Efiman ohjelmistokehittäjä Ville Pajala tarkastelee tekoälyn yhdistämistä ohjelmistorobotiikkaan. Hän käy läpi, miten tekoäly voi tuoda joustavuutta ja uusia tehostamismahdollisuuksia ohjelmistorobotiikalla toteutettuihin automaatioihin, mutta myös millaisia haasteita tekoälyn hyödyntämisessä on huomioitava.

Ohjelmistorobotillakin on rajansa – säännöistä ei jousteta

Ohjelmistorobotiikka, eli RPA (Robotic Process Automation), viittaa automaatioon, jossa ohjelmistot eli "robotit" suorittavat rutiininomaisia, sääntöihin perustuvia tehtäviä käyttäen järjestelmän käyttöliittymää – aivan kuten ihminenkin. Tällaisia tehtäviä ovat muun muassa tietojen syöttö, laskujen käsittely ja raporttien luonti. RPA:n avulla monet yritykset ovat siirtäneet nämä toistuvat ja aikaa vievät tehtävät ohjelmistojen harteille, mikä on johtanut virheiden vähenemiseen ja tuonut aika- sekä kustannussäästöjä.

Vaikka ohjelmistorobotiikka mahdollistaa monien prosessien automatisoinnin, se yltää vain tiettyyn pisteeseen. Monimutkaisissa prosesseissa usein vain osa tehtävistä noudattaa RPA:n vaatimuksia säännönmukaisuudesta, ja työvaiheet, jotka vaativat itsenäistä päättelyä ja luovuutta, jäävät edelleen ihmisen hoidettaviksi. Käytetään esimerkkiä havainnollistamaan ohjelmistorobotiikan mahdollisuuksia ja rajoituksia: 

Laskujenkäsittelyprosessi sisältää paljon sellaista manuaalista työtä, jossa perinteinen ohjelmistorobotiikka on parhaimmillaan. Ohjelmistorobotiikan avulla prosessi voidaankin automatisoida alusta loppuun saakka: Ensin ohjelmistorobotti avaa järjestelmän, navigoi siellä tarvittaviin kohtiin ja hakee käsiteltävät laskut ennalta määriteltyjen sääntöjen mukaisesti. Tavoitteena on usein hakea tietoja esimerkiksi XML- tai PDF-muotoisilta laskuilta ja syöttää tiedot sen jälkeen järjestelmässä toiseen paikkaan tai siirtää ne kokonaan toiseen järjestelmään. 

Jos laskun tiedot eivät ole saatavilla XML-muodossa, ne puretaan PDF-tiedostoista skannaamalla koko dokumentti yhtenä merkkijonona. Tästä merkkijonosta ohjelmistorobotti valitsee tarvittavat tiedot tarkasti määriteltyjen sääntöjen avulla. Tämä prosessi ei salli päättelyä, vaan vaatii, että ohjelmistorobotilla on tiedossaan haettavan tiedon tarkka sijainti PDF-tiedostossa. Yleensä tämä toteutetaan ohjelmoimalla esimerkiksi, että laskun päivämäärä löytyy sanan “laskupäivämäärä” jälkeen, mutta ennen sanaa “eräpäivä”. Robotille täytyy ohjelmoida tarkasti tässä tapauksessa myös päivämäärän muoto (esim. pp.kk.vvvv tai kk.pp.vvvv). Sääntöjen määrittely ohjelmistorobotille on usein työlästä, mutta kun toimiva ratkaisu on saavutettu, se on yleensä hyvin luotettava. 

Mutta – mikäli laskujen formaatti muuttuu ajan myötä, tarkkaan määritelty säännöstö voi rikkoutua hyvin pienestäkin muutoksesta. Tämän vuoksi automaation ulkopuolelle jää usein laskuja, joita ei voida käsitellä luotettavasti ohjelmistorobotiikan avulla, ja nämä laskut ohjautuvat yhä ihmisten käsiteltäviksi.

Siinä missä säännöstön noudattaminen millintarkasti tekee ohjelmistorobotin työstä luotettavaa, virheetöntä ja ennakoitavaa, tekee se siitä myös erittäin muutosherkän.

Tekoäly tuo joustavuutta RPA-automaatioihin

Tekoälyteknologiat ovat kehittyneet viime vuosina vauhdilla. Kyseessä on joukko teknologioita, joiden tarkoituksena on jäljitellä ihmisen älykkyyttä. Yhdistämällä tekoälyn kyvykkyyksiä ohjelmistorobotiikkaan voivat yritykset jatkossa automatisoida myös sellaisia prosesseja, jotka ovat aiemmin olleet automaation ulottumattomissa. Ohjelmistorobotti suorittaa edelleen rutiinitehtävät, mutta tekoälyn lisääminen prosessiin mahdollistaa lisäksi päättelyä, oppimista ja luovuutta vaativien työvaiheiden automatisoinnin järjestelmissä. Näitä voivat olla esimerkiksi:

• päätösten tekeminen epäselvissä tilanteissa,
• luonnollisen tekstin ja puheen ymmärtäminen ja tuottaminen,
• datan analysointi,
• ja datan käsittely epärakenteellisessa muodossa (esimerkiksi ihmisen tuottama teksti, kuvat tai vaikkapa dokumentit, joilla on toisiinsa nähden erilainen rakenne tai joiden rakenteeseen aiheutuu muutoksia ajan saatossa).

Esimerkiksi Microsoftin Azure AI Services ja OpenAI tarjoavat tekoälykyvykkyyksiä, jotka voidaan yhdistää ohjelmistorobotiikkaan valmiin rajapinnan kautta.

