Во-вторых, возможность аудита роботов предоставляет больше возможностей для выполнения требований безопасности, чем работа пользователя с системой. Пользователь может злонамеренно или по ошибке нанести ущерб, а робот нет, потому что он выполняет четко заданный сценарий. Сами сценарии работы робота и их версии можно контролировать и верифицировать, как и любой другой код.
Про SAP Scripting также можете почитать здесь habr.com/ru/post/341576
Возможны оба варианта. Робот может логиниться в систему от любой выбранной вами учетной записи Windows/AD. В этом случае нужно предоставить роботу данные учетной записи SAP (они могут храниться защищенно в оркестраторе либо в Windows Credential Manager). Либо пользователь SAP может логиниться в систему сам и запускать робота-помощника на своей машине.
Вы правы, у BI и Process Mining много общего, в том числе в процессе подготовки данных. Но есть разница в инсайтах:
BI позволяет оценить тренды, закономерности и корреляции между датасетами, а дальше аналитик должен понять, что они значат. Допустим, анализируя данные по процессу аналитик выяснил, что не достигается KPI. Теперь он должен понять не только почему это происходит, но и составить план действий.
Результат работы Process Mining это всегда план действий, не нужно размышлять и интерпретировать данные. То есть BI покажет, что KPI не достигнут, а Process Mining покажет где именно в процессе кроется проблема (bottleneck, если хотите), на которую тратится все время и которую нужно убрать.
То есть, грубо говоря, Process Mining это дополнение к BI.
Это инструмент для автоматизации любых видов приложений – от десктопных до терминальных, т.е. и сайты, и толстые клиенты, и удаленные терминалы, и мобильные приложения – все можно использовать. Аппиум здесь используется для работы с мобильными приложениями, но функционал платформы существенно шире.
На основании метрик, релеватных для бизнеса. Каждый раз это уникальный набор полей, используемых для обучения модели, связанных с историей действий клиента
Теоретически эти технологии можно применять и так тоже :) Правда, вряд ли в концепции Intelligent Retail Lab есть Галя, переклеивающая этикетки на просрочке — в проектах, к которым приковано такое количество внимания делать так было бы как минимум слишком рискованно.
Если коротко, то речь идёт не о ещё одном типичном супермаркете, а о торговой точке площадью около 4645 квадратных метров, на которой работает более 100 сотрудников, а ассортимент насчитывает более 3000 наименований товаров. И система, интегрирующая AI и RPA, не просто рассказывает, какие продукты в магазине есть, а каких нет. Она анализирует поведение покупателей и предсказывает спрос. Чтобы на основе этих данных, грубо говоря, сотрудники выложили каких-то товаров больше, каких-то меньше, ещё до открытия магазина. И беготня с докладыванием в течение дня минимизировалась, освобождая время сотрудников магазина на живой контакт с покупателями и помощь им.
Мы и сами за то, чтобы перестать называть ИИ всё подряд. Маркетинговый мусор, как вы верно подметили, заполняет собой сеть и приводит в итоге к раздражению пользователей — в там числе и к вашему.
В качестве конкретных кейсов можем предложить посмотреть запись с нашего онлайн-мероприятия, где они сами рассказывают о роботизации закупок металлолома на Магнитогорском металлургическом комбинате, гиперавтоматизации в Eurasian Resources Group в Казахстане и освобождение времени 46 операторов за счёт 11 роботов в ПАО МТС. Вот ссылка на запись: youtu.be/jJk5n95y7c4. «Освободили время 46 операторов» уже звучит конкретнее, согласитесь?
В целом же у разных статей разные задачи, и этим материалом мы хотели не продемонстрировать конкретный кейсы, а рассказать о концепции интеграции AI и RPA в целом. Благодаря вам мы видим, где слабые места в подаче материала, и в очередной раз отмечаем общую усталость людей от абстрактных разговоров про искусственный интеллект. И обязательно учтём это при подготовке следующих публикаций на Хабре, спасибо!
P.S. Что касается гифки — не смотря на остроумность вашего комментария, она, в отличие от статьи, не рассказывает, как именно и зачем осуществляется интеграция AI и RPA. Хотя, конечно, посмотреть её проще и быстрее, чем прочитать статью, тут вы правы :)
С кейсами можете ознакомиться здесь:
https://habr.com/ru/company/uipath/blog/555142/
https://habr.com/ru/company/uipath/blog/565532/
https://habr.com/ru/company/uipath/blog/538566/
https://habr.com/ru/company/uipath/blog/533346/
Во-первых, решение UiPath сертифицировано SAP www.uipath.com/newsroom/uipath-achieves-certification-with-sap-netweaver-and-sap-s4hana-for-api-automations
Во-вторых, возможность аудита роботов предоставляет больше возможностей для выполнения требований безопасности, чем работа пользователя с системой. Пользователь может злонамеренно или по ошибке нанести ущерб, а робот нет, потому что он выполняет четко заданный сценарий. Сами сценарии работы робота и их версии можно контролировать и верифицировать, как и любой другой код.
Про SAP Scripting также можете почитать здесь habr.com/ru/post/341576
BI позволяет оценить тренды, закономерности и корреляции между датасетами, а дальше аналитик должен понять, что они значат. Допустим, анализируя данные по процессу аналитик выяснил, что не достигается KPI. Теперь он должен понять не только почему это происходит, но и составить план действий.
Результат работы Process Mining это всегда план действий, не нужно размышлять и интерпретировать данные. То есть BI покажет, что KPI не достигнут, а Process Mining покажет где именно в процессе кроется проблема (bottleneck, если хотите), на которую тратится все время и которую нужно убрать.
То есть, грубо говоря, Process Mining это дополнение к BI.
Если коротко, то речь идёт не о ещё одном типичном супермаркете, а о торговой точке площадью около 4645 квадратных метров, на которой работает более 100 сотрудников, а ассортимент насчитывает более 3000 наименований товаров. И система, интегрирующая AI и RPA, не просто рассказывает, какие продукты в магазине есть, а каких нет. Она анализирует поведение покупателей и предсказывает спрос. Чтобы на основе этих данных, грубо говоря, сотрудники выложили каких-то товаров больше, каких-то меньше, ещё до открытия магазина. И беготня с докладыванием в течение дня минимизировалась, освобождая время сотрудников магазина на живой контакт с покупателями и помощь им.
В качестве конкретных кейсов можем предложить посмотреть запись с нашего онлайн-мероприятия, где они сами рассказывают о роботизации закупок металлолома на Магнитогорском металлургическом комбинате, гиперавтоматизации в Eurasian Resources Group в Казахстане и освобождение времени 46 операторов за счёт 11 роботов в ПАО МТС. Вот ссылка на запись: youtu.be/jJk5n95y7c4. «Освободили время 46 операторов» уже звучит конкретнее, согласитесь?
В целом же у разных статей разные задачи, и этим материалом мы хотели не продемонстрировать конкретный кейсы, а рассказать о концепции интеграции AI и RPA в целом. Благодаря вам мы видим, где слабые места в подаче материала, и в очередной раз отмечаем общую усталость людей от абстрактных разговоров про искусственный интеллект. И обязательно учтём это при подготовке следующих публикаций на Хабре, спасибо!
P.S. Что касается гифки — не смотря на остроумность вашего комментария, она, в отличие от статьи, не рассказывает, как именно и зачем осуществляется интеграция AI и RPA. Хотя, конечно, посмотреть её проще и быстрее, чем прочитать статью, тут вы правы :)