Muito em breve, o Trabalhador Digital será o seu novo colega de trabalho. Você está preparado?
Quando pensamos na robotização no ambiente de trabalho, é muito comum realizarmos associações mentais com os famosos personagens que nos foram apresentados pelo cinema. Mas o mais provável é que o seu próximo colega de trabalho pouco se pareça com eles e seja muito mais um trabalhador invisível, atuando apenas no plano digital.
O Trabalhador digital (RPA + Captura + IA + NLP + BRM + Cognição + Comunicação)
O digital worker, ou trabalhador digital, já está se tornando uma realidade em muitas organizações, e se concretiza através da união de um conjunto de tecnologias, que estão cada vez mais acessíveis e viáveis, tanto financeiramente quanto computacional, para as mais diversas empresas.
Estas tecnologias tentam colaborar juntas para sintetizar o que uma pessoa poderia fazer operando o seu computador: ler informações na tela, entender a informação, digitar dados, transportar informações de uma tela para outra, combinar dados em memória, avaliar e tomar decisões com base em critérios, e até mesmo aprender novos critérios ou formas de identificar padrões para realizar uma determinada atividade.
Conheça aqui algumas dessas capacidades que estão cada dia mais integradas para formar a nova geração dos Trabalhadores Digitais.
Robotic Process Automation (RPA): Coordenação de ações manuais
A tecnologia de Robotic Process Automation (RPA) é o componente primário de um trabalhador digital, responsável por sintetizar a coordenação de operações em sistemas para realizar um determinado trabalho. Através de scripts que determinam uma sequência de ordens dadas ao robô, ele simula a operação humana sobre teclado, mouse e memória, interagindo com as aplicações e interfaces acessíveis no computador. Isso possibilita que o robô possa substituir o trabalho humano na realização de inúmeras tarefas repetitivas. Embora estes scripts não tenham inteligência para aprender sozinhos ou tratar situações imprevistas, eles podem simplificar muitas tarefas manuais realizando com muito mais agilidade ações repetitivas como: – Transportar informações entre sistemas para os quais não existam APIs de integração – Coletar informações de sites e sistemas externos – Tratar dados através da aplicação de padrões – Comparar e validar informações – Coletar e consolidar informações de sistemas diferentes gerando relatórios – Processar grandes volumes de dados – Classificar e fazer triagem de informações.
Data capture/Document Inception:
Captura e reconhecimento de dados em documentos e fontes de informação não estruturadas
Existe muito conteúdo processado no dia a dia do trabalho das organizações que é disponibilizado aos participantes de forma não estruturada, como documentos, cartas, contratos, fotos e emails. Este conteúdo muitas vezes não está em um formato digital, além da grande variedade de modelos, formatos e disposição da informação. Os sistemas de informação não conseguem extrair e utilizar essas informações pois requerem conjuntos de dados estruturados e padronizados.
Assim, a captura cognitiva envolve a sintetizar a capacidade de obter informações a partir destes conteúdos não-estruturados ou semiestruturados sob forma de documentos ou imagens.
As tecnologias de captura permitem orientar a busca de padrões em uma entrada, como um documento escaneado, um PDF ou outro formato de informação estática, de forma que o robô consiga identificar onde estão as informações que ele precisa para executar uma tarefa.
Este tipo de tecnologia está se desenvolvendo aceleradamente.
As tecnologias de captura processam os documentos, entregando ao robô – aplicando machine learning – informações estruturadas e classificadas, que então poderão ser usadas na execução da tarefa, como o cadastro das informações, a validação de dados ou a consolidação de valores.
ODM/BRM:
Tomada de decisões baseadas em regras lógicas complexas
Um mecanismo importante para aumentar a capacidade do robô é possibilitar que ele possa combinar informações em regras complexas, que permitam a ele classificar diferentes situações e usar os resultados para guiar suas próximas ações.
Decisões simples, baseadas em uma combinação de dois ou três dados podem ser implementadas no script de RPA, mas quando o conjunto de parâmetros das regras e seus valores de referência levam a múltiplas combinações, manter esta lógica no script do robô pode ser não apenas desafiador, mas também dificulta a gestão e manutenção das regras no dia a dia da operação.
