Robotic Process Automation (RPA)

Tự động hóa quy trình bằng robot (RPA) là phần mềm tự động hóa các công việc máy tính lặp lại, dựa trên quy tắc bằng cách cho bot phần mềm thao tác với ứng dụng như con người: mở chương trình, nhấp nút, nhập vào trường, sao chép dữ liệu giữa các hệ thống và luôn thực hiện cùng một quy trình. Các tác vụ điển hình gồm nhập hóa đơn, đối soát tài khoản, xử lý đơn hàng, tiếp nhận nhân viên mới và tạo báo cáo; thường là trên các hệ thống cũ không có API. Robot hoàn toàn là phần mềm và không liên quan đến robotics vật lý. Blue Prism, thành lập tại Anh năm 2001, thường được ghi nhận là đơn vị đặt ra thuật ngữ này; UiPath, Automation Anywhere và Microsoft Power Automate là những nền tảng được sử dụng rộng rãi nhất.

Cách RPA hoạt động#

Developer xây dựng bot trong trình thiết kế trực quan, thường bằng cách ghi lại thao tác của một người rồi chỉnh sửa các bước. Để tìm từng nút hoặc trường, bot sử dụng selector—mô tả được lưu trữ về các thuộc tính của phần tử như cửa sổ, loại điều khiển và tên—và chuyển sang dùng tọa độ màn hình hoặc so khớp hình ảnh khi không có các thuộc tính đó. Bot có giám sát chạy trên máy tính của nhân viên khi người đó khởi động, chẳng hạn để điền biểu mẫu trong lúc gọi khách hàng. Bot không giám sát chạy trên máy chủ theo lịch hoặc từ hàng đợi công việc; một orchestrator quản lý chúng bằng cách phân công tác vụ, lưu thông tin xác thực và ghi nhật ký mọi thao tác để kiểm toán:

Chính độ chính xác đó khiến bot dễ hỏng. Trường bị đổi tên, nút bị di chuyển hoặc cửa sổ bật lên mới sẽ làm selector lỗi, khiến quy trình dừng cho đến khi developer cập nhật. Vì vậy, các triển khai RPA quy mô lớn đòi hỏi công sức bảo trì thường xuyên khi ứng dụng nền tảng thay đổi.

RPA và AI#

Quy tắc xử lý dữ liệu có cấu trúc; mọi dữ liệu phức tạp hơn đều cần machine learning đứng trước bot—một sự kết hợp mà nhà cung cấp gọi là tự động hóa thông minh và Gartner gọi là siêu tự động hóa.

• Hiểu tài liệu: Nhận dạng ký tự quang học (OCR) và các model trích xuất chuyển hóa đơn, biên lai và biểu mẫu được quét thành các trường có cấu trúc để bot nhập vào hệ thống tài chính; đây là bước phổ biến trong pipeline phân tích tài liệu.
• Thị giác máy tính cho giao diện màn hình: Máy tính để bàn ảo như Citrix thường chỉ hiển thị hình ảnh màn hình từ xa, nên selector không thể nhận diện các điều khiển. Computer Vision activities của UiPath gửi hình ảnh cửa sổ đến một mạng nơ-ron để nhận diện và gắn nhãn mọi nút, trường văn bản và hộp kiểm; đây là ứng dụng phát hiện đối tượng cho giao diện người dùng.
• Model ngôn ngữ và agent: Model ngôn ngữ lớn (LLM) phân loại email, soạn câu trả lời và xử lý ngoại lệ từng khiến bot phải dừng, còn bot tiếp tục đảm nhiệm các bước mang tính xác định. Các nhà cung cấp hiện tiếp thị sự kết hợp này dưới tên tự động hóa dạng agent, trong đó AI agent quyết định việc cần làm còn bot thực hiện việc đó.

Kết quả kiểm tra trực quan cũng có thể khởi chạy các quy trình tự động hóa này. Trong Ultralytics Platform Agents, điều kiện Gate dựa trên kết quả YOLO26, chẳng hạn số lượng đối tượng phát hiện hoặc phạm vi độ tin cậy, có thể kích hoạt khối Webhook gửi một POST JSON cho mỗi kết quả khớp đến một endpoint HTTPS công khai; nhờ đó, phát hiện lỗi có thể khởi chạy quy trình trong bất kỳ công cụ tự động hóa nào chấp nhận yêu cầu web đến.

RPA và các thuật ngữ liên quan#

• Workflow dạng agent: Quy trình nhiều bước trong đó LLM lập kế hoạch, gọi công cụ và kiểm tra kết quả, xử lý các đầu vào phi cấu trúc mà bot chạy theo script không thể xử lý.
• Agent điều khiển máy tính (CUA): AI agent thao tác với phần mềm qua ảnh chụp màn hình bằng cách quyết định từng cú nhấp khi thực hiện, nên nút bị di chuyển cũng không làm chúng hỏng. Chúng chạy chậm và khó dự đoán hơn script RPA được ghi lại, vốn lặp lại chính xác cùng các bước trong mọi lần chạy.
• Tích hợp API: Kết nối các hệ thống trực tiếp thông qua giao diện lập trình, nhanh hơn và vẫn hoạt động sau khi thiết kế giao diện thay đổi. RPA xử lý những trường hợp không có API hoặc việc xây dựng API mất quá nhiều thời gian.