RPA и искусственный интеллект (AI) — современные инструменты для автоматизации бизнеса

RPA автоматизирует действия, а не решения

В этот момент и появляется идея использовать новую технологию — искусственный интеллект, который как раз предназначен для работы в произвольных условиях без строгих сценариев. Синергия робота (детерминированной логики) и ИИ (вероятностных моделей) позволяет выйти на новый уровень автоматизации процессов.

Отсюда главное свойство технологии: робот делает ровно то, что записано в сценарии, шаг за шагом, в одном и том же порядке. Разработчик описывает маршрут кликами и условиями, а платформа исполняет его столько раз, сколько нужно.

Если задачу можно описать в виде повторяющегося сценария и предстоит работать со структурированными данными — значит, эту задачу можно поручить RPA. RPA — это скорость, точность и независимость от человеческого фактора.

Три задачи, где роботы окупаются быстрее всего

1. Ввод и перенос данных. Перенос реквизитов из документа в учётную систему, разнесение операций, заполнение карточек контрагентов, выгрузка отчётности по расписанию. Операция короткая, повторяется тысячи раз в месяц, ошибка стоит времени на исправление.
2. Обработка форм и заявок. Робот забирает заявку из почты или портала, проверяет полноту полей, заводит документ, отправляет уведомление. Порядок действий фиксирован, отклонения перечислены заранее.
3. Интеграция систем без API. Самый недооценённый сценарий: когда две системы обязаны обмениваться данными, а шины между ними нет и разработка интеграции стоит дороже задачи, робот работает интерфейсным мостом. Он читает данные там, где их видит пользователь, и вводит туда, куда их ввёл бы сотрудник.

Список типовых задач также включает проверку данных и формирование отчетности по реестрам.

Ограничения RPA

Ограничений у технологии два, и оба следуют из её устройства.

• Первое ограничение: жёсткость сценария. Робот выполняет записанный маршрут и ничего кроме него. Изменилась форма, добавилось поле, контрагент прислал документ в другом формате — сценарий требует правки. Пока исключений мало, поддержка обходится дёшево. Когда их становится больше, чем правил, стоимость сопровождения роботов растёт быстрее эффекта. Любое обновление интерфейса — даже мельчайшее изменение расположения кнопки или последовательности полей — заблокирует действия робота. Он не сможет продолжить, пока его не перепрограммируют.
• Второе ограничение: неструктурированные данные. Робот умеет забрать значение из ячейки, поля или строго заданной области документа. Он теряется там, где нужно извлечь смысл: скан плохого качества, письмо в свободной форме, договор, который каждый контрагент оформляет по-своему.

На наших проектах связка робота с распознаванием и языковой моделью появлялась ровно в этих местах, где чистый сценарий переставал справляться.

Что такое искусственный интеллект в задачах автоматизации

• Машинное обучение (ML). Модель обучается на исторических данных и выдаёт оценку: прогнозирование спроса, предсказание вероятности дефолта контрагента, поиск отклонения платежа от типичного профиля. Нужна накопленная история и понимание, какой результат считается верным.
• Обработка естественного языка (NLP). Извлечение смысла из текста: классификация обращений, определение темы письма, поиск нужного пункта в регламенте, сопоставление назначения платежа со статьёй бюджета.
• Компьютерное зрение (CV). Работа с изображением или видео: распознавание документов и печатей, контроль качества на производственной линии, описание дефектов по фотографии объекта.
• Генеративный ИИ (LLM). Большие языковые модели читают произвольный текст, отвечают на вопросы по корпоративной базе знаний, формируют черновики документов и извлекают структурированные данные из неструктурированного входа. Мультимодальные версии работают ещё и с изображениями.

Общее у всех технологий — вероятностный характер результата. Модель выдаёт не единственно верный ответ, а наиболее вероятный при текущих данных и формулировке запроса. Точность измеряется, но никогда не равна ста процентам.

Отдельно стоит развести два термина, которые в текстах про автоматизацию часто путают:

• ИИ-ассистент отвечает на вопрос и предлагает вариант, но не выполняет действие сам: подсказывает, суммирует, ищет информацию. Финальный шаг — в системе или в диалоге с клиентом — всегда делает человек или робот.
• ИИ-агент — система, которая сама решает, какой следующий шаг предпринять, и может инициировать действие, не дожидаясь команды на каждом шаге: например, сама решает запустить робота на выполнение задачи.

