RPA和IPA有什麼區別

智能流程自動化愈來愈被視爲對機器人流程自動化的補充，它經過AI技術擴展了機器人流程自動化的範圍。CIO和企業IT負責人應將這兩種自動化技術之間的一些重要區別視爲其技術路線圖的一部分。

RPA和IPA

與RPA相比，IPA的工做範圍更大-它能夠處理更多類型的數據格式，並有望實現新型的更智能的決策。要想從IPA戰略中得到最佳結果，就須要IT和數據科學團隊進行比RPA更深刻的協做。

Cognizant智能過程自動化的全球市場領導者Banwari Agarwal說：「 RPA本質上是純機器人，不須要智能便可操做。」 所以，對於定義良好，基於規則的流程而言，這是一項很好的技術。

相反，IPA用於受益於AI功能的更復雜的流程。這涉及將智能數據輸入，天然語言處理，機器學習和運營分析與RPA相結合。RPA和IPA在不一樣類型的狀況下都頗有價值。

從RPA開始，以簡化操做

RPA平臺的主要吸引力在於它們易於使用且不須要深厚的技術技能。許多RPA技術能夠用低碼或無碼實現。可是，RPA項目的最終價值和成果有限。

IPA的開發和實施要複雜得多。該技術須要數據提取和分類，機器學習和AI來促進決策。使用IPA的企業將須要手頭的專家，他們須要對該領域不斷增加的工具和功能有深刻的瞭解。

用戶的技術技能要求是IT主管應預先意識到的關鍵區別。RPA所需的技術技能從基礎到成熟，而IPA所需的技術技能從成熟到高級。毫無疑問，因爲這種易用性，RPA具備更大的吸引力。「有更多的進程與RPA被自動比IPA，」他說。

可是，與RPA相關的過程效率不如IPA實現的潛在效率高。在RPA部署中，企業除了在RPA工具處理的基於規則的處理以外，還在數據提取和決策中發揮重要做用。相反，IPA有望在下降人工成本方面帶來更大的價值，由於它可使不少人的決策自動化。

輔助技術能夠幫助公司從RPA遷移到IPA部署，包括流程挖掘和優化，智能輸入工具，機器學習，AI和運營分析平臺。

IPA是RPA向AI過渡階段

向IPA的過渡是一個連續的過程，而RPA是AI，機器學習和分析的基礎，IPA爲業務流程的自動化帶來了優點。「沒有RPA的基礎，就不可能擁有IPA。」

薩曼特（Samant）認爲此頻譜具備三個關鍵階段。愈來愈多的企業正在建立數字化員工隊伍，並使定義很是明確的業務流程自動化。在下一級別，機器學習能夠幫助系統理解和實施決策。第三級是AI，機器能夠開始作出一般由人類作出的決策。

前兩個階段更多地是過程驅動的-它們是關於自動化很是明確和肯定性的過程。在第三階段，機器學習和AI使機器人可以處理更多不肯定的行爲。薩曼特說，這是要從讓機器思考任務開始，再到讓機器思考過程。  

支持半結構化數據

IT諮詢機構Protiviti的內部審計和財務諮詢業務董事總經理Angelo Poulikakos表示，IPA旨在將RPA與諸如光學字符識別，天然語言處理，數據分析和聊天交互之類的互補技術相結合，從而將機器人帶入生活。這些功能擴展了機器人的工做範圍，使其可以讀取非結構化數據，解釋人類語音，關注趨勢並預測結果。

Poulikakos贊成，大多數組織一般在開始面向IPA的用例以前先從RPA開始。例如，Protiviti已幫助多個客戶構建了RPA機械手，該RPA機械手根據定義明確的訪問請求表和批准工做流自動設置或取消對系統的訪問。一般使用複選框和下拉菜單之類的東西來指定這些工做流，以識別用戶，訪問級別和當前狀態。

RPA機械手在環境中穩定以後，能夠經過IPA對其進行擴展，以便聊天機器人能夠簡化訪問的預配置或預配置。聊天機器人能夠解釋用戶的意圖，以驅動可能還沒有闡明的動做。例如，若是有人說「瑪麗離開了組織。請刪除她的訪問權限」，則該機器人將收集輸入並隨後觸發RPA機器人，該機器人將啓動批准工做流程並執行已定義的操做。同時，它將保存對話歷史記錄以用做審覈跟蹤。

具備學習功能

醫療收入週期自動化平臺Recondo Technology的首席技術官Eldon Richards說，RPA和IPA之間的主要區別之一是IPA的經驗學習能力。當流程或用於支持流程的數據中存在高度可變性時，此技能最爲重要。使用RPA，實現者必須提早處理編程算法或規則中的可變性。使用IPA，有時能夠從經驗中自動學習處理可變性。

在實踐中，有兩種主要方法能夠解決這些差別。首先，IPA可用於自動化某些流程，而這些流程對於RPA工具而言過於費力。當存在大量邊緣狀況時（例如，當發生意外狀況，例如信息丟失或不許確或數量超過典型閾值時），實施RPA須要開發邏輯來處理每一個狀況。若是能夠從經驗豐富的執行者那裏學習到IPA，則IPA在這種狀況下可能會有用，只要IPA工具能夠觀察到足夠的邊緣狀況便可。

其次，當須要更高層次的認知來作出決策時，可使用IPA。例如，若是歸檔基於諸如發件人，主題行中找到的關鍵字或電子郵件是否具備附件之類的屬性，則RPA能夠有效地歸檔電子郵件。相比之下，IPA將監視人類將哪些電子郵件放入垃圾郵件文件夾，以及哪些電子郵件會當即獲得答覆。理查茲說，這將使它作出更復雜的決定。

RPA和IPA須要合做

IPA項目還可能影響工做場所的收益，例如促進數據科學團隊與業務線專業人員之間的協做，這些業務線專業人員具備有關基於文檔的自動化業務流程的必要主題專業知識。IPA非結構化內容平臺Indico的首席執行官Tom Wilde表示，這將致使更好的實施和其餘高價值用例的識別。

在RPA上添加一層智能能夠對流程產生變革性影響，以及組織協做尋找更好的反饋環來訓練AI模型時，也能夠產生變革性的影響。抵押貸款自動化平臺AI Foundry的產品管理總監Arvind Jagannath表示：「這些機器人忽然能夠應對高價值的決策任務以及重複的任務。」

當業務用戶和數據科學家能夠識別出用於持續培訓的數據集時，能夠改進驅動RPA決策的AI模型。這可能包括評估不一樣時間範圍內模型的性能。較短的時間範圍能夠查看人類專家批准或拒絕的貸款-較長的時間範圍能夠考慮人類專家批准但後來拖欠的哪些貸款以進一步完善模型。Jagannath說：「有了更多的數據，用於決策的模型將變得更加準確和可靠。」