RPA får en ny rolle i automatiseringen

RPA lever stadig fint i stabile processer som dataindtastning, fakturahåndtering og enkel rapportering. Men når input skifter form og kommer som mails, dokumenter eller billeder, bliver de gamle regelkæder hurtigt tunge at holde ved lige. Det er kernen i en ny analyse fra AI News: AI erstatter ikke automation. AI flytter grænsen for, hvilke dele af arbejdet der kan automatiseres uden at knække, hver gang noget ser lidt anderledes ud.

💡 Hvor skiftet sker AI News peger på, at klassisk RPA fungerer bedst i faste processer med strukturerede data. Gartner fremhæver nu mere adaptive systemer, og leverandører som Appian og Blue Prism kobler automation med machine learning og sprogmodeller for at håndtere variation.

Det er en nyttig skelnen for danske virksomheder og offentlig sektor. Mange har allerede bots eller makroagtige workflows, som løser noget konkret. Problemet opstår, når man prøver at bruge samme logik på opgaver, der afhænger af fritekst, vedhæftede filer eller skiftende formuleringer fra borgere, kunder og samarbejdspartnere. Så ender man ofte med dyr vedligeholdelse i stedet for gevinst.

McKinsey bliver i artiklen brugt som støtte for, at generativ AI især kan flytte opgaver i beslutnings- og kommunikationslaget. Det er i praksis den del, som ligger før eller mellem de faste procestrin. Et dokument skal læses. En mail skal forstås. Et bilag skal tolkes. Først derefter giver det mening at sende sagen videre ind i en stram, regelstyret motor.

Det peger på en mere moden arbejdsdeling. Lad RPA tage de dele, hvor kravene er klare, fejlene er dyre, og processen ikke ændrer sig hver uge. Lad AI håndtere intake, sortering, opsummering og variation i input. Ikke fordi AI er mere pålidelig. Tværtimod. Men fordi AI kan gøre det første led mere fleksibelt, mens det faste workflow stadig holder sammen på resten.

For danske ledere er det mest nyttige spørgsmål derfor ikke, om man skal vælge RPA eller AI. Spørgsmålet er, hvor i processen variationen faktisk opstår. Hvis man kan sætte fingeren på det punkt, bliver det også lettere at vælge teknologi og måle gevinst.

Mandag morgen er en god start at tage én eksisterende automationsproces og markere, hvor den fejler oftest. Hvis fejlen typisk starter i teksten eller dokumentet, er det sandsynligvis der, AI bør testes først.