Para isso, as tecnologias de motores de processamento de regras como ODM (Operational Decision Management) e BRM (Business Rules Management) podem ser grandes aliadas para estruturar e controlar a atualização das normas e políticas a serem seguidas pelo robô para orientar as decisões.
Ao obter os dados necessários para aplicar a regra, o robô aciona o módulo de ODM/BRM, que realiza o cruzamento dos dados e identifica a decisão resultante.
Com estas soluções pode-se criar as mais diversas regras como:
– Identificação de alçadas
– Cálculos de preço
– Níveis de desconto
– Validação da aplicação de impostos
– Cálculo de benefícios
– Escores de risco
A partir do resultado da regra aplicada, o robô de RPA poderá dar continuidade à sequência de passos de forma adequada.
Chatbots/IVA/NLP:
A capacidade de se comunicar com humanos numa linguagem natural
Com um pouco de esforço, podemos atribuir alguma naturalidade à comunicação que ocorre com pessoas na interação com robôs de RPA usando alguns subterfúgios, como a busca de palavras chave em uma mensagem recebida para identificar do que se trata ou o envio de um e-mail usando um texto de mensagem agradável previamente formatado.
Tivemos alguns casos curiosos em que o robô, ao final do seu trabalho, envia e-mails para diferentes áreas de negócio, que acabam respondendo ao e-mail sem perceber que não se tratava de uma pessoa, porque a mensagem lhes pareceu muito natural (ou será que quem fazia a tarefa antes também se comunicava de forma tão padronizada que o interlocutor nem percebeu que agora se tratava de um robô?). De qualquer forma, é uma comunicação limitada a pesquisar e comparar strings predefinidas ou copiar e colar templates de texto.
O Processamento de Linguagem Natural (NLP – Natural Language Processing), agrega ao robô a capacidade de interpretar a comunicação e elaborar as suas próprias mensagens, ao fornecer mecanismos para aplicar sintaxe e semântica de um idioma aos textos recebidos ou enviados.
Aliado aos Chatbots, sintetizadores de voz e IVA (Intelligent Virtual Agent), permite que durante a sua execução o robô de RPA possa interagir trocando mensagens com pessoas através de chat ou voz (por exemplo por telefone).
Inteligência Artificial:
Tomada de decisões com base em aprendizado e identificação de padrões
As decisões cognitivas são aquelas nas quais não conseguimos determinar com clareza a regra a ser aplicada. A partir de uma base de conhecimento prévio, o sistema compara as informações e analisa a maior probabilidade de que a nova informação se adeque a algum padrão reconhecido no conhecimento preexistente.
Por exemplo: ao ver uma fotografia e ao comparar a informação visualizada com todo o conhecimento prévio que temos, identificamos com algum grau de precisão se o conteúdo da foto é um cachorro ou uma vassoura.
Os critérios utilizados para a decisão muitas vezes são subjetivos, como a combinação de características que podem levar a um índice maior ou menor de certeza sobre a informação interpretada.
No dia a dia da operação realizada nas empresas, existem muitas decisões que não são baseadas em dados estruturados e regras claras, e que envolvem algum conhecimento prévio do assunto.
Algoritmos de inteligência artificial já são usados em robotizações para contribuir em ações como: identificar em uma mensagem características que determinem a melhor classificação de caso, compreender o humor de uma pessoa a partir do tom de uma mensagem de texto, avaliar de aderência de perfis para um determinado grupo, entre outros usos.
Para concluir:
Os robôs já são uma realidade em muitas empresas brasileiras, automatizando a execução de tarefas e gerando ganhos crescentes de economia de tempo, eficiência e agilidade operacional – e estão se tornando cada dia mais inteligentes.
Soluções isoladas ainda não conseguem substituir muitas das capacidades humanas, mas a combinação delas pode oferecer às empresas um novo tipo de trabalhador, capaz de conduzir atividades mais complexas.
Este trabalhador digital inteligente irá atuar ao lado dos humanos, para que possamos nos ocupar com atividades de maior valor, que exijam tomada de decisão e julgamento crítico.
Desta forma, a Hiperautomação pode trazer muitos benefícios para as organizações quando planejada e projetada de ponta a ponta.
E então, você está preparado?
