Edit Content

Afferra al volo la cometa Humason

Humason SRL

Wiki Humason

Glossario dell'automazione

Per capire come implementare e gestire un programma di automazione di successo occorrono una strategia precisa, un'attenta pianificazione e gli strumenti e la tecnologia giusti per realizzare gli obiettivi aziendali e operativi.

 

Conoscere le parole appropriate per descrivere al meglio le esigenze della tua organizzazione è un ottimo inizio, per questo motivo questa pagina ha l’obiettivo di fornirti un glossario dei termini per aiutarti a navigare nel tuo viaggio di trasformazione digitale.

 

Che tu sia un top manager, una figura tecnica o un utente aziendale che utilizza per la prima volta un software di automazione, è importante comprendere le varie tecnologie che ti aiuteranno a costruire una solida automazione.

1. Robotic Process Automation

L’automazione robotica dei processi (RPA) si riferisce ad un software che consente di svolgere attività o processi aziendali passo dopo passo, all’interno dei sistemi e delle applicazioni esistenti, proprio come farebbe un essere umano. In quanto elemento fondante dell’automazione intelligente, l’RPA si abbina alla tecnologia AI e oggi non si limita più ai comuni processi di back-office, ma consente di utilizzare funzionalità avanzate di automazione cognitiva per gestire eccezioni, variazioni e risolvere problemi con un intervento umano minimo.

2. Intelligenza Artificiale

L’intelligenza artificiale (AI) descrive la capacità di una macchina di imitare un comportamento umano intelligente o di simulare un comportamento intelligente nei computer. Abbinata alla RPA, l’AI consente alle aziende di analizzare, categorizzare ed estrarre dati non strutturati, non solo rendendoli funzionali ma anche migliorando la resa di complessi processi aziendali automatizzati.

3. Automazione Intelligente

L’automazione intelligente (IA), talvolta indicata come “sistemi intelligenti”, collega l’intelligenza artificiale (la simulazione dell’intelligenza umana) con le capacità dell’RPA (la simulazione delle azioni umane) per consentire l’espansione delle capacità di automazione. Grazie all’automazione intelligente è possibile avvalersi di altre tecnologie cognitive come la computer vision, l’elaborazione del linguaggio naturale (NLP) e l’apprendimento automatico (ML) per ampliare il numero di processi che possono essere automatizzati, da quelli semi-strutturati come l’elaborazione delle fatture dei servizi finanziari a quelli non strutturati come il triage delle e-mail.

4. Computer Vision

La visione computerizzata cerca di emulare o superare le capacità dell’occhio umano e della corteccia visiva, che ci danno la capacità di vedere schemi e forme, riconoscere i volti e altro ancora. Per raggiungere questo obiettivo, la computer vision contiene una serie di algoritmi e principi di apprendimento automatico per riconoscere, interpretare e comprendere le immagini. Nell’automazione intelligente, la computer vision apre un mondo di nuove possibilità e può essere impiegata in vari modi, da casi d’uso semplici come la collaborazione con sistemi che riconoscono dove si trova un pulsante su uno schermo e dove bisogna cliccare, a casi d’uso complessi come il riconoscimento di un’auto che sta commettendo un’infrazione di parcheggio.

5. Deep Learning

Il deep learning (DL) è un sottoinsieme dell’apprendimento automatico ispirato alla struttura del cervello umano. Tuttavia, mentre l’apprendimento automatico utilizza parametri basati su descrizioni dell’input, il deep learning utilizza i dati associati a un oggetto o a un pezzo di dati, nonché il modo in cui differisce da un altro oggetto o pezzo di dati. In un’applicazione del mondo reale, il deep learning potrebbe aiutare un operatore digitale a decifrare e comprendere facilmente la scrittura a mano, imparando vari modelli di scrittura e confrontandoli con i dati relativi all’aspetto delle lettere. Un’applicazione più complessa potrebbe essere il riconoscimento delle condizioni mediche di un paziente.

6. Digital Worker (Operatore Digitale)

I digital worker sono robot software super organizzati e multitasking che lavorano al fianco delle persone per automatizzare e trasformare i processi aziendali. Come gli esseri umani, gli operatori digitali possono sviluppare nuove competenze nel tempo, diventando sempre più intelligenti e capaci. Grazie all’intelligenza artificiale, i digital worker possono essere addestrati a svolgere compiti sempre più complessi, a gestire grandi carichi di lavoro e a prendere decisioni critiche per affrontare il lavoro con maggiore velocità e produttività, diventando così un moltiplicatore di forze nelle aziende.

