Chatbot, RPA i intel·ligència artificial: trio d'asos per a una veritable automatització de processos

Si dibuixem les diferents capes que intervenen al llarg d'un procés, des de la interacció fins a l'optimització en SAP, observem tres tecnologies complementàries entre les quals s'inclouen:

• Intel·ligència Artificial Conversacional (CAI): És l'eina d'interacció, la interfície amb les persones mitjançant el que coneixem com a chatbot, un programari que gestiona la conversa amb la finalitat d'obtenir la informació necessària per executar el procés amb èxit.
• Robotic Process Automation (RPA): És l'eina d'execució, la que duu a terme les diverses tasques de forma automatitzada, bé sigui a través d'APIs, serveis o de la simulació de pantalles (de SAP, d'altres programes o de pàgines web), omplint camps i prement botons.
• Machine Learning (ML): Són el conjunt d'algoritmes que aporten la intel·ligència necessària per optimitzar les dades i extreure conclusions el més semblants possible al que inferiria la persona dedicada al procés.

Aquests tres components mantenen una interacció contínua i un constant intercanvi d'informació, de la mateixa manera que ho faria una persona involucrada en el desenvolupament del procés. Per exemple, per aportar les respostes apropiades durant la conversa sovint és necessari comptar amb informació de programes diversos (RPA), o bé activar diferents algoritmes de machine learning per entendre millor el que està dient l'usuari i oferir respostes exactes i de qualitat.

Així mateix, durant l'execució amb RPA podem arribar a necessitar més informació de l'usuari, la qual cosa porta a rellançar la conversa (CAI) o a recórrer a l'activació d'algoritmes de ML per inferir informació basada en com s'ha resolt el procés anteriorment o a través d'un càlcul de probabilitats.

En definitiva, es tracta d'un procés d'interacció, execució i optimització contínues fins a concloure'l sense errors i amb plena satisfacció de l'usuari. Amb tot això, la maduresa que està assolint el mercat es converteix en una raó de pes per adoptar aquesta suite de tecnologies.

Perspectives de futur: Intel·ligència conversacional com a element clau per a les empreses

A SEIDOR estem constatant que el desenvolupament de projectes de caràcter individual ja no és una opció. L'èxit en aquest tipus d'iniciatives passa per l'adopció d'un enfocament estratègic mesurat i controlat que permeti l'escalabilitat a través dels idiomes, els canals i la pròpia empresa i, per a això, és indispensable la potència i versatilitat que ofereixen les últimes tecnologies.

Pel que fa a les perspectives de futur, s'espera que, en els pròxims anys, els clients siguin capaços de gestionar la major part de la seva relació amb una empresa sense precisar de la interacció amb un humà. En aquest paradigma, la intel·ligència conversacional, fins i tot activada per veu (parlem de la integració de dispositius com Alexa a nivell empresa), exercirà un paper fonamental. Queden, no obstant això, molts reptes encara per resoldre i a Seidor fa temps que hi treballem.

"És fonamental aplicar una capa de visió global i de transformació digital"

En paral·lel, la integració mitjançant una intranet d'aplicacions d'IA conversacional es posiciona com una altra de les evolucions clau. Aquest enrutament intel·ligent permetrà que el procés de traspàs entre aplicacions es dugui a terme de diverses maneres. Entre elles, s'inclou la possibilitat de comptar amb una aplicació mestra o un superbot capaç de guiar i lliurar diversos processos de forma totalment integrada. Per a això és fonamental aplicar una capa de visió global i de transformació digital i a Seidor despleguem les estratègies apropiades per a la seva correcta implementació.

Reptes tecnològics per avançar cap a la màxima integració

Tota aquesta tasca d'anàlisi ens ha permès identificar els principals reptes per a cadascuna de les tecnologies:

• Millorar l'experiència del client de chatbot, ja que aquests no només han de respondre a les seves preguntes, sinó que també han de parlar, pensar i sobretot desenvolupar relacions emocionals amb els usuaris, realitzant una adequada anàlisi de sentiments.
• Aplicar els últims avenços en el processament del llenguatge natural i algoritmes d'unsupervised learning i reinforced learning que proporcionen als xatbots algoritmes sofisticats que els permeten aportar experiències més úniques i personalitzades, creant relacions més autèntiques amb un públic objectiu determinat.
• Escurçar el temps necessari per tenir el bot preparat amb la suficient qualitat sense necessitat de llargs períodes de simulació. Per a això s'utilitzen models de diversos tipus prèviament entrenats (BERT, ULMFiT, etc.)
• Proporcionar acceleradors als processos més susceptibles de ser automatitzats en l'ecosistema de productes SAP, tant des del punt de vista de l'automatització en RPA com de la intel·ligència aplicada per a la seva optimització.
• Integrar altres tecnologies que poden enriquir els processos automatitzats, com pot ser blockchain per als processos que involucrin clients, consumidors o proveïdors.

Per acabar, cal tenir en compte que, en determinats moments d'interacció, de vegades no hi ha substitut per a l'empatia que els agents humans poden oferir o el tipus d'intel·ligència que necessita de la creativitat per resoldre un cas. En aquestes situacions, és sovint la capacitat humana d'establir paral·lelismes amb experiències similars el que permet resoldre problemes en circumstàncies complexes o inusuals.

En definitiva, és essencial per a un chatbot poder interactuar sense problemes amb un agent humà quan sigui necessari i assegurar-se que tota la informació recollida es transfereixi perquè el client no hagi de començar de nou, amb la frustració que això generaria.