Opas älykkään automaation maailmaan

Robotiikkan alalla termistöä riittää ja konkretiaa hypetettyjen otsikoiden alta on usein vaikea hahmottaa. Älykäs prosessiautomaatio, englanniksi Intelligent Process Automation ja tuttavallisesti IPA, on noussut uutena terminä mukaan keskusteluun. Mistä tässä on oikeastaan kyse? Ja miksi asiaan kannattaa tutustua?

Mitä se IPA sitten tarkoittaa?

IPA viittaa automaatioratkaisuun, jossa hyödynnetty teknologia on älykästä – ainakin joltakin osin. Ei ole yhdenlaista IPA:a vaan ratkaisu räätälöidään asiakkaan tarpeeseen sopivaksi työkaluilla, jotka parhaiten tarkoitukseen sopivat. Ratkaisussa hyödynnetyt teknologiat voivat olla mm. ohjelmistorobotiikkaa, chatbotteja, kuvantunnistusta tai koneoppimista. IPA on siis sateenvarjonimi joukolle teknologioita, joita yhteen sovittamalla voidaan nopeuttaa ja parantaa prosessien toimivuutta.

IPA virtuaalisen työnteon jatkumona

On järkevää tarkastella yrityksen siirtymää digitaalisen työvoiman käyttöön jatkumona, jossa liikkeelle lähdetään yksinkertaisista toistuvaisluontoisista ja helposti määritettävissä olevista tehtävistä. Näitä tietotyön rutiineja automatisoidaan kustannustehokkaasti ohjemistorobotiikalla (RPA, Robotic Process Automation), jossa jokainen robotin toiminto on määritetty etukäteen ’jos tämä niin tuo’- periaattella. RPA sopii parhaiten tilanteeseen, jossa vaiheet toistuvat ennakoitavasti ja volyymit ovat suuria – tällöin myös kustannussäästöt ja toiminnan laatu kasvavat kohisten! Ennalta määriteltyihin sääntöhin perustuvaa RPA:ta ei kuitenkaan kannata käyttää tilanteissa, joissa on hyvin paljon erilaisia poikkeuksia.

Jatkumon seuraavassa vaiheessa siirrytään hyödyntämään älykkäitä digityöntekijöitä, jotka pureutuvat tulkinnallisempaa käsittelyä vaativiin tehtäviin. Vaiheen hahmottamisen kannalta on hyödyllistä tarkastella perinteisen RPA:n poikkeustilannetta, jossa joukko ei säännönmukaisia vastauksia siirtyy takaisin ihmistyöntekijän käsiteltäväksi. Käytännössä tälläinen poikkeustilanne voi syntyä esimerkiksi siitä, että jotakin tietoa kirjataan järjestelmän vapaaseen kenttään erilaisissa muodoissa. Kun ohjelmistorobotti käsittelee tietoja se tunnistaa vain sille etukäteen määritetyt muodot ja tästä poikkeavat syötöt siirtyvät virheisiin. Tilanteessa ratkasun voisi tarjota koneoppimista hyödyntävä digityöntekijä, joka kykenisi tunnistamaan toisistaan poikkeavat muodot merkitykseltään samaksi. Mikäli älykäs digityöntekijä toimitetaan pilvipalveluna, mahdollistaa tämä myös joustavan palvelutason, jolloin lisäkapasiteettiä ja eri kyvykkyyksiä voidaan ottaa käyttöön tarpeen mukaan.

Keinoäly (Artificial Intelligence) puolestaan viittaa kokonaan autonomisiin järjestelmiin, jotka kykenevät vuorovaikutukseen ympäristönsä kanssa kaikissa tilanteessa ja voivat saavuttaa päämääränsä itsenäisesti. Kuvatun kaltaista teknologiaa edustavat nykyisin mm. IBM:n Watson ja Googlen Alice. Tietokoneiden kyvykkyyksien kasvaessa on entistä helpompi tunnistaa, mitä toimintoja ei voida pitää tekoälyn piiriin kuuluvina, silti todellisen tekoälyn määrittäminen on edelleen vaikeaa. Esimerkiksi kuvantunnistusta pidettiin aiemmin tekoälyn eräänä muotona, kun se nykyisin nähdään rutiiniteknologiana.

Miksi kokonaisuuden hahmottaminen on niin tärkeää?

Digitaalisen työvoimaan siirtymistä koskettava keskustelu on usein valitettavan ylätasoista ja jättää epäselväksi käytännön sovelluskohteet. Hypen innostamana on helppo lähteä tekemään asioita, jotka kuulostavat hienoilta mutta eivät kohtaa käytännön tarpeita – eivät ainakaan kustannustehokkaasti tai odotusten mukaisesti. Toisaalta, koska muutos kaikilla aloilla vain kiihtyy ja koska digityövoimalla saavutetut kilpailuedut ovat ennennäkemättömän suuria ei junasta sovi jäädä jälkeen!

Virtuaalisen työvoiman hyödyntämiseen tulee kuitenkin aina lähteä tarve edellä, niin että teknologian valinta tehdään sovelluskohteen ehdoilla. Paras tulos saavutetaan kun kiivetään juuresta latvaan: mallinnetaan liiketoiminnan prosessit muotoon, jota robotit voivat hyödyntää ja liikutaan yksinkertaisesta automaatiosta kohti ylemmän tason ratkaisuja siellä missä tarve voidaan selvästi tunnistaa. Älykkään automaation toteutus lähtee oikeaoppisesti liikkeelle kohteiden tunnistamisesta ja priorisoinnista. IPA-jatkumo kuvaa juuri tätä ajattelua.