Μεγάλες εταιρείες έχουν επενδύσει πολλά χρήματα τα τελευταία χρόνια σε λογισμικό σχεδιασμένο να αυτοματοποιεί καθημερινές εργασίες back office, πολλές από τις οποίες περιλαμβάνουν απλή αποκοπή και επικόλληση δεδομένων από τη μια εφαρμογή λογισμικού στην άλλη ή τη χρήση αναπτυσσόμενων μενού για τη συμπλήρωση πεδίων βάσης δεδομένων.
Γνωστά ως «ρομποτική αυτοματοποίηση διεργασιών» ή RPA, αυτά τα είδη λογισμικού «ρομπότ» δεν είναι AI. Ορισμένες είναι κάτι περισσότερο από ανεπτυγμένες εκδόσεις μακροεντολών Excel, καταγραφή κινήσεων του ποντικιού και πινελιές πληκτρολογίου. Άλλοι χρησιμοποιούν κανόνες «αν-τότε» για να βοηθήσουν το λογισμικό να ολοκληρώσει μια ροή εργασίας.
Και όμως, οι επιχειρήσεις υπολογίζεται τώρα να ξοδεύουν περισσότερα από 6 δισεκατομμύρια δολάρια ετησίως σε λογισμικό RPA, σύμφωνα με την εταιρεία ανάλυσης τεχνολογίας Έρευνα Forrester, ένα ποσοστό που αυξάνεται με διψήφιο ποσοστό. Η UiPath, ένας από τους κορυφαίους παίκτες στον τομέα του RPA, αποτιμάται στα 13,5 δισεκατομμύρια δολάρια. Appian, Blue Prism, και IBM προσφέρουν επίσης λύσεις RPA.
Τώρα κάλεσε μια μικρή startup με έδρα το Μόναχο της Γερμανίας Ενδιάμεσος χώρος πιστεύει ότι μπορεί να διαταράξει ολόκληρη αυτή την αγορά αναδημιουργώντας την αυτοματοποίηση διαδικασιών πάνω από το νέο κύμα μεγάλων μοντέλων γλωσσών και βοηθών τεχνητής νοημοσύνης. Η Air Street Capital, η μπουτίκ επιχειρηματικών κεφαλαίων με έδρα το Λονδίνο που ειδικεύεται σε επενδύσεις τεχνητής νοημοσύνης σε πρώιμο στάδιο, μόλις έδωσε στην εταιρεία 3 εκατομμύρια δολάρια σε χρηματοδότηση εκκίνησης για να αρχίσει να υλοποιεί αυτό το όραμα.
Ο Fabian Jakobi, συνιδρυτής και διευθύνων σύμβουλος της Interloom, είναι επιχειρηματίας κατά συρροή. Το 2021 πούλησε το Boxplot, η τελευταία του εταιρεία, στην Hyperscience, μια εταιρεία λογισμικού τεχνητής νοημοσύνης με έδρα τη Νέα Υόρκη που ειδικεύεται στην εξαγωγή δεδομένων από μη δομημένα έγγραφα. Ο Jakobi πιστεύει ότι παρόμοιες μέθοδοι τεχνητής νοημοσύνης μπορούν να χρησιμοποιηθούν στο μέλλον για την εξαγωγή πληροφοριών από εγγραφές βίντεο, αρχεία καταγραφής κλήσεων, σημειώσεις και πολλά άλλα, επιτρέποντας στο λογισμικό AI να μάθει πώς λειτουργούν πραγματικά οι επαγγελματίες. Στη συνέχεια, οι πράκτορες τεχνητής νοημοσύνης, που βασίζονται στις ίδιες υποκείμενες μεθόδους τεχνητής νοημοσύνης που τροφοδοτούν τα σημερινά μεγάλα γλωσσικά μοντέλα, μπορούν να χρησιμοποιηθούν για την αυτοματοποίηση πολλών τμημάτων αυτών των εργασιών.
Αυτό θα μπορούσε να επιτρέψει την αυτοματοποίηση εργασιών πολύ υψηλότερης αξίας από ό,τι μπορεί να αντιμετωπιστεί με το σημερινό RPA, το οποίο λειτουργεί καλά μόνο για εργασίες με εξαιρετικά ρουτίνες και επαναλαμβανόμενες ροές εργασίας. Σύμφωνα με τον Jakobi, η τρέχουσα τεχνολογία RPA είναι ικανή να αυτοματοποιεί περίπου το ένα τρίτο των επιχειρηματικών εργασιών – ένας περιορισμός που εξηγεί γιατί οι αναφορές από εταιρείες συμβούλων EY και Deloitte έχουν διαπιστώσει ότι η πλειονότητα των έργων RPA είτε αποτυγχάνουν εντελώς είτε δεν ανταποκρίνονται ποτέ στις δυνατότητές τους.