В связке с RPA чаще работает первый сценарий: ИИ-ассистент готовит решение, а действие в системах выполняет робот по заданному сценарию. Агентный сценарий тоже встречается — когда ИИ-агент сам анализирует источник и при необходимости запускает робота, — но требует более строгого контроля, поскольку часть инициативы передаётся модели.

Чем RPA отличается от ИИ

Содержательных различий три:

• Детерминированность против вероятности. Робот на одном входе всегда даёт один выход. Модель на том же входе может выбрать разный путь рассуждения и дать слегка разные формулировки. Для повторяемых операций это минус, но для работы со смыслом это единственный способ вообще получить результат.
• Правило против обучения. Логику робота пишет разработчик, и её можно прочитать построчно. У модели она формируется данными обучения, и объяснить конкретный результат уже сложно — во время работы модели не пишут привычные нам журналы исполнения каждого шага.
• Исполнение против интерпретации. Робот действует в системах: кликает, вводит, проводит, выгружает. Модель понимает и оценивает, но сама ничего в учётной системе не меняет.

Из последнего пункта следует главное: робот и ИИ закрывают разные части одного процесса. ИИ отвечает на вопрос «что здесь написано и что с этим делать», робот — на вопрос «как это внести в систему».

RPA и ИИ вместе: Intelligent Process Automation

Связку двух технологий называют IPA — Intelligent Process Automation, интеллектуальная автоматизация процессов. Логика связки такая: ИИ добавляет RPA способность работать с неопределённостью, RPA даёт ИИ руки для действий в корпоративных системах.

Разделение внутри процесса выглядит так. Модель читает вход, распознаёт, классифицирует, извлекает поля, оценивает риск и предлагает решение. Робот забирает результат и выполняет действия: заводит документ, заполняет реквизиты, ставит задачу, отправляет уведомление, пишет в журнал. Спорные случаи уходят человеку с пометкой, что именно вызвало сомнение.

Такая архитектура сохраняет за автоматизацией предсказуемость. Все операции в учётной системе выполняет детерминированная часть по заранее описанному сценарию, а вероятностная отвечает только за суждение. Её результат можно проверить до того, как он превратится в проводку.

Проще говоря, IPA позволяет выполнять не только механические, но и интеллектуальные задачи так, как это делают люди. Но быстрее, точнее и безошибочно, если алгоритмы запрограммированы правильно.

Пример пайплайна: обработка входящих писем от поставщиков

1. Робот запускается по расписанию раз в 5–10 минут или по триггеру — при получении нового письма на email.
2. Робот извлекает метаданные (тема, отправитель), загружает вложения к письму и сохраняет их в заданную папку.
3. Робот вызывает API сервиса распознавания. AI/ML модуль с помощью технологии OCR/VLM извлекает «сырой» текст из документов и передаёт его языковой модели.
4. NLP- или LLM-модель находит ИНН контрагента в базе учётной системы, сопоставляет позиции счёта с заказом на поставку и проверяет корректность сумм. Выдаёт результат в виде JSON-пакета с нормализованными данными.
5. Если данные неполные или противоречивые, модель формирует запрос оператору на их проверку.
6. Учётная система проверяет счёт на предмет соблюдения заданных лимитов, правил согласования и других условий, требующих запуска различных сценариев.
7. Робот авторизуется в учётной системе. Используя UI-элементы или API, он создаёт карточку нового счёта, заполняет поля полученными от ИИ данными, прикрепляет скан и нажимает кнопку «Провести и закрыть».
8. Робот отправляет поставщику письмо о регистрации счёта, пишет комментарий в трекере задач и перемещает исходный email в архив. Лог выполнения записывается в базу аудита.
9. Подтверждённый бухгалтером счёт анонимизируется и отправляется в Data Lake для дообучения ML-моделей.