Tekoälykyvykkyyksien lisääminen aiemmin esittelemääni laskujenkäsittelyprosessiin kasvattaisi prosessin automaatioastetta:

Ohjelmistorobotti avaa järjestelmät ja etsii käsiteltävät laskut. Tietojen purkaminen laskulta tapahtuu purkamalla PDF-tiedosto merkkijonoksi. Sen sijaan, että ohjelmistorobotti ryhtyy parsimaan monimutkaisin säännöin tietoja, ohjelmistorobotti siirtääkin koko tekstisisällön GPT-kielimallille analysoitavaksi. Ohjelmistorobotti antaa kielimallille ohjeistuksen eli promptin, jossa määritellään, mitä tietoja laskulta halutaan ja mistä ne löytyvät. Sen jälkeen kielimalli palauttaa halutut tiedot robotille selkeässä rakenteellisessa muodossa. Kun kaikki tarvittavat tiedot on kerätty, ohjelmistorobotti validoi niiden muodon ja oikeellisuuden ennen laskun käsittelyä.

Eri toimittajien laskujen käsittelyyn voidaan käyttää yksilöityjä prompteja, mikäli eri toimittajien laskuilta halutaan hakea eri tietoja yksilöllistä käsittelyä varten. Kun prompti on saatu muotoiltua oikein, se on erittäin joustava ja pienet muutokset toimittajan laskussa eivät vaikuta lainkaan tietojen purkuun.

Edellä kuvaamani esimerkki on todellinen käyttötapaus asiakkaamme arjesta: yhdistämällä GPT-kielimallin kyvykkyyksiä ohjelmistorobotiikkaan, asiakkaamme saa nyt automatisoitua yhä useamman laskun käsittelyn.

Tunnistetut haasteet ja mahdollisuudet ohjelmistorobotiikan älyllistämisessä

Kokemus on osoittanut, että jo nykyinen tekoälyteknologioiden maturiteetti mahdollistaa merkittäviä hyötyjä RPA-automaatioiden tehostamisessa: 

• Korkeampi automaatioaste: tekoälyn avulla voidaan parantaa prosessien automaatioastetta, sillä ihmisen ei tarvitse enää puuttua jokaiseen epäselvään tapaukseen.

• Joustavammat automaatiot: tekoälyn kyky tehdä päätelmiä vähentää virheiden ja poikkeustilanteiden määrää, mikä puolestaan vähentää automaation herkkyyttä muutoksille ja alentaa ylläpitokustannuksia.

• Nopeampi automaatioiden kehitys: Tekoälyn avulla automaatioita voidaan rakentaa entistä nopeammin. Tekoälyn päättelykyky mahdollistaa sääntöjen koodaamisen ylemmällä tasolla, eikä kaikkea tarvitse koodata millintarkasti alusta loppuun saakka.

Täysin aukotonta tekoälyn hyödyntäminen ei kuitenkaan ole ja myös tekoälyn käyttöön liittyy rajoituksia, jotka on tärkeä tunnistaa ja tunnustaa: 

• Tekoäly voi hallusinoida: Kielimallit saattavat hallusinoida eli tuottaa vääriä vastauksia tai vastauksissa voi olla epätarkkuuksia. Tästä syystä tekoälyn tuottamat vastaukset täytyy aina validoida, jotta voidaan varmistua tekoälyllä tuotetun tiedon oikeellisuudesta. Laskujenkäsittelyprosessissa validoinnista vastasi ohjelmistorobotti.

• Hinnoittelu rajoittaa edistyksellisimpien tekoälymallien käyttöä: Tällä hetkellä parhaiden kielimallien (GPT-4) hinnat ovat vielä korkeat, ja käytännössä paras hinta-laatusuhde löytyy askeleen vanhemmista malleista (GPT-3.5.), jolla asiakkaammekin automaatio on toteutettu. Näissä päättelykyky ei ole aivan teknologian keihäänkärkeä, mutta on riittävän hyvä yleisimpiin käytännön sovelluksiin. Mikäli edellä kuvaamani automaatio olisi rakennettu GPT-3.5:sta kyvykkäämmällä kielimallilla, merkkijonon sijaan tekoälylle olisi voitu antaa kuva laskusta. Kuva sisältää huomattavasti enemmän kontekstuaalista tietoa eri laskutietojen sijainneista ja suhteista ja nostaa siten tekoälyn luotettavuutta entisestään. Kuvien käyttö todennäköisesti mahdollistaisi myös yksinkertaisempien promptien käytön, mikä vähentäisi kehitystyöhön käytettyä aikaa. Parempien kielimallien (GPT-4) hintojen odotetaan laskevan merkittävästi tulevaisuudessa, kun uudempia ja parempia malleja julkaistaan.

Edellä mainitut haasteet eivät toimi tälläkään hetkellä esteenä kannattavan business casen rakentamiselle. Rajoitukset on tunnistettava ja niitä on osattava hallita. Asiakkaan näkökulmasta merkittävin ponnistus on kuitenkin kääntää ajattelua perinteisestä automaatiosta kohti tekoälyn mahdollisuuksia. Se edellyttää uudenlaista ajattelua automatisoitavien prosessien tunnistamisessa ja palauttaa työpöydälle myös sellaiset RPA-kehitysideat, jotka ovat aiemmin kuopattu kannattamattomiksi. 

Kirjoittaja

Ville Pajala

Software Developer

Efima Oyj

Kirjoitus on julkaistu aiemmin Efiman sivuilla.