Αντί να ξεκινά από εξιδανικευμένες ροές εργασίας, ο Jakobi λέει ότι το λογισμικό τεχνητής νοημοσύνης μπορεί να εκπαιδευτεί για το τι κάνει μια εταιρεία στην πραγματικότητα σε πραγματικές καταστάσεις. Η τεχνητή νοημοσύνη μπορεί να καταλάβει ποια είναι η σωστή ροή εργασίας για τη συγκεκριμένη κατάσταση, αντί να ακολουθεί ένα υπερβολικά τυποποιημένο και άκαμπτο πρότυπο.
Δίνει το παράδειγμα σύνταξης και αποστολής μιας συμφωνίας μη αποκάλυψης ως μέρος μιας εμπορικής συμφωνίας. Με το σημερινό RPA, μια εταιρεία μπορεί να δημιουργήσει έναν κανόνα σύμφωνα με τον οποίο οποιαδήποτε συμφωνία αξίας άνω των 100.000 $ απαιτεί να αποσταλεί στον αντισυμβαλλόμενο μια NDA. Η ροή εργασίας για τη συμπλήρωση του προτύπου NDA για τη συγκεκριμένη συμφωνία χειρίζεται αυτόματα το ρομπότ λογισμικού.
Το πρόβλημα με τέτοιους κανόνες είναι ότι είναι πολύ άκαμπτοι για να συλλάβουν την πραγματική επιχειρηματική λογική, λέει ο Jakobi. Τι γίνεται με μια συμφωνία αξίας 98.500 $; Οι περισσότερες επιχειρήσεις πιθανότατα θα εξακολουθούσαν να θέλουν αυτό να καλύπτεται από NDA, παρόλο που είναι κάτω από το όριο που έθεσε για το ρομπότ. Το σύγχρονο λογισμικό που βασίζεται σε LLM υπερέχει στο να συλλαμβάνει, από δεδομένα του παρελθόντος, σιωπηρή γνώση, η οποία περιλαμβάνει πολλή επαγγελματική κρίση για πράγματα όπως όταν απαιτείται NDA.
Οι πιο κατάλληλες εργασίες για αυτό το είδος αυτοματισμού θα περιλαμβάνουν προμήθειες και εκτιμήσεις κινδύνου, επιβίβαση πελατών, διεκπεραίωση υποθηκών και ασφαλιστικών απαιτήσεων και διαχείριση εγγράφων εφοδιαστικής εισαγωγών και εξαγωγών, σύμφωνα με την Interloom.
Ενώ ο Jakobi λέει ότι οι άνθρωποι θα εξακολουθούν να χρειάζονται για να λειτουργούν ως έλεγχος ποιότητας στα ρομπότ λογισμικού της Interloom, πιστεύει ότι για πολλές διαδικασίες, τα ρομπότ τεχνητής νοημοσύνης όπως αυτά που κατασκευάζουν θα είναι σε θέση να αυξήσουν την απόδοση που μπορεί να παράγει ένας εργαζόμενος σε δεδομένη χρονική στιγμή. χρονικό διάστημα κατά 30 φορές.
Η Interloom, η οποία αυτή τη στιγμή απασχολεί μόλις δέκα άτομα αλλά προσλαμβάνει γρήγορα, σχεδιάζει να στοχεύσει τις μεγάλες «mittelstand» της Γερμανίας –τις μεσαίες βιομηχανικές εταιρείες που αποτελούν προπύργιο της γερμανικής οικονομίας– ως αρχική πελατειακή βάση, με σχέδια να επεκταθεί παγκοσμίως, στις ΗΠΑ, σύντομα.
«Κάθε τομέας της οικονομίας τελικά πρόκειται να ανοικοδομηθεί πρώτα με την τεχνητή νοημοσύνη», δήλωσε ο Nathan Benaich, ιδρυτής και γενικός συνεργάτης της Air Street. «Από την εμπειρία τους στο Boxplot και στο Hyperscience, η ομάδα του Interloom έχει μια μοναδικά οικεία κατανόηση της αυτοματοποίησης πολύπλοκων ροών εργασίας. Αυτό τα καθιστά στην καλύτερη θέση για τη δημιουργία της υποδομής διαδικασίας που θα στηρίξει τα κέρδη παραγωγικότητας για τις επιχειρήσεις με τη δυνατότητα τεχνητής νοημοσύνης».