ការរួមបញ្ចូលគ្នារវាងស្វ័យប្រវត្តិកម្មដំណើរការដោយមនុស្សយន្ត (RPA) និងបញ្ញាសិប្បនិម្មិត (AI) កំពុងផ្លាស់ប្តូរយ៉ាងខ្លាំងនូវព្រំដែននៃស្វ័យប្រវត្តិកម្មសហគ្រាស។ ខណៈពេលដែលមនុស្សយន្តពីមុនត្រូវបានកំណត់ចំពោះកិច្ចការសាមញ្ញៗ និងដដែលៗ ឥឡូវនេះពួកវាកំពុងទទួលបានសមត្ថភាពយល់ដឹងដើម្បីបកស្រាយឯកសារដែលមិនមានរចនាសម្ព័ន្ធ ធ្វើការសម្រេចចិត្តឆ្លាតវៃ និងដោះស្រាយករណីលើកលែងស្មុគស្មាញនៅក្នុងដំណើរការសំខាន់ៗ ដូចជាដំណើរការ BPM ជាដើម។ លទ្ធផលគឺជាជំហានមួយក្នុងប្រសិទ្ធភាព និងភាពច្នៃប្រឌិត ដែលពង្រីកការយល់ដឹងនៃការផ្លាស់ប្តូរឌីជីថល។
ក្នុងរយៈពេលមួយទសវត្សរ៍កន្លងមកនេះ RPA បែបប្រពៃណីបានគ្របដណ្ដប់លើគម្រោងស្វ័យប្រវត្តិកម្មដោយធ្វើស្វ័យប្រវត្តិកម្មភារកិច្ចដដែលៗដែលមានមូលដ្ឋានលើច្បាប់ អនុវត្តនីតិវិធីដែលមានរចនាសម្ព័ន្ធដោយមិននឿយហត់ និងឥតខ្ចោះ។ ទោះជាយ៉ាងណាក៏ដោយ RPA ខ្លួនវាមានដែនកំណត់ - បច្ចេកវិទ្យាពឹងផ្អែកលើធាតុចូលដែលបានកំណត់យ៉ាងល្អ ហើយមិន "យល់" ព័ត៌មានពាក់កណ្តាលទម្រង់ ឬបរិបទទេ។
ការមកដល់នៃបញ្ញាសិប្បនិម្មិត (AI) បានផ្លាស់ប្តូរទេសភាពនេះ។ បញ្ញាសិប្បនិម្មិត (Cognitive RPA) (ឬ Intelligent Process Automation, IPA) គឺជាការវិវត្តន៍ឡូជីខលរបស់ RPA៖ តាមរយៈការរួមបញ្ចូលបញ្ញាសិប្បនិម្មិត (AI) និងក្បួនដោះស្រាយការរៀនរបស់ម៉ាស៊ីន មនុស្សយន្តកាន់តែឆ្លាតវៃ អាចសម្របខ្លួនបាន និងមានសមត្ថភាពរៀនសូត្រ។ ជំនួសឱ្យការធ្វើតាមច្បាប់ថេរ ពួកវាចាប់ផ្តើមបកស្រាយទិន្នន័យ កំណត់គំរូ និងធ្វើការសម្រេចចិត្តជាមូលដ្ឋាន។
នេះអនុញ្ញាតឱ្យមានស្វ័យប្រវត្តិកម្មថាមវន្តកាន់តែច្រើននៅក្នុងសេណារីយ៉ូដែលមានការផ្លាស់ប្តូរឥតឈប់ឈរ។ ទោះជាយ៉ាងណាក៏ដោយ វាជារឿងសំខាន់ក្នុងការបញ្ជាក់ថា AI តែម្នាក់ឯងមិនអាចដោះស្រាយករណីលើកលែងបានទេ ព្រោះការបកស្រាយខុសអាចកើតឡើង។ ចំពោះករណីទាំងនេះ វាមានសារៈសំខាន់ណាស់ក្នុងការរួមបញ្ចូលច្បាប់ដែលមានរចនាសម្ព័ន្ធ និងការប្រើប្រាស់ឧបករណ៍ដូចជា BPM (ការគ្រប់គ្រងដំណើរការអាជីវកម្ម) ដែលដឹកនាំសកម្មភាពសម្រាប់អន្តរាគមន៍របស់មនុស្សតាមរបៀបដែលមានរបៀបរៀបរយ ដោយធានាបាននូវការគ្រប់គ្រងដំណើរការសរុប សូម្បីតែនៅចំពោះមុខការបរាជ័យ ឬភាពមិនស៊ីសង្វាក់គ្នារបស់ AI ក៏ដោយ។
