[论文解读] Hybrid Approach to Automation, RPA and Machine Learning: a Method for the Human-centered Design of Software Robots

Wiesław Kopeć, Marcin Skibiński+7 more|arXiv (Cornell University)|Nov 6, 2018

Digital Transformation in Industry参考文献 4被引用 10

一句话总结

本文提出了一种以人为本的混合型机器人流程自动化（RPA）方法，结合参与式设计、生活实验室（Living Labs）和交互式机器学习，将常规工作转化为更高技能的角色。通过赋予员工作为共同设计者和共同编程者的角色，结合领域特定语言（DSLs）与协作式人工智能，该方法实现了可持续的RPA应用，减少了岗位替代，并提升了运营连续性。

ABSTRACT

One of the more prominent trends within Industry 4.0 is the drive to employ Robotic Process Automation (RPA), especially as one of the elements of the Lean approach. The full implementation of RPA is riddled with challenges relating both to the reality of everyday business operations, from SMEs to SSCs and beyond, and the social effects of the changing job market. To successfully address these points there is a need to develop a solution that would adjust to the existing business operations and at the same time lower the negative social impact of the automation process. To achieve these goals we propose a hybrid, human-centered approach to the development of software robots. This design and implementation method combines the Living Lab approach with empowerment through participatory design to kick-start the co-development and co-maintenance of hybrid software robots which, supported by variety of AI methods and tools, including interactive and collaborative ML in the cloud, transform menial job posts into higher-skilled positions, allowing former employees to stay on as robot co-designers and maintainers, i.e. as co-programmers who supervise the machine learning processes with the use of tailored high-level RPA Domain Specific Languages (DSLs) to adjust the functioning of the robots and maintain operational flexibility.

研究动机与目标

• 解决RPA应用带来的社会经济挑战，包括岗位替代与员工抵触情绪。
• 克服RPA实施过程中的技术和组织障碍，如遗留系统、数据质量问题与流程碎片化。
• 通过赋能员工，将低技能、重复性工作角色转变为高技能的共同设计者与共同编程者角色。
• 通过让现有员工参与软件机器人设计与维护，确保业务连续性与运营灵活性。
• 开发一种可扩展、以人为本的RPA框架，适用于各行业，尤其在中小企业与共享服务中心中具有适用性。

提出的方法

• 采用生活实验室方法，在受控的协作环境中共同分析业务流程并收集真实世界数据。
• 应用参与式设计原则，让最终用户作为软件机器人的共同创造者参与其中，确保与实际工作流程的一致性。
• 实施一种混合软件平台，集成RPA、基于云的机器学习与神经网络，实现自适应自动化。
• 利用交互式与协作式机器学习，使员工能够验证、纠正并优化AI输出，包括OCR标注与异常处理。
• 开发并部署针对RPA的领域特定语言（DSLs），使非技术员工能够监督与修改机器人逻辑。
• 建立分阶段实施流程：RPA潜力分析、员工工作坊、流程建模、共同设计、AI训练与共同维护培训。

实验结果

研究问题

• RQ1 如何以最小化对员工产生负面社会经济影响的方式实施RPA？
• RQ2 参与式设计与生活实验室在共同创建可持续RPA解决方案中扮演何种角色？
• RQ3 如何有效赋能员工，使其从常规任务执行者转变为软件机器人的共同设计者与共同编程者？
• RQ4 交互式与协作式机器学习在多大程度上可提升RPA系统的可靠性与适应性？
• RQ5 如何将遗留系统与碎片化流程整合进现代、可维护的RPA架构中？

主要发现

• 该混合方法成功地将琐碎、重复性任务转化为更高技能的角色，使原员工能够成为软件机器人的共同设计者与共同编程者。
• 通过参与式设计与生活实验室实现的员工参与，增强了主人翁意识，减少了抵触情绪，并提升了RPA系统长期可持续性。
• 交互式与协作式机器学习使AI输出能够实现实时验证与修正，从而提升数据质量与系统可靠性。
• 使用高级RPA领域特定语言（DSLs）使非技术员工能够监督与修改机器人行为，显著提升运营灵活性。
• 该方法通过保留内部流程知识并允许经培训员工实时处理异常，确保了业务连续性。
• 分阶段实施模型——涵盖分析、共同设计、培训与共同维护——在真实场景中（包括客户服务与流程自动化）被证明是有效的。