正如行业专家所指出的那样，有一些方法可以克服这些缺点。克服机器人流程自动化(RPA)内容处理缺陷的一种方法是通过结合其他智能技术并将其集成到系统中。
Cognizant公司智能自动化与技术高级总监Gopal Ramasubramanian解释说，“机器人流程自动化(RPA)技术主要用于自动化基于规则的流程和模仿人工操作，例如处理发票并将数据从Microsoft Excel电子表格输入到SAP或Oracle系统中。但是，在处理文档中的内容时，需要结合光学字符识别(OCR)、自然语言处理(NLP)和机器学习(ML)的其他智能录入技术，以便能够从文档中提取元数据，文档并自动处理。
其内容可以是不同类型的，例如结构化/打印、结构化/手写、非结构化/打印以及非结构化/手写的内容。使用标准光学字符识别(OCR)技术提取结构化内容非常容易。但是，提取非结构化内容却面临挑战，并且非结构化内将会越来越多，因此需要采用自然语言处理(NLP)和机器学习技术来解决。”
特拉华州机器人流程自动化(RPA)专家Arpit Oberoi补充说：“当今机器人流程自动化(RPA)技术面临的最大挑战是，它仍然经常难以处理非结构化内容和数据。为了克服这一持续存在的问题，企业可以尝试将其数据转换为结构更清晰的数据集，并且在可能的情况下，还可以结合使用人工智能和机器人流程自动化(RPA)来优化或自动化处理内容。”
第三方参与
UiPath公司欧洲、中东和非洲地区专业服务副总裁Andrew Rayner对通过第三方应用程序与机器人流程自动化(RPA)结合使用的必要性进行了解释。
Rayner说。，“从历史上看，机器人流程自动化(RPA)技术已经能够与第三方应用程序集成以辅助内容处理。例如，许多OCR供应商(例如Abbyy和IBM等)提供直接集成的功能，从而可以对半结构化或结构化文档进行分类和识别。
UiPath公司在文档理解上投入了大量资金进行开发，为客户提供了一种‘即用型’解决方案，可以灵活地应用各种技术(例如模式匹配、模板化和机器学习)来处理非结构化和半结构化文档。
随着我们更广泛地考虑内容处理的方法，这在自动化处理中发挥了很好的作用，我们现在采用这种工作流程使机器人和工作人员可以无缝地进行事务处理。
在通过用户界面或API来处理内容的应用程序连接方面，已经有了巨大的进步，并且随着机器人流程自动化(RPA)和机器学习的引入，机器人现在可以对非结构化内容进行分类，理解情绪并进行下一个最佳操作。”
谨慎采用工具
虽然需要采用其他工具和软件的帮助，但企业必须谨慎投资和采用工具，并确保他们采用的工具用于明确的特定目的。
Nex Botix公司首席执行官Chris Porter表示：“企业可能拥有许多不同格式的非结构化数据，无论是文档、电子邮件，以及非结构化的基于系统的数据。这给机器人流程自动化(RPA)的应用带来了一个问题，它只能处理基于规则的结构化数字流程。
企业可以通过几种不同的方式来克服这些缺点。一种是购买像准光学字符识别(OCR)工具这样的量身定制的解决方案，该解决方案可以从文档中提取数据，或者他们可以采用工作流工具来帮助编排机器人和工作人员的工作，或者可以购买谷歌公司的机器学习工具，以尝试从他们的数据中提取见解。这些工具旨在在严格的参数范围内解决非常棘手的问题。
但是，每一种工具都面临技术挑战。在开展这些项目时，企业将面临更多的支出。此外，企业还需要正确的技能和技术来支持每个计划。每个用例都应作为一个单独的项目处理，因为可以有效地满足特定需求，并且如果企业有很多不同类型的数据，那么很多不同的流程都具有这种非结构化内容。每次都需要重新开始，并采用正确的解决方案来解决每个单独的问题。
关键是应用正确的技术来解决正确的问题，但要以关注业务价值的可扩展方式进行。例如发票处理程序，可以在企业内部利用可重复使用的组件，并自动执行应付帐款中的端到端业务流程。
增加认知功能
克服机器人流程自动化(RPA)的内容处理缺陷的最后一种方法是提供额外的功能。
ABBYY公司全球副总裁Neil Murphy解释说：“机器人流程自动化(RPA)面临的最大挑战是无法处理非结构化的内容，例如发票、电子邮件、表格、收据或通信。但是，企业可以克服这一问题。
企业所要做的就是通过增加认知功能(例如分析、理解、处理非结构化内容)使机器人流程自动化(RPA)机器人变得更智能。组织可以使用易于使用的无代码或低代码解决方案来部署这些内容，从而使员工能够构建可处理大量文档的机器人流程自动化(RPA)机器人。
我们已经看到很多企业都采用了这种方法，这种方法推动了创新，一些企业采用这种方法结合相关技能，以提供对复杂用例的高级认知理解。人力资源部门的应用就是一个很好的例子，从身份证明文件和员工入职表格到银行对账单和地址证明，需要处理大量文件。”
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号