[論文レビュー] From Robotic Process Automation to Intelligent Process Automation: Emerging Trends

Tathagata Chakraborti, Vatche Isahagian+5 more|arXiv (Cornell University)|Jul 27, 2020

Robotic Process Automation Applications参考文献 56被引用数 10

ひとこと要約

この論文は、ロボティック・プロセス・オートメーション（RPA）からインテリジェント・プロセス・オートメーション（IPA）への進化を調査し、機械学習およびAIの統合がRPAをより適応的で知的なシステムに変革することを提唱する。マルチモーダルデータ処理、自然言語インタフェース、自動プロセス合成の分野における重要な研究課題を特定し、スケーラブルで説明可能なオートメーションを進めるために、AIとビジネスプロセス管理（BPM）分野の間のより深い協働を提言する。

ABSTRACT

In this survey, we study how recent advances in machine intelligence are disrupting the world of business processes. Over the last decade, there has been steady progress towards the automation of business processes under the umbrella of ``robotic process automation'' (RPA). However, we are currently at an inflection point in this evolution, as a new paradigm called ``Intelligent Process Automation'' (IPA) emerges, bringing machine learning (ML) and artificial intelligence (AI) technologies to bear in order to improve business process outcomes. The purpose of this paper is to provide a survey of this emerging theme and identify key open research challenges at the intersection of AI and business processes. We hope that this emerging theme will spark engaging conversations at the RPA Forum.

研究の動機と目的

• AIおよび機械学習の進展に伴う、伝統的なRPAからインテリジェント・プロセス・オートメーション（IPA）への移行を分析すること。
• AIとビジネスプロセス管理（BPM）の交差点における重要な研究課題を特定すること。
• ビジネスプロセスデータを、テキスト、画像、動画と同等の、別個のモダリティとして位置づけること。
• IPAの広範な採用を促進するため、AIコミュニティとBPM実務家との間の学際的協働を推進すること。
• 自然言語駆動のプロセス定義、マルチモーダル学習、およびビジネスプロセスの自動合成といった、新たなトレンドを強調すること。

提案手法

• RPAからIPAへの進化をマッピングするため、最近の文献および業界動向を調査する。
• 制御フロー、イベントシーケンス、メタデータ、非構造化文書、ソーシャルネットワークを含む、ビジネスプロセスデータを新たなモダリティとして分類する。
• 初回のAAAI 2020ワークショップ「IPA」の主要論文を分析し、支配的な研究テーマを特定する。
• 自然言語インタフェースと意味解析が、非専門家によるIPAの設定の障壁を著しく低下させることを提言する。
• IPAインタフェース設計およびタスク構成の最適化に、モンテカルロツリー探索とマルチエージェントフレームワークの活用を提唱する。
• プロセスマイニングとGUIインタラクションログの役割を強調し、ユーザーのルーチン学習による自動プロセス抽出を支援する。

実験結果

リサーチクエスチョン

• RQ1 AIおよび機械学習技術は、ルールベースのRPAを越えて、どのようにビジネスプロセスオートメーションに効果的に統合できるか？
• RQ2 スケールアップしたRPAからIPAへの移行における、主な技術的および組織的課題は何か？
• RQ3 ビジネスプロセスデータは、機械学習における新たなモダリティとして形式的にどのように扱えるか？ そして、これによりどのような新技術が可能になるか？
• RQ4 自然言語およびマルチモーダル入力（例：GUI操作、チャットログ）を、プロセス定義および合成の自動化にどの程度活用できるか？
• RQ5 説明可能性、トランスファーラーニング、表現学習は、IPAシステムの透明性および適応性を高めるために、どのような役割を果たすか？

主な発見

• 分野はRPAからIPAへの移行段階にあり、AIおよび機械学習がより適応的で文脈に即応し、自己最適化可能なオートメーションを可能にしている。
• 制御フロー、イベントシーケンス、メタデータ、ソーシャルネットワークを含むビジネスプロセスデータは、機械学習における別個で未開拓のモダリティを形成している。
• 自然言語インタフェースと意味解析は、IPAシステムの設定および管理に必要な専門知識を著しく低減する。
• マルチエージェントフレームワークおよびモンテカルロツリー探索は、会話的でインタラクティブなIPAユーザインタフェースの設計最適化において有望な兆しなし。
• GUIインタラクションログからのプロセスマイニングにより、ユーザー主導のデータ変換ルーチンの自動発見が可能となり、知的オートメーションを支援する。
• 初回のAAAI 2020ワークショップ「IPA」は、自然言語駆動のプロセスオートメーション、マルチモーダル学習、自動プロセス合成分野で強い研究の勢いを示しており、学際的分野の成長を示唆している。