ទិន្នន័យគ្មានរចនាសម្ព័ន្ធ៖ ពីបញ្ហាប្រឈមទៅឱកាស
ប្រហែល 80% នៃទិន្នន័យសាជីវកម្មមិនមានរចនាសម្ព័ន្ធទេ - នេះរួមបញ្ចូលទាំងអត្ថបទធម្មតា រូបភាព ឯកសារ PDF ការថតសំឡេង អ៊ីមែល និងច្រើនទៀត។
ខ្លឹមសារប្រភេទនេះតែងតែជាបញ្ហាប្រឈមមួយ៖ កុំព្យូទ័របែបប្រពៃណីមិនងាយបកស្រាយវាបានទេ។ ការរួមបញ្ចូលគ្នារវាង RPA និង AI កំពុងដោះស្រាយល្បែងផ្គុំរូបនេះ។ តាមរយៈបច្ចេកទេសដំណើរការភាសាធម្មជាតិ (NLP) ឥឡូវនេះ bot យល់ និងទាញយកព័ត៌មានពីអត្ថបទ និងអ៊ីមែល។ ជាមួយនឹងចក្ខុវិស័យកុំព្យូទ័រ និងក្បួនដោះស្រាយ OCR ពួកគេអាច "អាន" ឯកសារដែលបានស្កេន PDF និងសូម្បីតែរូបភាព ដោយបំលែងវាទៅជាទិន្នន័យដែលអាចប្រើប្រាស់បាន។
លើសពីនេះ គំរូព្យាករណ៍ និងការរៀនម៉ាស៊ីនអនុញ្ញាតឱ្យប្រព័ន្ធស្វ័យប្រវត្តិធ្វើការសម្រេចចិត្តដោយផ្អែកលើទិន្នន័យ - ឧទាហរណ៍ ការចាត់ថ្នាក់ប្រធានបទនៃអ៊ីមែល និងបញ្ជូនវាបន្តទៅកាន់គោលដៅត្រឹមត្រូវ ឬការអនុម័តប្រតិបត្តិការដោយផ្អែកលើច្បាប់ឆ្លាតវៃ។
ផលប៉ះពាល់ជាក់ស្តែងគឺធំធេងណាស់។ ដំណើរការដែលធ្លាប់តែធ្វើដោយដៃ និងចំណាយពេលច្រើនឥឡូវនេះអាចត្រូវបានធ្វើដោយស្វ័យប្រវត្តិពីដើមដល់ចប់។ ឧទាហរណ៍ទូទៅមួយគឺការទាញយកព័ត៌មានពីទម្រង់បែបបទ និងវិក្កយបត្រ៖ ឧបករណ៍ដំណើរការឯកសារឆ្លាតវៃប្រើ AI ដើម្បីអានវាលនៅក្នុង PDF ឬរូបភាព ហើយ RPA បញ្ចូលទិន្នន័យនេះទៅក្នុងប្រព័ន្ធផ្ទៃក្នុងដោយមិនចាំបាច់មានអន្តរាគមន៍ពីមនុស្ស។ ស្រដៀងគ្នានេះដែរ អ៊ីមែលអាចត្រូវបានអានដោយ AI ដែលកំណត់អត្តសញ្ញាណចេតនា ភាសា ឬអារម្មណ៍ ហើយអាចបង្កឱ្យមានសកម្មភាពស្វ័យប្រវត្តិតាមរយៈ RPA។ ការរួមបញ្ចូលគ្នានេះលុបបំបាត់ការងារឡើងវិញ កាត់បន្ថយកំហុស និងបង្កើនល្បឿនវដ្តប្រតិបត្តិការ។ តាមពិតទៅ ដោយការបញ្ចូលគ្នារវាង RPA និង AI ក្រុមហ៊ុនរាយការណ៍ពីការថយចុះរហូតដល់ 85% នៃពេលវេលាដំណើរការនៃដំណើរការមួយចំនួន ដែលបង្កើនសមត្ថភាពប្រតិបត្តិការបួនដងដោយមិនបង្កើនក្រុម។ ទិន្នន័យដែលមិនមានរចនាសម្ព័ន្ធលែងជាទឹកដីហាមឃាត់សម្រាប់ស្វ័យប្រវត្តិកម្មទៀតហើយ - សព្វថ្ងៃនេះវាត្រូវបានគេមើលឃើញថាជាកំណប់ទ្រព្យដែលត្រូវរុករក ជាមួយនឹងឧបករណ៍ត្រឹមត្រូវ។
និន្នាការបច្ចេកវិទ្យា
