Глядя на функции The Operator, не можешь отделаться от мысли, что тебе продают RPA в новой обертке. Мы попросили друзей из AIRI объяснить, чем же новомодные агенты отличаются от RPA?

💭 Robotic process automation (RPA), как подход к автоматизации рутинных процессов работы человека с компьютером, появился в 2015 году. Его основная цель — автоматизация процессов, которые достаточно хорошо формализованы, а данные для их выполнения структурированы, и любое отклонение от процесса также имеет четкий протокол.

По сути, RPA — это собирательное название для любого набора алгоритмов анализа информации, подходящего под задачу. Это может быть, например, комбинация распознавания текста на изображениях (OCR) и вычислительных алгоритмов. Но архитектурно AI-агенты и RPA — это две разных фазы развития технологии автоматизации процессов. Есть важные отличия.

Сегодня RPA удачно применяются для таких задач, как конверсия данных из одного формата в другой, или для распознавания документов и их классификации, для проверки необходимых полей. Как можно заметить, в таких задачах не может быть какой-либо двойственности — всё максимально конкретно, а значит, человек полностью может быть исключен из цепочки. Получается, полная заменяемость.

Благодаря LLM стало возможным давать инструкции на естественном языке, появилась и возможность понимания менее формализованных процессов и задач, декомпозиции этих задач на этапы и более гибкого управления «течением» данных по процессам. В результате мы увидели сущность «ИИ-агентов» или «LLM-агентов», которые могут:

1️⃣ Работать с менее структурированными данными и формулировками, чем обычные RPA
2️⃣ Обучаться на основе инструкций пользователя и формирования специальных текстовых «ролей»
3️⃣ Взаимодействовать с оператором-человеком (человек в цикле, human in the loop)
4️⃣ Получать от него обратную связь и запрашивать её в случае неуверенности в следующем шаге или при необходимости валидации шага.

Самое, пожалуй, важное отличие LLM от классического RPA — способность к обучению. RPA, как правило, не могут переобучаться. RPA-боты выполняют ограниченный список задач по заданной программе, не совершенствуются и не адаптируются со временем, если их не обновлять вручную, описывая соответствующие части кода.

Еще одно отличие — на кого ориентированы системы. Разработчики ИИ-агентов целятся в B2C-сегмент — вы не будете подключать к своему компьютеру RPA-платформу, предназначенную для сортировки документов на заводе, а вот модель, управляющую поисковиком «по указке», вероятно, захотите попробовать. С другой стороны, если вы владелец завода, вы вряд ли доверите LLM-агенту на нынешней стадии развития сортировать свои документы.

В целом, ИИ агенты — про комплексные задачи, взаимодействие с человеком, бóльшую гибкость и отказоустойчивость.

Но они не представляют угрозы RPA, ведь если у бизнеса есть понятные, формализованные и хорошо автоматизируемы задачи, то их гораздо дешевле и проще решать именно этим подходом.

Андрей Кузнецов, кандидат технических наук, Директор лаборатории FusionBrain Института AIRI, выступает с лекциями и пишет о событиях в AI и ML, о чем активно рассказывает в своем канале