Что именно ИИ делает внутри робота

Неструктурированный текст (письма, заявки, регламенты): LLM

Самый распространенный класс задач — вход, у которого нет формы. Заявка написана в теле письма своими словами, к ней приложены таблица и фотография. Модель извлекает из этого структуру: что заказывают, в каком количестве, на какой адрес и к какому сроку. На одном из наших проектов измеренная точность извлечения полей составила 96% — замер сделан на потоке входящих писем с заявками, которые разбирает локальная модель в закрытом контуре. Остальные четыре письма из сотни уходят человеку, и это честная арифметика внедрения: модель снимает основной объём, проверка спорных случаев остаётся, и экономия считается от неё. Языковые модели закрывают то, что раньше требовало эксперта. Сравнить две версии договора и показать расхождения, найти ответ в базе знаний со ссылкой на источник, подготовить черновик документа по регламенту.

Обработка документов: IDP

IDP, Intelligent Document Processing, — связка распознавания и языковой модели, которая превращает документ в набор полей. OCR переводит скан в текст, модель определяет тип документа, находит реквизиты, суммы, даты и номенклатуру, а робот записывает результат в учётную систему. Разница с классическим распознаванием по шаблону принципиальная: шаблонный подход требует, чтобы поле лежало в известном месте страницы. Модель находит реквизит по смыслу, поэтому понимает и другой макет, и другую формулировку, и скан среднего качества.

Работа со специализированными моделями

Для узких классов данных — изображений, аудио, определённых типов документов — точнее работает не универсальная языковая модель, а модель, обученная именно под эту задачу. Например, на проекте в недвижимости модель компьютерного зрения разбирает фотографии объекта, формирует ведомость дефектов по ГОСТ и оценивает объёмы работ по исправлению. Робот превращает её вывод в задачи в Jira и 1С, а человек в этой цепочке проверяет готовую ведомость, а не составляет её с нуля.

Ограничение у всех ИИ-решений одно, и оно организационное. Моделям нужны данные: накопленная история в системе, а не в головах сотрудников, и приведённые в порядок справочники. Если данные дублируются, неправильно хранятся, содержат ошибки или не являются согласованными, первым этапом проекта становится нормализация, а не обучение.

Три типичных сценария:

• Данных нет. ИИ не сможет нормально работать с бизнес-процессом компании — на выходе будет «общий», генеративный результат, а не решение конкретной задачи. Необходимо начать со сбора и накопления истории по процессу.
• Данные есть, но низкого качества. Результат будет соответствующим: хаос на входе — хаос на выходе. Перед запуском проекта по ИИ необходимо провести нормализацию и очистку справочников.
• Процесс и регламенты не описаны. На структурирование инструкций для модели уйдёт больше времени, чем на саму разработку. Важно зафиксировать регламент и правила принятия решений в процессе до старта разработки — это ускорит и удешевит проект.

Архитектура типового решения

Структура процесса большинства проектов на связке роботов и моделей выглядит одинаково.

1. Источник. Робот забирает вход: письма с вложениями, файлы из папки, документы из ЭДО, записи разговоров, выгрузки из смежных систем.
2. Подготовка. Распознавание сканов, конвертация форматов, обезличивание персональных данных перед передачей в модель.
3. Понимание. Модель определяет тип документа, извлекает поля, классифицирует обращение, оценивает риск. На выходе структура и уровень уверенности по каждому полю.
4. Проверка. Записи с низкой уверенностью и незнакомые типы уходят сотруднику с пометкой, что вызвало сомнение. Остальное идёт дальше автоматически.
5. Действие. Робот выполняет операции в системах: создаёт документ, заполняет реквизиты, ставит задачу, отправляет письмо. Документ появляется непроведённым, проведение выполняет сотрудник.
6. Журнал и метрики. Каждый шаг логируется: что пришло, что решила модель, что сделал робот, где вмешался человек. Отсюда берутся замеры «было → стало» и материал для дообучения.

Возможен и обратный порядок связки: ИИ-агент сам анализирует источник и, если требуется, запускает робота на выполнение задачи — например, процесс выверки данных ведёт ИИ, а исправления вносит робот.

RPA, ИИ и IPA: сравнение

Робот предсказуем, и это преимущество

Про связку технологий обычно пишут в терминах скорости. Скорость измерима и важна, но у директора по цифровизации и службы безопасности есть вопрос поважнее: что эта конструкция может сделать сверх задуманного.

Здесь у робота есть свойство, которого у автономного агента нет. Робот выполнит только то, что записано в сценарии. Он не придумает обходной путь, не удалит базу, не выйдет за пределы прав пользователя, под которым запущен. Порядок шагов он тоже не изменит: маршрут задан явно. У зрелых платформ это подкреплено архитектурой: работа в правах текущего пользователя, запрет на произвольный код и SQL-запросы, полное логирование действий.

