Оригинал: Hybrid Intelligence
Автор: Виль ван дер Аальст (Wil van der Aalst), университет г. Ахен
В прошлом существовал четкий водораздел между задачами, выполняемыми машинами и задачами, выполняемыми людьми, но применение машинного обучения для распознавания речи (как у Alexa и Siri), распознавания изображений, автоматического перевода, беспилотного вождения и медицинской диагностики размыло эту границу. Хотя во многих областях технологии искусственного интеллекта (ИИ) превзошли возможности человека, люди по-прежнему вне конкуренции в задачах, требующих здравого смысла, понимания контекста, креативности, адаптивности и эмпатии. Гибридный интеллект (hybrid intelligence, HI) соединяет возможности человеческого и машинного разума, беря от каждого его сильные стороны.
Автоматизировать или не автоматизировать – вот в чем вопрос!
Технологии машинного обучения (machine learning, ML) и роботизации процессов (robotic process automation, RPA) расширили возможности для автоматизации задач, ранее выполнявшихся исключительно людьми. В то же время внедрение ML и RPA сопряжено с трудностями, из-за которых множество инициатив цифровой трансформации заканчиваются провалом. Понять, что стоит автоматизировать, а что нет помогает технология автоматического выявления процессов (process mining, PM). На удивление, для большинства процессов оптимальным является комбинация человеческого и машинного интеллекта. Подход к автоматизации, объединяющий управление бизнес-процессами (business process management, BPM) и их автоматизацию с помощью PM и RPA, мы будем называть гибридным интеллектом (HI).
Как однажды заметил Нильс Бор, «сложно делать предсказания, особенно в том, что касается будущего». К BPM и автоматизации процессов это тоже относится. В 1964 году RAND Corporation опубликовала доклад с прогнозами технического развития, основанный на оценках 82 экспертов в различных отраслях. Авторы доклада полагали реальными в 1980 году высадку человека на Марсе и передачу роботам работы по дому. Сегодня мы все еще мечтаем о Марсе, и единственные роботы у нас дома спустя 40 лет – роботы-пылесосы. Прогноз сулил, что в 2020-м рутинную работу вместо человека будут выполнять специально обученные приматы и другие животные, но это тоже не сбылось.
Что касается предсказаний об ИИ, то здесь мы можем наблюдать периоды большого оптимизма и периоды сурового скептицизма (их называют «зимами ИИ»). В 1950 году Алан Тьюринг (Alan Turing) предложил знаменитый тест, названный его именем, отвечающий на вопрос: может ли испытуемый обнаружить разницу между живым собеседником и машиной в ходе диалога с ними на естественном языке? Однозначного ответа нет до сих пор, зато возникло множество связанных вопросов, например: может ли машина обладать разумом, состояниями психики и самосознанием, подобным человеческим? Оставляя за скобками философские споры, мы видим, что машины, обучаясь на примерах, берут на себя выполнение все большего круга задач. В 1982 году Алан Перлис (Alan Perlis) писал: «Одного года работы в сфере ИИ достаточно, чтобы начать верить в бога». В самом деле – то, как искусственный интеллект распознает изображения и звуки, переводит тексты, играет в игры без заданной стратегии вроде го или шахмат, просто поразительно.
Вместе с тем многие задачи для ИИ все еще слишком сложны. Илон Маск (Elon Musk) еще в 2015 году заявил: «Выпускаемые сегодня серийные автомобили Тесла могут ездить по автомагистрали без водителя. Эта функция сейчас проходит бета-тестирование и будет доступна потребителям в начале следующего месяца. Таким образом, вероятно, всего через месяц беспилотное вождение будет доступно, по крайней мере, на автомагистралях и относительно простых дорогах. Полагаю, что полностью автономно управляемые машины у нас будут примерно через три года.» В 2016 году лауреат премии Тьюринга Джеффри Хинтон (Geffrey Hinton) заявлял, что «готовить новых рентгенологов, очевидно, больше нет смысла», намекая на то, что в ближайшем будущем алгоритмы распознавания изображений превзойдут человека. Тем не менее, мы по-прежнему сами водим автомобили, а рентгенологи остаются в дефиците. Короче говоря, человеческий интеллект все еще нужен.
Гибридный интеллект иногда также называют «дополненным интеллектом» (augmented intelligence), подчеркивая тем самым роль машинного обучения (например, нейронных сетей и других технологий, опирающихся на данные) как усилителя, а не замены человеческого разума, подобно тому, как телескопы повышают остроту зрения.
В чем новизна связки RPA и PM?
