AUTOMAÇÃO INTELIGENTE DE PROCESSOS: A EVOLUÇÃO DO RPA

1

ALÉM DA ROBÓTICA PURA

A Automação Inteligente de Processos (IPA, na sigla em inglês) é, basicamente, a automação de processos robóticos (RPA) ativada por “tecnologias inteligentes”. A IPA, portanto, possibilita o progresso de soluções focadas em tarefas padrão e repetitivas, migrando para novos modelos baseados em uma abordagem de machine learning, permitindo que robôs de dados desenvolvam novas habilidades, façam julgamentos e forneçam feedback.

Isso ocorre, pois não existe um modelo de negócio padrão, repetitivo e sem exceções. Certas operações que são de natureza instantânea para um operador podem ser realizadas de forma eficiente por um aplicativo de software, apenas com o suporte de tecnologias de machine learning. Neste cenário, a automação inteligente de processos cobre um contínuo lógico e tecnológico baseado em múltiplos componentes de crescente impacto e complexidade.

Automação Robótica de Processos (RPA)

Substitui o papel do operador em tarefas repetitivas e baseadas em regras, reduzindo o tempo de execução e os custos. Nesses casos, a tecnologia executa e monitora apenas as atividades simples para as quais foi programada.

Automação Inteligente de Processos (IPA)

• Ferramentas de Machine learning (ferramentas de ML): algoritmos e soluções de machine learning pré-treinados para resolver um problema específico de tomada de decisão (por exemplo: reconhecer uma imagem). Estes podem ser ainda mais detalhistas, levando em consideração os dados no contexto específico da empresa.
• Plataformas de Machine Learning (Plataformas de ML): soluções altamente personalizadas, projetadas para abordar cenários específicos de tomada de decisão, exigindo o apoio de especialistas que implementam e treinam esses projetos a partir do zero, confiando em dados e sistemas específicos da organização.

É claro que a Automação Inteligente De Processos representa uma genuína mudança de paradigma em termos de gerenciamento, organização e implementação, a qual, com componentes de machine learning, é possível ir além do mero conceito de programação e realmente “treinar” a máquina. A máquina não dá retorno com base em regras e lógicas claramente definidas, mas segue um processo complexo de tomada de decisão, que é gerado automaticamente com base em dados históricos ou dados coletados em tempo real.

2

“Humanos x Robôs”

Os seres humanos continuam sendo os principais atores da organização e tornam-se cada vez mais críticos para operar as soluções de IPA, mas não ficam mais sobrecarregados com tarefas repetitivas e são capazes de otimizar seu tempo em benefício das atividades de valor agregado. Isso inclui interpretar os resultados produzidos pelo processo automatizado, intervir para lidar com exceções e treinar a “máquina” para tomar decisões que sejam consistentes com os desenvolvimentos no ambiente em questão. Isso reflete o paradigma " human in the loop", ou seja, situações baseadas na cooperação entre humano e máquina, nas quais o primeiro se beneficia das capacidades de processamento de dados da máquina, enquanto o último aprende de forma incremental a partir dos insights do humano. Existe, portanto, um risco de “viés de algoritmo”, na medida em que há uma transferência dos limites de tomada de decisão humana para as máquinas. Superar isso exige um investimento significativo em desenvolvimento de uma cultura analítica, que é pré-requisito para aumentar a disseminação e a eficácia das soluções envolvidas.