Cognitive RPA

Cognitive RPA (Когнитивная роботизированная автоматизация процессов) — это технология, объединяющая традиционную роботизированную автоматизацию процессов (RPA) с элементами искусственного интеллекта (ИИ), машинного обучения (ML), обработки естественного языка (NLP) и компьютерного зрения. В отличие от классического RPA, который автоматизирует строго структурированные, повторяющиеся задачи на основе заранее заданных правил, Cognitive RPA способен обрабатывать неструктурированные данные (тексты, изображения, аудио), принимать решения в условиях неопределённости и адаптироваться к изменениям в процессе выполнения операций.

История развития

Предпосылки возникновения

Классический RPA, появившийся в начале 2000-х годов, позволял автоматизировать рутинные действия пользователя в интерфейсах программ (например, ввод данных из Excel в ERP-систему). Однако к середине 2010-х годов стало очевидно, что до 60–80% бизнес-процессов содержат элементы, не поддающиеся жёсткой алгоритмизации: анализ писем, распознавание сканов документов, интерпретация нестандартных запросов. Это привело к интеграции RPA с ИИ.

Этапы становления

1. 2015–2017 гг. — появление первых гибридных решений. Компании UiPath, Automation Anywhere и Blue Prism начали добавлять модули оптического распознавания символов (OCR) и элементарного NLP.
2. 2018–2020 гг. — активное внедрение когнитивных сервисов облачных провайдеров (Microsoft Azure Cognitive Services, Google Cloud AI, Amazon Rekognition) в RPA-платформы. Появились «умные» роботы, способные обрабатывать счета, накладные, договоры.
3. 2021–2023 гг. — интеграция генеративных моделей (GPT-4, YandexGPT) и больших языковых моделей (LLM). Роботы научились генерировать ответы на письма, составлять отчёты и вести диалоги с пользователями.
4. С 2024 года — развитие агентного подхода: Cognitive RPA-боты способны самостоятельно планировать последовательность действий, используя внешние базы знаний и API.

Технологические основы

Ключевые компоненты

• Машинное обучение (ML) — модели, обучаемые на исторических данных, для классификации, прогнозирования и кластеризации.
• Обработка естественного языка (NLP) — понимание смысла текстов, извлечение сущностей (имена, даты, суммы), анализ тональности.
• Компьютерное зрение — распознавание объектов на изображениях, считывание рукописного текста, проверка подлинности документов.
• Генеративные модели — создание текстов, кода, сценариев взаимодействия.
• Оркестратор — платформа, управляющая выполнением задач, очередями и взаимодействием с корпоративными системами (SAP, 1С, Salesforce).

Отличие от классического RPA

Применение в различных отраслях

Финансовый сектор

• Обработка кредитных заявок: Cognitive RPA анализирует выписки из банков, справки 2-НДФЛ, кредитные истории, выявляет признаки мошенничества.
• Сверка счетов и платежей: робот распознаёт счета-фактуры, сопоставляет их с заказами и автоматически проводит оплату.
• Комплаенс-контроль: мониторинг транзакций на соответствие законодательству (в том числе 115-ФЗ «О противодействии легализации доходов»).

Здравоохранение

• Ведение электронных медицинских карт: извлечение данных из заключений врачей, результатов анализов, назначений.
• Обработка страховых случаев: анализ полисов, медицинских справок, расчёт сумм возмещения.
• Управление запасами лекарств: прогнозирование потребности в препаратах на основе данных о заболеваемости.

Логистика и ритейл

• Управление цепочками поставок: автоматическое согласование заказов с поставщиками, отслеживание грузов, обработка транспортных накладных.
• Обработка возвратов: анализ фотографий товара, определение причины возврата, автоматическое создание акта.
• Персонализация предложений: анализ истории покупок и поведения клиента для формирования индивидуальных скидок.

Государственный сектор (РФ)

• Межведомственное взаимодействие: автоматизация обмена данными между ФНС, ПФР, Росреестром через СМЭВ.
• Обработка обращений граждан: классификация жалоб, извлечение ключевых требований, подготовка проектов ответов.
• Контроль закупок по 44-ФЗ и 223-ФЗ: проверка заявок на соответствие требованиям, выявление сговоров.