Появление RPA расширило круг доступных для автоматизации процессов: однообразные задачи, выполняемые людьми, сегодня передаются программных роботам. Технология RPA не требует внесения изменения или замены имеющихся информационных систем. Вместо этого программные роботы заменяют пользователей, взаимодействуя непосредственно с пользовательскими интерфейсами, обычно управляемыми людьми. Так как RPA дешевле традиционной автоматизации, эту технологию можно назвать «системой управления процессами для бедных».
В 1970-х такие исследователи, как Скип Эллис (Skip Ellis) и Майкл Зисман ( Michael Zisman), занимались разработкой так называемых систем офисной автоматизации на основе явных моделей процессов. Системы типа Officetalk и SCOOP могут считаться родоначальниками систем управления потоками работ (workflow). Однако потребовалось еще 15 лет, прежде чем эта технология созрела до применения в значимых масштабах. В середине 90-х на рынке присутствовали целый ряд коммерческих систем такого плана и все шло к тому, что системы workflow станут неотъемлемой частью каждой информационной системы. Многие, и я в том числе, всерьез полагали, что эта технология станет такой же распространенной, как СУБД.
Однако этого не произошло. Преемниками workflow стали системы управления бизнес-процессами (BPM). Системы BPM, например решения Pegasystems, Appian, IBM, Bizagi, Oracle, Software AG, TIBCO Software, Bonitasoft, Kofax, Signavio, нашли более широкое применение, но массовыми тоже не стали. Несмотря на широкое предложение систем BPM/workflow, им не доверили управлять процессами в таком же масштабе, как СУБД — управлять данными. Дошло до того, что несколько лет назад многие считали, что отрасль BPM обречена на вымирание. Компании в BPM больше интересовало моделирование процессов, чем их анализ или оптимизация. Основными поводами для скепсиса было следующие:
- Внедрение BPM/workflow обходится недешево. Процессы либо уже жестко зашиты в прикладные системы, либо вовсе ими не поддерживаются. Зачастую процессы «размазаны» по системам от разных поставщиков, что влечет за собой сложную и трудоемкую интеграцию.
- Хотя буква M в BPM означает management, основной упор в этих системах делается не на управлении, а на моделировании и автоматизации. Классические системы BPM/workflow не способны обучаться на ежедневно собираемых данных.
- Реальные процессы намного сложнее, чем кажутся. Известное правило 80/20 работает и здесь: 80% процессов протекают по относительно простым маршрутам, но эти маршруты составляют лишь 20% от всех возможных. Оставшиеся 20% экземпляров процессов, не попадающие в поле зрения программного обеспечения и менеджмента, поглощают 80% ресурсов организации.
Поэтому понятен интерес организаций к RPA и PM, причем связка RPA и PM сегодня способствует возрождению интереса к BPM. RPA можно использовать для рутинных задач там, где традиционная автоматизация оказывается не рентабельна. Автоматическое выявление процессов позволяет определить что и как надлежит автоматизировать. Следовательно, RPA и PM тесно связаны.
RPA — управление процессами для бедных
RPA — это разновидность автоматизации, использующая программные роботы (боты), заменяющих людей. Тремя ведущими поставщиками RPA-решений на сегодняшний день являются UIPath (основана в 2005 году), Automation Anywhere (2003) и Blue Prism (2001); также можно выделить таких игроков этого рынка, как Workfusion, Kryon Systems, Softomotive, Contextor, EdgeVerve, Nice, Redwood Software. Ключевое различие между RPA и традиционными BPM/workflow заключается в том, что RPA не стремится заменить существующие (внутренние) информационные системы. Вместо этого программные роботы взаимодействуют с существующими информационными системами так же, как это делают люди.
В классических системах BPM/workflow бизнес-процесс детально описывается на этапе моделирования, а затем система выполняет его, самостоятельно реализуя простые операции, а более сложные функции — вызывая внешние приложения через API. В отличие от этого, программное обеспечение RPA взаимодействует с уже существующими приложениями через (графические) пользовательские интерфейсы, подменяя людей, то есть здесь автоматизируются задачи, выполняемые сотрудниками непосредственно через пользовательский интерфейс. Типичный сценарий RPA – серия действий копирования и вставки, обычно выполняемых человеком. Поскольку существующие информационные системы при этом не затрагиваются, здесь уместно выражение «управление процессами для бедных».
Использование PM до и после внедрения RPA
Прежде чем внедрять RPA, надо проанализировать процессы, являющиеся объектом автоматизации. Технология автоматического выявления процессов помогает выявить перспективных кандидатов. Более того – после внедрения RPA с помощью этой технологии можно осуществлять мониторинг процессов, включающих исполнителей-людей, RPA и традиционную автоматизацию.