С языковой моделью ситуация другая. Модель вероятностна: на одинаковом входе она может выбрать разные пути рассуждения и прийти к разным формулировкам. В работе со смыслом её сила: именно так она справляется с документом, которого раньше не видела. Там, где операции необратимы, то же свойство становится риском — рынку известны случаи, когда автономные агенты делали не то, чего от них ждали.

IPA работает сдерживающим фактором — он помещает ИИ в рамки заданной конструкции правил. RPA не позволяет ИИ чрезмерно «самовольничать», поскольку не сделает того, что не вложено в скрипт.

При этом, в отличие от классического RPA, не возникает ситуаций, когда из-за малейшего расхождения со сценарием скрипт не выполняется. IPA обеспечивает бо́льшую гибкость: он оценивает ситуацию и, если рисков нет и отклонение от алгоритма минимальное, даёт команду RPA выполнить задачу. При сильных расхождениях и в спорных ситуациях IPA сигнализирует оператору об исключении: описывает проблему, предлагает варианты решения.

Уровень безопасности роботов закладывается на этапе их разработки и настройки. Важно, чтобы RPA не работали под учётными записями сотрудников, конфиденциальные данные не хранились в открытом виде, доступ к базам данных ограничивался. Весь трафик между роботами, оркестратором и целевыми системами должен передаваться по защищённым протоколам, все действия — логироваться. Несмотря на растущую популярность облачных платформ, надёжнее использовать гибридный подход и разворачивать наиболее критическую часть инфраструктуры в локальной сети.

Практическое правило разделения

Отсюда рабочий принцип, который стоит закладывать в проект с самого начала.

• Интерпретация — модели. Прочитать, распознать, классифицировать, извлечь, предложить вариант.
• Действие — роботу. Всё, что меняет данные в системах, выполняется по описанному сценарию.
• Необратимое — человеку. Проведение документа, платёж, отправка контрагенту, удаление и принятие финального решения. Модель готовит, робот подставляет, решение остаётся за сотрудником.

Такое разделение снимает основной аргумент против ИИ в учётном контуре. Модель ошибается — вопрос лишь в том, что происходит после ошибки. Когда она физически не совершает операций, цена ошибки падает до времени на исправление одной записи. Второй эффект — проверяемость. Логику робота видно построчно, действия видны в журнале, права ограничены учётной записью. Служба безопасности проверяет знакомую конструкцию, а разговор про модель сводится к одному вопросу: какие данные она видит и в каком контуре работает.

Платформы RPA с ИИ-функциями

На российском рынке несколько зрелых RPA-платформ, и у каждой появились собственные ИИ-модули.

PIX RPA

В архитектуре PIX RPA ИИ и роботы технологически связаны в замкнутый контур, но при этом их роли чётко разделены. В состав PIX входит библиотека готовых ИИ-активностей, low-code, сгруппированных по направлениям: работа с документами и данными (распознавание, извлечение реквизитов, классификация и маршрутизация); работа с текстом и обращениями (анализ писем, чатов, заявок, определение тем и намерений, генерация ответов); поддержка принятия решений (интерпретация данных и правил, формирование выводов и схем действий). Smart-модуль позволяет подключать LLM к процессам без кастомной разработки и управлять промптами, контекстом и ролями моделей. В PIX также встроен ИИ-ассистент, помогающий искать информацию в корпоративной базе знаний, управлять роботами, создавать и редактировать скрипты для них.

• Кому подходит. Компаниям с 1С как основным операционным контуром и тем, кто уходит с зарубежных RPA-платформ.

Компания Первый Бит Спортивная перенесла более 50 роботов авиакомпании S7 с UiPath на PIX RPA. Проект «Норникель», выполненный совместно с PIX Robotics, получил премию Global CIO «Проект года» в 2023 году. «Акрихин» с помощью данного решения автоматизировал финансы, логистику и регуляторику, сэкономив более 20.000 часов в год.

