机器学习技术的发展使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和智能。据行业分析师称，有两股力量正在推动机器学习技术和其他AI支持技术的使用激增：非结构化内容的惊人增长，以及使用机器人流程自动化(RPA)来自动化与内容相关的流程.Cognilytica表示，在文档、图像、电子邮件、在线数据和视频之间，企业中高达90%的内容都是非结构化数据形式，并且每年以惊人的55%到65%的速度增长。因此，EverestGroupResearch表示，智能自动化正在使用机器学习，其中机器人流程自动化(RPA)与内容相关流程相交并互操作。机器学习技术的发展使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和智能。机器学习是指使机器能够以有监督和无监督的方式“学习”以提高准确性和性能的软件。在涉及捕获文档并使用机器人流程自动化(RPA)处理文档的流程中，机器学习和其他人工智能技术可以从数千种不同的文档中学习，例如处理发票或处理供应商订单。尽管如此，全球数字智商技术和解决方案提供商ABBYY的首席创新官AnthonyMacciola表示，组织在使用机器学习解决方案时经常犯五个常见错误：对于基本的非结构化内容用例，组织有可能使用数据-饥饿的机器学习工具。与其在单个样本集中使用数十万个文档开始一个项目，不如使用经过验证的机器学习工具，这些工具包含高级算法，可以用小数据集进行训练，并且可以在几个小时内完全投入生产，这可能需要数周时间甚至几个月。数据点2：过度依赖机器人过程自动化(RPA)机器人过程自动化(RPA)因通过连接到遗留系统和外部数据源来提高效率而受到称赞。它可以快速部署，其数字工作者易于配置，一旦到位，他们就可以像人类一样开展工作。机器人过程自动化(RPA)和机器学习技术之间的最大区别在于，机器人过程自动化(RPA)侧重于重复的结构化工作，而机器学习旨在理解结构化和非结构化内容。机器人过程自动化(RPA)需要机器学习技术为其数字工作者提供智能内容，从而为他们提供认知技能以提取有用信息并获得智能，从各种形式的内容中学习，并获取文档和意图的含义以及随着决策的增加。数据点3：假设他们知道在哪里应用机器学习当企业开始自动化项目时，他们并不总是选择正确的流程来开始。这是因为许多公司在组织流程知识方面都进行了划分。此外，高层管理人员不参与日常工作流程，并且缺乏流程文档，因此越来越难以真正发现哪些流程已准备好实现自动化。在项目开始之前整合流程智能将使企业全面了解机器人流程自动化(RPA)和机器学习解决方案的应用范围，以及它们对组织的预期价值和节省——所有这些都基于数据，而不是基于意见或偏见。数据点4：缺少高价值业务案例通常，企业会依赖常识并选择最常出现的任务，因为它看起来会有所回报。然而，这种临时选择流程的方法可能会忽略其他提供更高投资回报率机会的商机。虽然从对组织或与最终用户的交互影响最小的区域开始是完全可以接受的，但应该牢记如何在整个组织中快速轻松地“着陆和扩展”机器学习。数据点5：认为这项工作可以一劳永逸地完成，不仅仅是因为企业已经训练了算法并部署了数字工作者。通过监控和衡量自动化上游和下游的影响来确保持续的协议合规性，并防止瓶颈转移并可能对其他地方的流程产生负面影响。监控数字劳动力并实施整个端到端流程与规划和执行同样重要。
