AI.
Wat is het verschil tussen AI en RPA?
Hoewel RPA en AI beide dienen om taken te automatiseren, zijn hun onderliggende mechanismen fundamenteel verschillend. RPA kan het best worden gezien als een op regels gebaseerd werkpaard. Het blinkt uit in het uitvoeren van repetitieve, gestructureerde taken met duidelijke instructies. Zie het als een ijverige werker die nauwgezet een checklist volgt. RPA gedijt goed bij taken als gegevensinvoer, het overbrengen van bestanden en het invullen van formulieren binnen bestaande systemen. Het mist echter het vermogen om zelfstandig te leren of adaptieve beslissingen te nemen.
Kunstmatige intelligentie, of AI, is daarentegen ontworpen om meer te leren en te denken als een mens. In tegenstelling tot RPA, technieken zoals machine learning om patronen te vinden in gegevens, is AI in staat om zijn prestaties en besluitvorming in de loop van de tijd te verbeteren.
Ondertussen stelt Natural Language Processing (NLP) AI in staat om menselijke taal te begrijpen en ermee te communiceren, waardoor geavanceerde chatbots, voicebots en virtuele assistenten kunnen worden gemaakt. Uiteindelijk is AI in staat om complexere taken uit te voeren dan RPA, inclusief taken die een zekere mate van beoordeling en interpretatie vereisen.
Om een beter idee te krijgen van hoe deze verschillende technologieën er in de praktijk uitzien, gaan we wat dieper in op de verschillen tussen RPA en de huidige AI.
RPA, de “regelvolger”, gebruikt gestructureerde invoer en gedefinieerde logica
RPA is een algemene term voor elke vorm van procesautomatisering waarbij een stuk software de repetitieve handelingen van een menselijke gebruiker nabootst. Het wordt meestal gebruikt om de klikken van een menselijke gebruiker na te bootsen om acties uit te voeren, zoals het invoeren van gegevens op een gebruikersinterface, het invullen van formulieren, het activeren van acties op een scherm, het uploaden van bestanden naar een ERP-systeem (Enterprise Resource Planning) en nog veel meer. RPA is voorgeprogrammeerd, wat betekent dat deze systemen geen inherent vermogen hebben om te leren van hun acties of omgeving.
Een voorbeeld van een uitstekende kandidaat voor RPA is onkostenverwerking. Hoewel het meestal door één afdeling wordt afgehandeld, wordt elke onkostendeclaratie in meerdere stappen verwerkt. Een typisch uitgavenproces ziet er als volgt uit: een bijlage ophalen uit een e-mail of informatie uit een app, de uitgaven categoriseren, de factuur naar de juiste persoon sturen voor goedkeuring en tot slot de informatie uploaden naar een financieel systeem voor uitbetaling. Al deze stappen kunnen zeer effectief worden uitgevoerd door RPA-gestuurde software.
Gespreks-AI en NLP gebruiken een combinatie van regels en waarschijnlijkheid
Kunstmatige intelligentie verwijst meestal naar software die kan leren van de gegevens die het verwerkt. Machine learning (afgekort ML) is een belangrijk onderdeel van moderne AI-systemen, waarmee AI-entiteiten patronen uit gegevens kunnen halen en leren.
Afhankelijk van het type gegevens kan een algoritme voor machinaal leren leren uit ervaring, vooral in gecontroleerde omgevingen waar de regels goed gedefinieerd zijn. Veel van de meest geavanceerde ML-toepassingen van vandaag hebben bijvoorbeeld naar deze modellen gekeken, zoals Google DeepMind’s AlphaZero, die al snel uitblonk in het spelen van tafelspellen zoals schaken, go en shogi. Andere toepassingen blinken uit in het leren van expliciet gedefinieerde labels die meestal door een mens zijn ingesteld, zoals fraudedetectie, of identificeren en omlijnen simpelweg patronen, bijvoorbeeld het vinden van overeenkomsten in gegevens.
Wat is natuurlijke taalverwerking?
Natural Language Processing (NLP) is een deelgebied van machinaal leren dat zich bezighoudt met het uitvoeren van taalgerelateerde taken zoals vertalen, begrijpen, samenvatten of het begrijpen van stukken tekst. De meest gebruikte taalmodellen, een breed veld op zich, voeren begripstaken uit en worden voornamelijk gebruikt in chatbots, automatische vertalingen en sentimentanalyses.
NLP kan zinnen en zinsdelen analyseren om de onderliggende bedoeling van de gebruiker te bepalen. De zin “Ik wil een vlucht boeken” geeft bijvoorbeeld een intentie aan die te maken heeft met reisarrangementen.
Een NLP-model wordt expliciet getraind door mensen die beslissen welke intenties door het model moeten worden geleerd. Dit staat bekend als gesuperviseerd leren. Intenties worden getraind door het model voorbeelduitingen te laten zien, dat zijn voorbeeldzinnen voor een intentie. Enkele voorbeelden van uitingen zijn “Ik moet mijn rekening betalen”, “Rekening betalen” en “Hoe betaal ik mijn rekening”. Alle bovengenoemde uitingen zouden worden getraind voor de intentie “rekening betalen”.
Het model vat deze voorbeelden vervolgens samen in een machinale representatie die betekenis geeft aan deze zinnen. Deze voorstelling staat bekend als “vectorruimte”.
Wanneer een nieuwe zin met een vergelijkbare betekenis voorbij komt, bijvoorbeeld “Hoeveel is mijn factuur, ik wil het betalen”, zoekt het model de dichtstbijzijnde overeenkomst in de vectorruimte en kent dan een waarschijnlijkheid toe voor hoe goed de ingevoerde zin overeenkomt met de bedoeling. De genoemde zin kan overeenkomen met de intentie “rekening betalen” met een waarschijnlijkheid van 0,92, wat betekent dat het een 92% overeenkomst is.
Als de waarde boven een ingestelde drempel ligt, zal de chatbot de actie of reactie activeren die bij de gekozen intentie hoort. Als er meerdere overeenkomsten worden gevonden, wordt de overeenkomst met de hoogste waarschijnlijkheid gekozen. Als de overeenkomst onder de drempel ligt, kan de chatbot weigeren te antwoorden. Alle reacties en acties voor elke intentie zijn vooraf toegewezen door menselijke gespreksontwerpers.
NLP, dat ten grondslag ligt aan de nieuwste conversationele AI en de meest geavanceerde chatbots, is uiteindelijk aanzienlijk krachtiger dan RPA. Het gebruik van deze beide op automatisering gerichte technologieën biedt echter aanzienlijke voordelen voor hedendaagse organisaties. De juiste combinatie van RPA en NLP stelt een bedrijf in staat om de verscheidenheid en complexiteit uit te breiden van de transactionele journeys waaraan ze hun klanten via conversatiekanalen blootstellen.
Wilt u de kracht van zowel AI als RPA naar uw contactcentrum brengen? Boek een demo om zelf te zien hoe tools voor workforce management van contactcenters met AI u kunnen helpen uw potentieel te maximaliseren.