ការបញ្ចូលគ្នារវាង RPA និង AI គឺជាផ្នែកមួយនៃនិន្នាការធំជាង ដែលជារឿយៗត្រូវបានគេហៅថា hyperautomation។ វិធីសាស្រ្តនេះ ដែលត្រូវបានគូសបញ្ជាក់ដោយ Gartner ថាជានិន្នាការបច្ចេកវិទ្យាកំពូលមួយក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ ស្វែងរកការធ្វើស្វ័យប្រវត្តិកម្មអ្វីៗគ្រប់យ៉ាងដែលអាចធ្វើទៅបាននៅក្នុងអង្គការមួយ។
ដើម្បីសម្រេចបាននូវគោលដៅនេះ RPA, AI/ML, process mining, វេទិកាលំហូរការងារឆ្លាតវៃ និងឧបករណ៍ជាច្រើនទៀតត្រូវបានបញ្ចូលគ្នាទៅជាបំពង់ស្វ័យប្រវត្តិកម្មរួមបញ្ចូលគ្នា។ Hyperautomation មានគោលបំណងកំណត់អត្តសញ្ញាណ និងធ្វើស្វ័យប្រវត្តិកម្មដំណើរការពីដើមដល់ចប់យ៉ាងឆាប់រហ័ស ដោយលើសពីស្វ័យប្រវត្តិកម្មនៃកិច្ចការដាច់ដោយឡែក។
ដូច្នេះ ក្រុមហ៊ុនឈានមុខគេកំពុងវិនិយោគរួចហើយលើប្រព័ន្ធអេកូឡូស៊ីស្វ័យប្រវត្តិកម្មពេញលេញ ដែលយន្តការឆ្លាតវៃមួយទាញយកព័ត៌មានពីឯកសារ ឬទិន្នន័យធំៗ ហើយជំរុញឲ្យមនុស្សយន្តអនុវត្តសកម្មភាពជាបន្តបន្ទាប់តាមរបៀបដែលរៀបចំឡើង។ យោងតាមការប៉ាន់ប្រមាណរបស់ឧស្សាហកម្ម ចលនានេះបានបង្កើតលទ្ធផលគួរឲ្យកត់សម្គាល់ក្នុងការកាត់បន្ថយថ្លៃដើម និងបង្កើនផលិតភាព។
និន្នាការមួយទៀតគឺការដាក់បញ្ចូល Generative AI ទៅក្នុងវេទិកាស្វ័យប្រវត្តិកម្ម។ បច្ចេកវិទ្យាដូចជាគំរូភាសាកម្រិតខ្ពស់អនុញ្ញាតឱ្យមនុស្សយន្តដោះស្រាយសកម្មភាពកាន់តែស្មុគស្មាញ - ការបង្កើតអត្ថបទ ការសង្ខេបឯកសារវែងៗ ការដកស្រង់បរិបទពីការសន្ទនា និងសូម្បីតែការសរសេរកូដដើម្បីធ្វើស្វ័យប្រវត្តិកម្មភារកិច្ចថ្មីៗ។
សហជីវភាពរវាង RPA និងបញ្ញាសិប្បនិម្មិតបង្កើតថ្មីនេះចង្អុលបង្ហាញពីអនាគតមួយដែលលំហូរការងាររបស់សាជីវកម្មភាគច្រើនអាចត្រូវបានគ្រប់គ្រងដោយខ្លួនឯងដោយប្រព័ន្ធឆ្លាតវៃ ជាមួយនឹងការជ្រៀតជ្រែករបស់មនុស្សតិចតួចបំផុតនៅក្នុងសកម្មភាពប្រតិបត្តិការ។ ពីទស្សនៈទីផ្សារ និងការវិនិយោគ សូចនាករឆ្លុះបញ្ចាំងពីទំហំនៃការរួមបញ្ចូលគ្នានេះ។ ការប៉ាន់ប្រមាណសកលព្យាករថាទីផ្សារស្វ័យប្រវត្តិកម្មការយល់ដឹងនឹងឈានដល់ 53 ពាន់លានដុល្លារអាមេរិកនៅឆ្នាំ 2032។ ទីផ្សារ RPA ជាក់លាក់ ដែលពីមុនត្រូវបានកំណត់ចំពោះលំហូរដោយផ្អែកលើច្បាប់ថេរ កំពុងផ្លាស់ប្តូរ ហើយគួរតែឈានដល់ 15 ពាន់លានដុល្លារអាមេរិកនៅឆ្នាំ 2029 ដែលជំរុញជាចម្បងដោយការបញ្ចូលបញ្ញាទៅក្នុងមនុស្សយន្ត។