Технология PM использует данные из журналов событий информационных систем, чтобы выяснить как в реальности работают сотрудники, оборудование, прикладное ПО и организация в целом. Она позволяет по-новому взглянуть на процессы организации, выявить и найти подходы к решению проблем эффективности и соответствия требованиям. Подобно тому, как электронные таблицы позволяют делать что угодно с цифрами, PM позволяет обрабатывать данные журналов событий любыми способами – это универсальное, не зависящее от конкретной прикладной области средство оптимизации бизнес-процессов. Сегодня на рынке представлены около 35 коммерческих продуктов, например Celonis, Disco, ProcessGold, myInvenio, PAFnow, Minit, QPR, Mehrwerk, Puzzledata, LanaLabs, Process Diamond, Everflow, TimelinePI, Signavio, Logpickr.
Зачастую большинство фактически выполняемой работы приходится на небольшое число шагов процесса, а большинство фактических траекторий процесса – на небольшое число вариантов маршрута. Скажем, на 20% шагов процесса приходится 80% работы, а на 20% маршрутов – 80% фактических траекторий. Традиционная автоматизация нацеливается на самые распространенные шаги и варианты маршрута – только в этом случае автоматизация задач и классические системы BPM/workflow окупают себя. Менее распространенные варианты, требующие гибкости и творческого подхода, обрабатываются людьми. Поле для применения RPA лежит где-то посередине – в области работы однообразной, но выполняемой недостаточно часто для традиционной автоматизации, и PM это важнейший инструмент для выявления такой работы. Таким образом, автоматическое выявление процессов позволяет найти «место для подвига», которое будет рентабельным и не окажется неподъемным.
Это видение хорошо согласуется с концепцией гибридного интеллекта. Не надо делить операции на чисто автоматические и выполняемые исключительно людьми. PM способна выявить рутинную работу, которую можно автоматизировать путем имитации действий человека. Кроме того, PM можно использовать как альтернативу ручному программированию при создании роботов. В результате часть работы, ранее выполнявшейся людьми, будет передана программным роботам. PM можно также использовать для контроля за правильностью выполнения процессов. Если робот даст сбой из-за технических проблем, нештатных ситуаций, изменения пользовательского интерфейса или контекста, то это можно обнаружить соответствующими методами контроля бизнес-процессов. Надо понимать, что отсутствие контроля над деятельностью роботизированных систем со стороны человека сопряжен с риском катастрофических последствий.
Используя связку PM и ML, можно гибко распределять работу между людьми и роботами. Например, задача сначала отдается роботу, а в случае затруднений или ошибки эскалируется на человека. Или же человек может передавать работу роботу через опцию «автозаполнение». Более того, решение RPA может адаптироваться к изменениям процесса в целом (например, к изменению концепции).
Process mining, нацеленный на конкретные действия
Конечная цель RPA заключается в точечной автоматизации задач в рамках процесса и PM может помочь в выявлении задач, подходящих для роботизации. Как правило, RPA внедряется поверх существующих систем, начиная с таких, как SAP и Salesforce, и заканчивая собственными разработками. Нереалистично полагать, что RPA, ML и AI заменят такие системы. Гибридный интеллект должен не только сочетать в себе человеческий и машинный интеллект, но делать это внутри сложного ландшафта сложившихся информационных систем. Наивно ожидать, что PM приведет к замене существующих систем, решающих операционные задачи. Но в то же время результаты применения PM позволяют оптимизировать автоматическое управление бизнес-процессами.
Process mining, нацеленный на конкретные действия (action-oriented process mining, AOPM) преобразует наблюдаемые события в управленческие действия там, где это уместно. Цель здесь не помощь в выполнении бизнес-процесса (он уже так или иначе выполняется), а в улучшении его управляемости. Диагностика на основе PM, контролирующая эффективность процесса и соответствие требованиям, автоматически запускает процесс оптимизации процесса. Целью здесь является автоматизация не задач, а управления процессом.
Заключение
RPA и PM позволяют преодолеть ограничения классического подхода к автоматизации бизнес-процессов с помощью BPM/workflow. Эти две технологии являются взаимодополняющими: RPA часто внедряется снизу-вверх, чтобы получить быструю отдачу; PM позволяет выявить подходящие точки применения RPA. Подход PM к процессам более всесторонний, сверху-вниз.
Вопрос о том, что стоит автоматизировать, а что нет, сам по себе не нов. Однако с появлением технологий машинного обучения и ИИ этот водораздел быстро смещается. При всех успехах ML и AI, многие задачи все еще требуют совместного использования интеллекта человека и машины, т.е. гибридного интеллекта.
Одной из таких задач является управление процессами. Сегодня управляют процессами люди, а выполнение задач обеспечивается сложной комбинацией информационных систем. RPA и выявление процессов, нацеленное на конкретные действия, призваны не заменить такие системы, а выборочно взять на себя выполнение задач, в настоящее время выполняемых людьми — как в части выполнения процессов, так и в управлении ими.
Обсудить