På denne side er forskellige termer i relation til RPA forklaret. Ordbogen vil løbende blive udbygget.
Formålet med Artificial Intelligence (AI) er at få apparater til at opfatte deres miljø/omverden og handle på måder som sikrer, at et mål opnås. Begrebet dækker således over ønsket om at skabe systemer, som i yderste konsekvens er i stand til at tænke og agere selv. AI dækker både over en tilgang eller filosofi og teknikker som f.eks. Machine Learning.
Et ERP (Enterprise Resource Planning) system forbinder arbejdsprocesser i organisationen – på tværs af afdelinger, lager, indkøb, salg, økonomi, produktion mv.
IPA (Intelligent Process Automation) har udviklet sig på baggrund af robottekniske løsninger. Selv om navngivning og definitioner fortsat ikke er helt på plads, så forsøger mange leverandører at kombinere RPA med kognitiv og kunstig intelligens for at få mere omfattende løsninger, der kan efterligne/kopiere en endnu bredere vifte af menneskelige handlinger. Denne kombination kaldes intelligent procesautomatisering/IPA.
Et eksempel herpå er, når RPA-robotten med brug af Machine Learning og sprogbehandling får ustrukturerede datasæt til at give mening. Det kan fx være faktura, kontrakter eller krav, hvis indhold struktureres og fortolkes af AI’en – og baseret på resultatet udfører robotten så relevante automatiseringsprocesser.
Legacy-system refererer til en ældre teknologi, der stadig er i brug , selvom der er nyere og mere strømlinet systemer og applikationer til rådighed. For mange organisationer er legacy-systemer en stor udfordring i deres it-landskab. Legacy-systemerne er som regel ældre systemer, der er dyre i drift og svære at integrere med. Alligevel vælger organisationen at leve med dem – fordi de kan ikke undværes, og fordi de ofte er svære at erstatte.
Machine Learning er en blanding af statistik og algoritmer, der kan finde mønstre i store mængder data. Machine Learning dækker over en lang række af værktøjer som benyttes til at lære sammenhænge i data. Gennem mange iterationer over modellernes parametre kan disse værktøjer bruges til at finde de bedste løsninger og sammenhænge på problemer i data. Der findes overordnet to typer af Machine Learning: Supervised og Unsupervised.
RPA-proceskonsulenten afdækker processer med henblik på at identificere automatiseringspotentialet og implementere selve automatiseringen.
Eksempler på opgaver:
Drive udrulningen og implementeringen af RPA.
Sikre kvalitet via veldefinerede standarder, procedurer og retningslinjer.
Prioritere processer med automatiseringspotentiale og procesoptimering (udarbejde business cases).
Sikre compliance og sikkerhed, herunder etablering af en hensigtsmæssig governance struktur.
Som RPA-udvikler er det daglige arbejde tæt forbundet med procesudvikling. Det kræver forståelse for forretningsprocesser og en evne til at bringe denne forståelse til et detaljeret operationelt niveau. Udvikleren skal kunne hjælpe kunder med at beskrive deres forretningsprocesser med henblik på at automatisere dem. Udvikleren hjælper også med at teste automatiserede processer, før de installeres i et produktionsmiljø.
Eksempler på opgaver:
Bistå med at analysere og prioritere potentialet i forretningsprocesser.
Levere robotautomatisering baseret på detaljerede dokumenter.
Konfiguration af RPA-software.
Understøttelse af Go-Live og Roll-Out faser.
Udføre RPA relateret kundesupport.
Hjælpe med problemløsning.
Tendensen er ,at få inkorporeret Artificial Intelligence (AI)-funktionalitet, herunder Machine Learning-algoritmer, så RPA robotterne ikke alene følger deres programmering, men også bliver smartere og over tid kan afhjælpe flere af de trin, der i dag er afhængig af menneskelig involvering. Denne kombination af RPA og AI bliver kaldt 'SPA', Smart Process Automation.
Supply Chain Management, forkortet som SCM, handler overordnet om, at håndtere en virksomheds vare- og materialestrømme helt fra råvareleverandør til slutforbruger. Man arbejder dermed med, at få samspillet mellem de forskellige aktører i virksomhedens værdiskabende aktiviteter til at gå op i en højere enhed.