Преимущества и ограничения

Преимущества

• Снижение операционных затрат на 30–50% за счёт исключения ручного труда.
• Повышение точности — ошибки при распознавании и вводе данных снижаются до 1–2% (против 5–10% у человека).
• Ускорение процессов — обработка одного документа сокращается с 10–15 минут до 30–60 секунд.
• Масштабируемость — роботы могут работать круглосуточно, легко добавляются новые когнитивные навыки.

Ограничения и риски

• Высокая стоимость внедрения — требуется настройка моделей ML, интеграция с корпоративными системами, обучение персонала.
• Зависимость от качества данных — если обучающая выборка содержит ошибки или предвзятость, результаты работы робота будут некорректными.
• Юридическая неопределённость — в РФ отсутствует специальное регулирование для «умных» роботов, принимающих решения (например, отказ в кредите).
• Кибербезопасность — Cognitive RPA-боты имеют доступ к конфиденциальным данным, что требует усиленной защиты (шифрование, аудит действий).

Примеры российских решений

PIX Robotics (входит в ГК «ЛАНИТ»)

Платформа PIX RPA включает модули компьютерного зрения и NLP. Применяется в банках (ВТБ, Сбербанк) для обработки кредитных досье и в ритейле (X5 Group) для автоматизации закупок.

Robin (компания «Робин»)

Отечественная система, сертифицированная для работы с государственными информационными системами. Использует нейросети для распознавания сканов паспортов и СНИЛС. Внедрена в МФЦ Москвы и ряде региональных администраций.

Sherpa RPA (Сбербанк)

Платформа, интегрированная с AI-сервисами Сбера (Kandinsky, GigaChat). Автоматизирует процессы в юридическом департаменте, бухгалтерии и HR. В 2023 году обработала более 1,5 млн документов.

Перспективы развития

Тренды 2024–2025 годов

• Гиперавтоматизация — объединение Cognitive RPA с low-code платформами, чат-ботами и системами управления бизнес-процессами (BPM).
• Агентный подход — роботы, способные самостоятельно ставить подзадачи, вызывать другие сервисы и корректировать план действий.
• Edge-автоматизация — выполнение когнитивных задач на устройствах IoT (склады, магазины) без передачи данных в облако.
• Регуляторная ясность — ожидается принятие стандартов (например, ГОСТ Р по автоматизации процессов с ИИ) и поправок в законодательство об ответственности за решения роботов.

Возможные риски для рынка труда

По оценкам McKinsey, к 2030 году Cognitive RPA может заменить до 15% рутинных операций в офисной работе (бухгалтеры, операторы ввода данных, делопроизводители). Однако одновременно возникнет спрос на специалистов по настройке и контролю когнитивных систем, аналитиков данных и юристов в области ИИ.

Критика и этические аспекты

• Прозрачность решений — нейросетевые модели часто работают как «чёрный ящик», что затрудняет аудит и оспаривание решений (например, отказ в выплате).
• Предвзятость алгоритмов — если исторические данные содержат дискриминационные паттерны (по полу, возрасту, национальности), Cognitive RPA может их воспроизводить.
• Зависимость от вендоров — большинство когнитивных сервисов (OpenAI, Google, Microsoft) принадлежат зарубежным компаниям, что создаёт риски для российских организаций в условиях санкций. Это стимулирует развитие отечественных аналогов (YandexGPT, GigaChat, VisionLabs).

Источники

1. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (в части обработки данных роботами).
2. ГОСТ Р 59990-2022 «Информационные технологии. Роботизированная автоматизация процессов. Общие положения».
3. Доклад Центра компетенций по роботизации (ЦКР) при Минцифры РФ, 2023.
4. Исследование «Cognitive RPA: рынок и перспективы в России», TAdviser, 2024.
5. Материалы конференции «RoboDay 2024» (Сбер, PIX Robotics, Robin).
6. Отчёт McKinsey Global Institute, «The Future of Work in Europe», 2023.