Robotic Process Automation (RPA)

Роботизированная автоматизация процессов (RPA) — это программное обеспечение, которое автоматизирует повторяющиеся компьютерные операции, выполняемые по правилам: программные боты работают с приложениями так же, как люди — открывают программы, нажимают кнопки, вводят данные в поля, копируют их между системами и каждый раз выполняют одни и те же действия. Типичные задачи — ввод счетов, сверка счетов, обработка заказов, адаптация сотрудников и создание отчётов, часто в старых системах без API. Эти роботы полностью программные и не имеют отношения к физической робототехнике. Термин обычно связывают с компанией Blue Prism, основанной в Великобритании в 2001 году; среди наиболее распространённых платформ также UiPath, Automation Anywhere и Microsoft Power Automate.

Как работает RPA#

Разработчики создают бота в визуальном редакторе, часто записывая действия пользователя, а затем редактируя последовательность шагов. Чтобы находить кнопки и поля, бот использует селектор — сохранённое описание атрибутов элемента, например его окна, типа элемента управления и имени, — а если таких атрибутов нет, ориентируется по координатам на экране или сопоставляет изображения. Боты с участием пользователя запускаются на компьютере сотрудника по его команде, например для заполнения формы во время звонка клиента. Автономные боты работают на серверах по расписанию или из очереди задач; их контролирует оркестратор, который распределяет задачи, хранит учётные данные и регистрирует каждое действие для аудита:

Та же точность делает ботов хрупкими. Переименованное поле, перемещённая кнопка или новое всплывающее окно нарушают работу селектора, и процесс останавливается, пока разработчик его не обновит. Поэтому крупные внедрения RPA требуют постоянной работы по обслуживанию по мере изменений базовых приложений.

RPA и ИИ#

Правила подходят для структурированных данных; всё более сложное требует машинного обучения перед передачей данных боту. Поставщики называют это интеллектуальной автоматизацией, а Gartner — гиперавтоматизацией.

• Понимание документов: Оптическое распознавание символов (OCR) и модели извлечения преобразуют отсканированные счета, чеки и формы в структурированные поля, которые бот вводит в финансовую систему. Это типичный этап конвейеров анализа документов.
• Компьютерное зрение для экранов: виртуальные рабочие столы, например Citrix, часто предоставляют только изображение удалённого экрана, поэтому селекторы не видят элементы управления. Инструменты Computer Vision от UiPath отправляют изображение окна в нейронную сеть, которая распознаёт и помечает все кнопки, текстовые поля и флажки. Это детекция объектов, применённая к пользовательским интерфейсам.
• Языковые модели и агенты: большие языковые модели (LLM) классифицируют электронные письма, составляют черновики ответов и обрабатывают исключения, из-за которых раньше останавливался бот, а сами боты продолжают выполнять детерминированные шаги. Теперь поставщики продвигают такое сочетание как агентную автоматизацию: ИИ-агенты решают, что делать, а боты выполняют решение.

Результаты визуального контроля тоже могут запускать такие процессы. В агентах Ultralytics Platform условие Gate, применённое к результату YOLO26, например к количеству детекций или диапазону уверенности, может передавать данные в блок Webhook, который отправляет по одному JSON POST для каждого соответствующего результата на общедоступную конечную точку HTTPS. Так обнаружение дефекта может запускать процесс в любом инструменте автоматизации, принимающем входящие веб-запросы.

RPA и связанные термины#

• Агентные рабочие процессы: многошаговые процессы, в которых LLM планируют действия, вызывают инструменты и проверяют результаты, обрабатывая неструктурированные входные данные, с которыми не справляются боты, работающие по сценарию.
• Агенты для управления компьютером (CUA): ИИ-агенты, которые управляют программами по снимкам экрана и каждый раз сами решают, куда нажать, поэтому перемещение кнопки их не ломает. Они работают медленнее и менее предсказуемо, чем записанный сценарий RPA, который при каждом запуске повторяет одни и те же действия.
• Интеграция через API: напрямую соединяет системы через их программные интерфейсы, работает быстрее и сохраняет работоспособность после изменения интерфейса. RPA заполняет пробелы там, где API отсутствует или его разработка заняла бы слишком много времени.