​¿Cómo las tecnologías RPA van a cambiar el mercado?​

El uso de la Inteligencia artificial presenta un horizonte venturoso para la automatización de procesos en las industrias.

Las tecnologías RPA (por sus siglas en inglés, Robot Process Automation) son una forma de automatización de procesos basada en inteligencia artificial. Una aplicación o "robot" de software realiza una tarea que habitualmente requeriría la interacción de un operador humano, interactuando con la interfaz de usuario de la misma manera que lo haría una persona.

RPA es una evolución natural de otras tecnologías tales como:

• Screen scraping. Consiste en obtener datos de una información presentada en pantalla. La variante más conocida es web scraping, donde se recorre una página web para extraer datos específicos que sean generados de manera dinámica en la misma (el precio de un producto, una temperatura, etc.). Es una técnica limitada por la diversidad de aplicaciones y sistemas que impiden la generación de una técnica uniforme.
• Automatización de herramientas de gestión. Un ejemplo de uso es cuando un software asiste en el procesamiento de órdenes de pedido, capturando ciertos campos de utilidad (información de contacto, monto total de la orden, etc) para luego cargarlos en una base de datos. Este tipo de programas evita los errores comunes generados en la carga manual.
• Inteligencia artificial. Hace referencia a la capacidad de un software para realizar tareas que habitualmente requieren intervención humana, en dependencia de su capacidad de juicio y toma de decisiones. Esta técnica provee beneficios tales como mayor precisión en las tareas y la sustitución de trabajo tedioso.

El impacto de RPA es resultado de la combinación de los aspectos más valiosos de estas tecnologías.

Un ejemplo clásico de las tareas que pueden realizar de forma automatizada este tipo de tecnologías es la entrada de datos. Estos robots pueden completar datos en un formulario desde la interfaz de una aplicación software como lo haría un usuario.

¿Cómo funcionan las tecnologías RPA?

Las tecnologías RPA utilizan screen scraping y automatización de tareas de gestión, pero de una manera más provechosa. Permiten definir automatizaciones y realizar actividades, de manera puramente visual e independiente del código de la aplicación empleada. A diferencia de la gran mayoría de las técnicas de scraping, las tecnologías RPA utilizan técnicas avanzadas de reconocimiento de caracteres (OCR por sus siglas en inglés -optical character recognition-) para adaptarse a los cambios en las interfaces sin necesidad de intervención humana.

Las tecnologías RPA también se sirven de la inteligencia artificial, ya que el "robot" puede razonar, recopilar y extraer conocimiento, reconocer patrones y adaptarse a nuevas situaciones o entornos. Utilizando IA junto con funcionalidades puras de automatización, se obtienen muchos beneficios, ya que mediante Inteligencia Artificial el software puede manejar excepciones por sí mismo, y reaccionar ante situaciones para las cuales no ha sido programado en primera instancia.

Presente y futuro de las tecnologías RPA

Según un reporte reciente de la consultora McKinsey and Company sobre tecnologías emergentes y disruptivas, las tecnologías de automatización (entre las cuales están incluidas las RPA) tendrán un impacto económico potencial de casi 6.7 billones de dólares hacia 2025. Se considera que el próximo gran impacto en la industria, luego del advenimiento de los teléfonos inteligentes y dispositivos móviles, se presentará entre las tecnologías de automatización (que incluye a otros "monstruos" tales como impresión 3D, cloud y vehículos autónomos).

El desarrollo de las tecnologías RPA ha recorrido un largo camino y continúa transformando la cantidad de empresas que abordan sus actividades comerciales, especialmente cuando se trata de escalar y agilizar sus procesos. A pesar de su rápida evolución, se espera que lo siga haciendo, y en niveles más disruptivos aún.

Los analistas de la industria esperan que la integración de tecnologías aún más "inteligentes" a RPA tengan una mayor adopción por parte las industrias. Machine Learning y Cognitive Computing son dos ejemplos de tecnologías que implican aprendizaje por parte de un software más allá de su programación inicial, tal como lo haría un humano. Estas tecnologías permiten lidiar con excepciones y errores imprevistos en un proceso comercial, adaptándose y aprendiendo en base a acciones y experiencias previas. A diferencia de la automatización tradicional, pueden realizar juicios y añadir creatividad en las actividades para las que han sido diseñadas.

Desde un enfoque más actual, estas tecnologías están en un estado que ya permiten resolver algunos problemas clásicos de las industrias, por ejemplo, el de las integraciones. En industrias como la banca, dadas las tradicionales restricciones de seguridad que utilizan sus sistemas de información, muchas veces ocurre que aunque se automatizan tareas como la extracción de datos de documentos, no es posible eliminar de forma total la intervención de usuarios porque los bancos no permiten integraciones del software de extracción de datos con sus aplicaciones. Dadas estas restricciones, una vez obtenidos los datos, personas deben digitarlos o introducirlos en el software de los bancos. Esta última fase puede solucionarse mediante la utilización de robots que a partir de una fuente de datos rellenan de forma automatizada los datos en las interfaces de usuario de las aplicaciones bancarias.

Por supuesto, la ventaja última de la introducción de estas tecnologías es la reducción de tiempos y costes. Por ejemplo, utilizar personas para la entrada manual de datos es más costoso que utilizar un robot, menos escalable y más lento. Las personas además, podrían dedicarse a actividades menos repetitivas.

De acuerdo con las predicciones de los especialistas, las tecnologías RPA aumentarán en un futuro cercano la velocidad de incorporación de aprendizaje automático y automatización de procesos. Los robots informáticos ya disponen de la capacidad para automatizar procesos simples y repetitivos y pronto podrán mejorar su propio rendimiento y tomar decisiones complejas con poca intervención o programación. Esto permitirá que las empresas sean más ágiles, lo cual es crucial en mercados tan complejos como los actuales.