7. Machine Learning

L’apprendimento automatico (ML) è un’applicazione dell’intelligenza artificiale che consente a un computer, a un sistema o a una tecnologia di apprendere e migliorare le proprie prestazioni incorporando continuamente nuovi dati in un modello statistico esistente o sviluppando nuovi comportamenti basati sull’esperienza. L’apprendimento automatico ha tre tipi di approccio chiave, tra cui l’apprendimento supervisionato, non supervisionato e l’apprendimento per rinforzo, ognuno dei quali aiuta le macchine a prendere decisioni in modo autonomo o semi-autonomo per aiutarle ad adattarsi ai cambiamenti e a fornire i migliori risultati nel più breve tempo possibile, senza la necessità di rivolgersi costantemente a una persona per ricevere istruzioni dirette.

8. Natural Language Processing

L’elaborazione del linguaggio naturale (NLP) si riferisce alla capacità dei computer di elaborare il linguaggio umano verbale e scritto. Proprio come i bambini imparano a parlare, i computer iniziano ad apprendere semplici strutture di frasi, per poi arrivare a comprendere l’ironia di una frase. Nell’automazione intelligente, l’NLP viene utilizzato per consentire ai chatbot e agli agenti virtuali di impegnarsi in una conversazione umana, comunicando in definitiva con la stessa efficacia di una persona.

9. Natural Language Classification

La classificazione del linguaggio naturale (NLC) consente alle macchine di apprendere un linguaggio specifico del dominio, in modo da comprendere il contesto proprio come farebbe un essere umano. Con l’NLC, gli operatori digitali possono comprendere, classificare e rispondere alle parole in base alla loro collocazione o al loro significato in una particolare struttura di frase.

10. Natural Language Generation

La generazione del linguaggio naturale (NLG) consente agli operatori digitali di tradurre il linguaggio macchina, difficile da calcolare, in un linguaggio facilmente comprensibile dalle persone. Oggi, ad esempio, l’NLG potrebbe essere utilizzato in uno scenario di consulenza finanziaria, come il monitoraggio delle fluttuazioni azionarie e il consiglio se vendere o investire.
Chat GPT è in grado di competere con i prodotti di traduzione commerciali, come Google Translator, per quanto riguarda i compiti NLG, bilanciando l’informatività e la concisione. Le capacità NLG di Chat GPT sono ciò che lo rende così bravo nei compiti di riassunto, generazione di storie e data-to-text.

11. Reti Neurali

Come i neuroni che si connettono nel cervello umano, una rete neurale è un’architettura informatica in cui diversi processori sono interconnessi. Queste connessioni consentono ai computer di apprendere attraverso un processo di tentativi ed errori. Le reti neurali convenzionali sono utilizzate per riconoscere gli oggetti nei video o nelle immagini, mentre le reti neurali ricorrenti formano anelli di reti, consentendo alle informazioni di rimanere all’interno dell’architettura del computer nel tempo.

12. Orchestrazione Dei Processi

L’orchestrazione dei processi è uno dei tre approcci principali alla gestione dell’automazione; gli altri due sono l’approccio manuale e la pianificazione. L’approccio manuale consiste semplicemente nell’attivare fisicamente un lavoro per un processo o un’attività specifici. La programmazione consiste nell’istruire i lavoratori digitali a eseguire un’attività, ad esempio, ogni due minuti in orari specifici. L’orchestrazione, invece, utilizza dati e algoritmi per capire qual è il momento migliore per eseguire le attività o assegnarle ad altri obiettivi, invece di rimanere in panchina. Questo approccio garantisce il massimo dell’efficienza e significa che i lavoratori digitali non si rilassano o sono “part-timers”, nemmeno per due minuti.

13. Software Robot (Digital Worker)

I software robot sono cowoker digitali super organizzati e multitasking che lavorano a fianco delle persone per automatizzare e trasformare i processi aziendali. Come gli esseri umani, i digital worker svolgono compiti specifici in base agli obiettivi assegnati loro e possono sviluppare nuove competenze nel tempo, diventando sempre più “intelligenti” e capaci. Grazie all’intelligenza artificiale, i software robot possono essere addestrati a prendersi carico di compiti sempre più complessi, a gestire importanti carichi di lavoro e a prendere decisioni critiche per affrontare il lavoro con maggiore velocità e produttività, diventando così un moltiplicatore di forze per le imprese.

14. Elaborazione Intelligente Dei Documenti

L’elaborazione intelligente dei documenti (IDP) è una tecnologia autonoma avanzata per la conversione di dati non strutturati o semi-strutturati in informazioni strutturate e utilizzabili grazie all’intelligenza artificiale. L’obiettivo principale di questa tecnologia è eseguire un’estrazione veloce delle informazioni senza però compromettere la precisione del processo generale di lavoro. Questa classe applicativa è particolarmente impiegata nel forecasting (l’elaborazione di previsioni di diversa natura e in diversi ambiti) e nella classificazione dei dati.

15. Automazione Dei Documenti

L’automazione dei documenti è il processo di trasformazione dei documenti scritti a mano in informazioni immediatamente pronte per prendere decisioni. Questa tecnologia ha lo scopo di digitalizzare, classificare ed estrarre automaticamente le informazioni dalla carta utilizzando la più recente tecnologia di apprendimento automatico.