根据行业分析师的说法，有两种力量正在推动机器学习技术和其他支持人工智能技术的使用激增：非结构化内容的惊人增长以及使用机器人过程自动化(RPA)来自动化与内容相关的过程。
Cognilytica表示，在文档，图像，电子邮件，在线数据和视频之间，企业中多达90%的内容都是非结构化数据形式的，并且以每年惊人的55%至65%的速度增长。
因此，Everest Group Research表示，智能自动化技术正在使用ML，其中RPA与内容相关的流程相交并互操作。机器学习技术的发展已使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和情报。
机器学习是指使机器能够以监督和无监督的方式“学习”软件，从而提高准确性和性能的软件。在涉及捕获文档和使用RPA进行处理的过程中，机器学习和其他AI技术可以从数千种不同的文档中学习，例如处理发票或处理供应商订单。
尽管如此，根据ABBYY首席创新官Anthony Macciola的说法，组织在使用ML解决方案时犯了五个常见错误。ABBYY是Digital IQ技术和解决方案的全球提供商。
数据点1：过于复杂的ML功能
组织冒着使用需要大量数据的ML工具进行工作的风险，以便针对最基本的非结构化内容用例进行培训。使用久经考验的ML工具，其中包含高级算法，可以使用少量数据集对其进行训练，并且可以在短短几个小时内全面投入运行，而不需要样本集中成千上万的文档来启动项目。可能要花几周甚至几个月的时间。
数据点2：过于依赖RPA
RPA通过连接到旧系统和外部数据源来提高效率而倍受赞誉。它可以快速部署，其数字工作者易于配置-一旦就位，他们就可以像人类一样执行工作。RPA和ML技术之间的最大区别是RPA专注于重复的结构化工作，而ML旨在理解结构化和非结构化内容。RPA需要ML技术来为其数字工作者提供内容智能，从而为他们提供认知技能，以提取有用的信息并获得智能，从各种形式的内容中学习，获取文档的含义和意图以及增加决策能力。
数据点3：假设他们知道将ML技术应用于何处
启动自动化项目时，始终不会选择正确的开始流程。这是因为许多公司在组织过程知识方面存在隔compartment。此外，高层管理人员不参与日常工作流程，并且缺少流程文档，这使得真正发现准备进行自动化的流程变得越来越困难。在项目之前集成过程智能将使您全面了解RPA和ML解决方案的应用位置，以及它们对组织的预期价值和节省–所有这些都是基于数据而不是意见或偏见。
数据点4：错过高价值业务案例
通常，一家公司将依靠常规知识并选择最常发生的任务，因为它看起来可以带来很好的效果。但是，这种临时的过程选择方法可能会忽略其他带来更好ROI机会的商业机会。虽然从对组织的干扰或与最终用户的交互影响最小的区域开始是完全可以接受的，但是您应该记住如何在整个公司中快速轻松地“登陆并扩展” ML。
数据点5：想一想就做
这项工作并不仅仅是因为您已经训练了算法并部署了数字工作者。通过监视和衡量自动化对上游和下游的影响以确保持续的协议合规性并防止瓶颈转移以及在其他地方对过程产生负面影响的可能性，实现持续改进至关重要。监控数字化员工队伍以及实施后整个端到端流程与计划和执行同样重要。