Sherpa RPA

На предварительном этапе система наблюдает за действиями пользователя и выявляет бизнес-процессы, подходящие для роботизации или интеллектуальной автоматизации. Управление автоматизацией осуществляется в Sherpa AI Server — платформе для применения LLM в связке с роботами в корпоративной среде. В AI Server встроено более 500 больших языковых моделей, которые можно обогатить своими данными: достаточно загрузить базу знаний и корпоративные документы в любом формате, либо настроить API-интеграцию с корпоративными системами. Реализован диалог с пользователем в стиле чата GPT, поддерживается многопользовательский и многопоточный режим, а для уникальных задач можно без программирования сконструировать чат-бота, работающего по технологии IPA.

• Кому подходит. Крупному бизнесу с высокими требованиями к контуру и собственной командой сопровождения роботов.

Robin RPA

Платформа координирует работу роботов, ИИ и людей в рамках одного процесса: система распознаёт, какую задачу должен выполнить робот, где требуется когнитивный анализ ИИ-агента, а где не обойтись без специалиста. Предусмотрен no-code конструктор процессов и экранных форм, задачи могут выполняться последовательно или параллельно. Robin.Ассистент интегрируется в корпоративные порталы, системы, браузеры и мессенджеры и обеспечивает доступ к сервисам на естественном языке в привычном чат-интерфейсе; встроено более 30 шаблонов для автоматизации закупок, продаж и маркетинга, юридической службы, бухгалтерии, HR, техподдержки.

• Кому подходит. Компаниям, которые уже используют другие продукты этой линейки и предпочитают единого поставщика по всему стеку.

Primo RPA

Практика: что уже работает на связке роботов и моделей

• Протоколы исследований в фармацевтике. Тысяча протоколов в месяц приходили PDF-сканами, сотрудники вручную сортировали их и раскладывали по типам исследований. Связка робота, распознавания и языковой модели закрыла весь маршрут: мониторинг почты, распознавание, деление файлов, определение типа. Разбор одной партии протоколов занимал 120–180 минут, стал занимать 15–20.
• Разнесение банковских выписок. Классическая задача бухгалтерии, где робот один справляется плохо: назначение платежа сотрудники контрагента пишут свободным текстом. Модель сопоставляет платёж с договором и статьёй затрат, робот вносит результат в учётную систему. Документы появляются непроведёнными, проведение остаётся за бухгалтером. Обычно после внедрения системы в среднем автоматически сопоставляется 70-80% документов, однако после отладки эту цифру можно поднять до 90-95%.
• Рекомендации по участию в тендерах. Робот собирает документацию, модель разбирает требования и сопоставляет их с профилем компании. На выходе заключение с обоснованием, идти на конкурс или нет. Решение принимает руководитель тендерного отдела, но он читает разбор, а не первоисточник на сотню страниц. Время на анализ сокращается с 2-4 часов до 20-40 минут. Рост продуктивности тендерного отдела вырастает в 4-6 раз без расширения штата.
• Подбор персонала. Поток резюме больше, чем рекрутеров. Робот забирает отклики из источников, модель извлекает опыт и навыки и оценивает соответствие вакансии. Рекрутер работает с отобранной частью, а не со всем потоком. Для первичного скрининга резюме затраты времени снижаются на 60–70%, а срок закрытия вакансий — примерно в 2 раза, особенно в массовом найме
• Ведомости дефектов по фотографиям. Мультимодальная модель описывает дефекты на снимках объекта и считает объёмы работ по их исправлению, робот заводит задачи в Jira и 1С, а готовую ведомость проверяет инженер. AI-инспекция фасадов экономит до 67% времени и 52% затрат относительно распространённой практики с привлечением штата специализированных сотрудников; средняя точность обнаружения визуальных дефектов составляет 90%.
• Обработка обращений в страховании. В компании «Ингосстрах» автоматизированы процессы обработки обращений: при поступлении заявки на прямое возмещение убытков робот с помощью OCR распознаёт текст отсканированных документов, проверяет корректность данных, наличие и качество приложенных документов, сверяет сумму в акте от СТО с суммой в заявке на ремонт. На основе проверки ИИ передаёт специалисту предварительную оценку страхового случая.
• Импортозамещение в фармацевтике. В компании «Акрихин» проведено импортозамещение платформы, ушедшей с российского рынка, на PIX RPA. Роботы закрывают все рутинные операции по финансам, логистике и цепочкам поставок, регуляторным рискам, юридическому блоку. RPA объединяет в сквозные процессы задачи, выполняемые в разрозненных системах (Oracle eBS, SAP, системах клиент-банк и ЭДО) без доработки ядра каждой из них. В итоге высвобождено более 20 тысяч человеко-часов.
• Проверка контрагентов на надёжность. В крупной финансовой организации автоматизирован анализ рейтингов и разнесение данных: робот запускает браузер, заходит на сайт рейтингового агентства, устанавливает нужные фильтры и формирует реестр новостных ссылок. Затем робот переходит по каждой ссылке, извлекает текст и отправляет его в языковую LLM-модель для получения искомых данных. ИИ структурирует текст и отправляет ответ RPA, в конце работы создаётся итоговый файл со структурированной информацией по каждой ссылке — эти данные в дальнейшем используют BI-системы для глубокого анализа. Менеджерам больше не нужно вручную мониторить сайты рейтинговых агентств.

