[论文解读] 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 10

一句话总结

本文综述了从机器人流程自动化（RPA）到智能流程自动化（IPA）的演进，提出机器学习与人工智能的融合使RPA演变为更具适应性与智能性的系统。文章识别出在多模态数据处理、自然语言接口以及自动化流程合成方面的关键研究挑战，并倡导人工智能与业务流程管理领域更深层次的合作，以推动可扩展、可解释的自动化发展。

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.

研究动机与目标

• 分析人工智能与机器学习技术进步推动下，传统RPA向智能流程自动化（IPA）的转型。
• 识别人工智能与业务流程管理（BPM）交叉领域中的关键研究挑战。
• 将业务流程数据定位为机器学习中一种新型、独立的模态，与文本、图像或视频相当。
• 促进人工智能领域与BPM实践者之间的跨学科合作，以加速IPA的采用。
• 突出新兴趋势，如自然语言驱动的流程规范、多模态学习以及业务流程的自动化合成。

提出的方法

• 通过调研近期文献与行业趋势，绘制从RPA到IPA的演进路径。
• 将业务流程数据归类为一种新型模态，包括控制流、事件序列、元数据、非结构化文档以及社交网络。
• 分析首届AAAI 2020年IPA研讨会中关键论文，识别主导的研究主题。
• 提出自然语言接口与语义解析可显著降低非专家用户配置和管理IPA系统的门槛。
• 倡导使用蒙特卡洛树搜索与多智能体框架，以优化IPA用户界面设计与任务组合。
• 强调流程挖掘与GUI交互日志在学习用户操作模式、实现自动化流程提取中的作用。

实验结果

研究问题

• RQ1 如何有效将人工智能与机器学习技术整合到业务流程自动化中，以超越基于规则的RPA？
• RQ2 在规模化转型中，从RPA到IPA面临哪些关键技术与组织挑战？
• RQ3 如何将业务流程数据正式视为机器学习中的新型模态？这将带来哪些新型技术手段？
• RQ4 自然语言与多模态输入（如GUI交互、聊天记录）在多大程度上可用于自动化流程规范与合成？
• RQ5 可解释性、迁移学习与表征学习在提升IPA系统透明度与适应性方面发挥何种作用？

主要发现

• 该领域正从RPA向IPA演进，人工智能与机器学习使自动化系统更具适应性、上下文感知能力，并支持自我优化。
• 业务流程数据——涵盖控制流、事件序列、元数据以及社交网络——构成了机器学习中一种独特且尚未充分探索的模态。
• 自然语言接口与语义解析显著降低了配置和管理IPA系统所需的专业知识门槛。
• 多智能体框架与蒙特卡洛树搜索在优化对话式与交互式IPA用户界面设计方面展现出巨大潜力。
• 通过GUI交互日志进行流程挖掘，可实现对用户驱动的数据转换流程的自动发现，从而支持智能自动化。
• 首届AAAI 2020年IPA研讨会揭示了自然语言驱动的流程自动化、多模态学习与自动化流程合成方面的强劲研究势头，表明该领域正迅速发展为一个日益重要的跨学科方向。