យុទ្ធសាស្ត្រ បញ្ហាប្រឈម និងជំហានបន្ទាប់
ការរួមបញ្ចូលគ្នានៃបច្ចេកវិទ្យាទាំងនេះនាំមកនូវឱកាស ប៉ុន្តែក៏ទាមទារឱ្យមានចក្ខុវិស័យយុទ្ធសាស្ត្រច្បាស់លាស់ផងដែរ។ បញ្ហាប្រឈមដ៏ធំបំផុតមួយគឺការធានាគុណភាពនៃទិន្នន័យដែលត្រូវការដើម្បីបណ្តុះបណ្តាលគំរូឆ្លាតវៃ។
ដោយសារតែគំរូទាំងនេះពឹងផ្អែកដោយផ្ទាល់ទៅលើគុណភាពនៃព័ត៌មានដែលប្រើក្នុងការបណ្តុះបណ្តាល ភាពមិនស៊ីសង្វាក់គ្នា ឬទិន្នន័យមិនត្រឹមត្រូវណាមួយអាចធ្វើឱ្យប៉ះពាល់ដល់លទ្ធផលនៃស្វ័យប្រវត្តិកម្មយ៉ាងខ្លាំង។ ក្រុមហ៊ុននានាត្រូវការវិនិយោគមិនត្រឹមតែលើបច្ចេកវិទ្យាទំនើបប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងលើយុទ្ធសាស្ត្រគ្រប់គ្រងទិន្នន័យ និងសុពលភាពយ៉ាងម៉ត់ចត់ផងដែរ ដោយធានាបាននូវភាពត្រឹមត្រូវ ភាពស៊ីសង្វាក់គ្នា និងការធ្វើបច្ចុប្បន្នភាពជាប្រចាំ។
បញ្ហាប្រឈមមួយទៀតពាក់ព័ន្ធនឹងការតម្រឹមដំណោះស្រាយស្វ័យប្រវត្តិថ្មីៗជាមួយនឹងស្ថាបត្យកម្មបច្ចេកវិទ្យាដែលមានស្រាប់ ដែលជារឿយៗមានភាពខុសប្លែកគ្នា និងផ្សំឡើងដោយប្រព័ន្ធចាស់ៗដែលពិបាកក្នុងការធ្វើសមាហរណកម្ម។ សេណារីយ៉ូនេះបង្កើតភាពស្មុគស្មាញបន្ថែម ដែលទាមទារឱ្យក្រុមបច្ចេកទេសរៀបចំផែនការលម្អិត ដើម្បីជៀសវាងភាពមិនឆបគ្នា ឬការបរាជ័យក្នុងប្រតិបត្តិការ។
លើសពីនេះ ការវាស់វែងឱ្យបានត្រឹមត្រូវនូវអត្រាផលចំណេញលើការវិនិយោគ (ROI) នៃគំនិតផ្តួចផ្តើមយល់ដឹងទាំងនេះក៏ស្មុគស្មាញផងដែរ ព្រោះអត្ថប្រយោជន៍ច្រើនតែលើសពីការសន្សំសំចៃធនធានសាមញ្ញ ដែលប៉ះពាល់ដល់វិស័យជាយុទ្ធសាស្ត្រដូចជាការពេញចិត្តរបស់អតិថិជន ប្រសិទ្ធភាពប្រតិបត្តិការ និងសមត្ថភាពផ្ទាល់ខ្លួនរបស់ក្រុមហ៊ុនសម្រាប់ការច្នៃប្រឌិត។
សម្រាប់ថ្នាក់ដឹកនាំ ឥឡូវនេះជាពេលវេលាហើយ៖ វាយតម្លៃដំណើរការ វិនិយោគលើគម្រោងសាកល្បង រៀនពីលទ្ធផល និង ធ្វើមាត្រដ្ឋានស្វ័យប្រវត្តិកម្មឆ្លាតវៃ ដោយមានការទទួលខុសត្រូវ។ ស្វ័យប្រវត្តិកម្មនៃការយល់ដឹង កំពុងដំណើរការរួចហើយ ដោយពង្រីកព្រំដែននៃអ្វីដែលអាចធ្វើទៅបាន - ហើយអ្នកដែលឈានទៅមុខប្រាកដជានឹងទទួលបានផលចំណេញពីការពិតបច្ចេកវិទ្យាថ្មីនេះ។