Все сюжеты устроены одинаково. Модель работает там, где вход неструктурированный, робот — там, где нужно действие в системе, человек — там, где решение необратимо.

Что даёт связка RPA и AI бизнесу

• Эффект считается на минутах операции, а не в процентах. Считать нужно три числа: сколько минут занимала операция до внедрения, сколько занимает после и сколько таких операций в месяц. Кратные изменения в наших замерах получались именно на таких операциях: 20–30 минут ручной работы, повторяемой сотни раз.
• Действующие роботы остаются в деле. Модели достраиваются к тому, что уже работает: сценарий сохраняется, а его хрупкие места (распознавание, классификация, разбор текста) переносятся на модель. Вложения в роботизацию не обесцениваются, а перестают упираться в неструктурированный вход.
• Автоматизация перестаёт зависеть от конкретных людей. Знание о том, как разобрать нестандартный документ, обычно живёт у одного-двух сотрудников. Формализованный маршрут с моделью и роботом переносит это знание в систему, где его видно и можно поправить.
• Масштабирование идёт от процесса к контуру. Первый процесс закрывается пилотом за несколько недель, следующие подключаются к готовой инфраструктуре: платформа, шлюз к моделям, оркестратор роботов уже развёрнуты. Стоимость второго и третьего процесса ниже стоимости первого.
• Требования безопасности решаются архитектурой. Контур развёртывания, права роботов, состав данных, попадающих в модель, проектируются на старте. Служба безопасности участвует в постановке задачи, а не блокирует запуск задним числом.

Резюмируя, связка RPA и ИИ даёт бизнесу пять преимуществ: снижение порога входа (классический RPA быстро даёт ROI и экспертизу, что облегчает переход к IPA); накопление исторических данных (RPA собирает массивы данных, которые становятся источником для моделей машинного обучения); поэтапную интеллектуализацию (когнитивные компоненты подключаются постепенно — сначала для обработки исключений, затем для простых решений, далее для более сложных задач); безопасность (жёсткие рамки RPA действуют как сдерживающий фактор для ИИ и не позволяют произойти утечке или потере данных); и расширение спектра обрабатываемых данных (IPA работает с любыми неструктурированными данными и мультимодальными моделями, обеспечивая практически безграничное масштабирование).

С чего начать

Прежде всего необходимо понять, подходит ли процесс для автоматизации и понять, как именно его автоматизировать.

Для этого необходимо ответить на 4 вопроса:

• Какой процесс занимает больше всего времени и рутины у ваших сотрудников? В чём его основная проблематика?
• Почему процесс до сих пор не автоматизирован? Что является барьером?
• Какой эффект даст автоматизация? Какие риски закроет и как повлияет на бизнес-метрики?
• Готовы ли данные и инструкции для процесса? Учтите: ИИ или робот нужны не всегда — иногда процесс можно оптимизировать и без них.

Исходя из ответов можно будет понять, стоит ли применять технологии RPA и AI для оптимизации данного процесса.

Для того чтобы внедрить классических роботов или перейти от автоматизации операций к автоматизации решений, обращайтесь в компанию «Первый Бит Спортивная». У нас 15-летний опыт внедрения и сопровождения RPA-технологий, мы успешно реализовали свыше 500 проектов роботизации в различных отраслях. Наши специалисты проведут анализ вашего бизнеса, внедрят и будут поддерживать технологии, по максимуму эффективно решающие ваши задачи.