Estamos em plena era do trabalho digital e inteligente. A esta altura do jogo tecnológico e corporativo, não há dúvidas que robotizar processos repetitivos com RPA apresenta inúmeros benefícios como aumento de eficiência e eficácia, redução de custo, escalabilidade e controle (certamente você já conferiu nosso artigo “5 razões para adotar Robotic Process Automation“). 

Na medida que a tecnologia evoluiu, também as organizações começaram a escalar suas iniciativas de RPA. A própria robotização de tarefas passou a se tornar uma “commodity” no rol de tecnologias utilizadas para a transformação digital.   

 No entanto, em paralelo à esta popularização, começou a ser comum encontrar alguns desafios nos projetos das automações. Dentre diversos cenários desafiadores, podemos citar dois casos frequentes:  

• O processo a ser automatizado envolve o processamento de documentos – que variam o layout de acordo com a origem. Como por exemplo, notas fiscais de diferentes prefeituras e boletos de diferentes fornecedores.  

• O processo a ser automatizado envolve a interpretação de texto livre em e-mails ou chamados – por exemplo, um e-mail que é enviado para a área de atendimento da empresa com alguma solicitação, como realizar a atualização cadastral ou dúvidas sobre boletos. 

 Estes eram reconhecidamente cenários em que RPA não era a melhor opção para a automação, dado a variabilidade e falta de padrões.   

Quando isso acontecia, a equipe de automação muitas vezes declinava a oportunidade em função das dificuldades que se teria de implementar. RPA consegue extrair textos de documentos, a dificuldade está em definir as regras claras para localizar o texto certo em cada variação possível do documento. 

 Em outras vezes se tentou adaptar a tecnologia ou mesmo o processo de negócio para contornar estas limitações. Citando novamente os cenários acima, como costumava ser feito?  

• Processo que envolve o processamento de documentos financeiros com layouts distintos: existe a opção de fazer o OCR destes documentos e tratar a busca dos dados no texto extraído, via Expressões Regulares (RegEx). Embora possível, é bastante trabalhoso e envolve a necessidade de se implementar as regras para cada forma diferente que uma informação pode ser apresentada nos variados layouts de documentos. Por exemplo, se são 15 layouts diferentes a tratar no projeto, são 15 layouts a configurar no robô! Isso encarecia bastante o projeto e exigia manutenção frequente: se um layout mudava, ele exigia a atualização no robô.  

• Processo que envolve a interpretação da solicitação em texto livre: se tentava definir algum padrão que as pessoas colocassem no corpo do e-mail, para que o robô pudesse fazer a busca mais assertiva das informações. Por exemplo, definir que a solicitação em questão deveria vir sempre após algum texto fixo. Ex: “Solicitação: Atualização cadastral; Solicitação: Dúvida sobre boletos“. Mesmo que existisse treinamento e orientação, nem precisamos dizer que isso não funciona muito bem quando estamos falando de um público grande de pessoas, não é?  

 Mas então, como lidar com este impasse?  Eis que temos a Inteligência Artificial (IA) para resolver estas limitações!  

Utilizando uma solução de IA integrada a RPA, podemos tratar várias limitações. Vamos repassar novamente os 2 desafios citados acima, e ver como IA poderia nos ajudar?  

• Processo que envolve o processamento de documentos financeiros com layouts distintos: podemos utilizar recursos de IA como Document Understanding e Aprendizado de Máquina para treinar a inteligência artificial numa massa variada de arquivos financeiros. Em seguida, orientamos a IA para buscar as informações desejadas.  
  Por exemplo, podemos submeter dezenas ou centenas (quanto mais, melhor!) de exemplos de arquivos Notas Fiscais para a IA, e ensiná-la a buscar as informações desejadas, como Data Emissão, Valor, CNPJ do Fornecedor etc. Uma vez que a IA foi suficientemente treinada, eventuais mudanças no layout dos arquivos, ou novos layouts de NF que aparecerem, são assimiladas de forma transparente pela IA.   
  Perceba que a solução de RPA atua basicamente orquestrando este processo. A robotização buscará o documento de NF na origem (ex: no site de uma prefeitura) e passará o arquivo para a análise da IA, que irá processar e retornar as informações obtidas num formato estruturado (como JSON ou CSV). Com as informações estruturadas em mãos, o robô pode dar andamento nas demais etapas do processo.  

• Processo que envolve a interpretação da solicitação em texto livre:  a solução de RPA pode enviar o texto completo do e-mail ou chamado para a IA (que irá utilizar recursos de IA Generativa baseada em Modelos de Linguagem de Grande Escala (LLM) e Processamento de Linguagem Natural (NLP)), e orientá-la a buscar a “intenção” do solicitante naquele texto.  
  Da mesma forma que no cenário anterior, RPA é apenas um orquestrador. Ele é encarregado de buscar o texto livre na sua origem (ex: num e-mail ou num sistema de chamados) e enviar o texto completo para a IA. Como resultado desta chamada, o RPA vai receber a “intenção” daquela solicitação, em que a IA pode ser orientada a devolver uma lista restrita de opções (Ex: “Solicitação de atualização cadastral”, “Emissão de segunda via de boleto”, etc).  
  Após receber a intenção identificada pela IA, o robô pode dar seguimento, inclusive direcionando a solicitação para outras automações existentes. Por exemplo, pode ser disparado um RPA que vai tratar especificamente de atualização cadastral, ou outro RPA que vai tratar especificamente da emissão de segunda via de um boleto.   

  Como podemos ver, as possibilidades são inúmeras! Isso gera uma capacidade muito maior das soluções de automação de se adaptarem a mudanças em processos, informações e condições das operações.  

 Temos inúmeros casos de uso para integração de RPA com IA, mas podemos citar mais alguns:  

• Usar modelos de Aprendizado de máquina, para analisar padrões em transações financeiras e identificar fraudes, que disparam ações no RPA para as tratativas;  

• Integrar RPA com Processamento de Linguagem Natural, para análise de sentimentos em avaliações de clientes e direcionar respostas personalizadas com o RPA;  

• IA realizar a triagem de currículos e RPA realizar o agendamento das entrevistas, cruzando dados com requisitos da vaga;  

• IA conferir a autenticidade de assinaturas ou RG, e RPA executar as ações cadastrais em sistemas;  

• IA analisar interações de clientes, e o RPA registrar automaticamente no CRM;  

• IA realizar análise de crédito, e o RPA automatizar a liberação;  

• IA extrair dados de exames e laudos, e RPA preencher os prontuários.  

 Mas como faço para “plugar” IA numa automação?  

Temos recursos de IA que citamos que existem nativamente nas plataformas de RPA. E existem “plugins” que facilitam a inserção de IA dentro do código da automação, conectando a plataformas de IA no mercado.  

Fique atento, porém, que a utilização de recursos de IA incorre em licenciamentos e custos adicionais, seja com o próprio fornecedor de RPA, seja com a contratação de soluções de IA em nuvem.