La automatización de procesos robóticos (RPA) sigue siendo un recurso valioso en la optimización de tareas en diversas industrias, pero la irrupción de la inteligencia artificial (IA) está redefiniendo su funcionamiento. RPA permite a las empresas reducir la carga de trabajo manual mediante el uso de bots de software que operan bajo reglas fijas, encargándose de tareas repetitivas como la ingestión de datos, la procesamiento de facturas y, en cierta medida, la generación de informes. Su adopción se disparó en sectores como finanzas, operaciones y atención al cliente.
En los últimos años, la tecnología RPA ha evolucionado notablemente. Aunque sigue en uso, los procesos empresariales se han vuelto más complejos. Muchos sistemas ahora manejan datos no estructurados, como mensajes y documentos, y la automatización basada en reglas enfrenta dificultades para gestionar estas entradas, ya que depende de pasos predefinidos y formatos estructurados. RPA se desempeña mejor en entornos estables donde los procesos no cambian con frecuencia. Cuando las condiciones varían, los bots pueden fallar o requerir actualizaciones, lo que incrementa la carga de mantenimiento y disminuye el valor de la automatización con el tiempo.
Según Gartner, han surgido sistemas de automatización más adaptativos en el mercado, diseñados para manejar variaciones e incertidumbres, combinando automatización con aprendizaje automático o modelos de lenguaje, lo que les permite procesar un conjunto más amplio de entradas. La IA ha transformado la forma en que las empresas conciben la automatización. Proveedores conocidos en el ámbito de RPA, como Appian y Blue Prism, ahora pueden interpretar el contexto y ajustar sus actividades, lo que resulta especialmente relevante para tareas que involucran texto o imágenes. La capacidad de los modelos de lenguaje grandes para resumir documentos, extraer detalles importantes y responder a consultas en lenguaje natural ofrece una nueva dimensión de automatización en áreas que antes eran difíciles de gestionar.
Investigaciones de McKinsey & Company sugieren que la IA generativa podría automatizar tareas de toma de decisiones y comunicación, más allá del manejo rutinario de datos. Este cambio no reemplaza la automatización existente, sino que la modifica. En lugar de construir cadenas de reglas, las empresas pueden utilizar la IA para manejar variaciones en los medios de entrada. La automatización se vuelve más flexible, permitiendo que los sistemas se ajusten a diferentes entradas sin necesidad de reconfiguración. Sin embargo, la realidad es que los sistemas de IA a menudo producen resultados inconsistentes y su comportamiento no es predecible. Por ello, las empresas pueden combinar la IA con herramientas de automatización existentes, utilizando cada una donde mejor se ajuste.
A pesar de estos cambios, RPA sigue siendo relevante en muchos contextos. Las tareas que involucran datos estructurados y flujos de trabajo estables continúan beneficiándose de la automatización basada en reglas. Ejemplos comunes incluyen el procesamiento de nóminas y las auditorías de cumplimiento, así como integraciones de sistemas. En estas circunstancias, la predictibilidad de RPA puede ser una ventaja. Los bots siguen pasos definidos y producen resultados consistentes, lo cual es útil en entornos regulados. Los procesos de informes financieros y auditorías, por ejemplo, requieren frecuentemente un control y trazabilidad estrictos.
En lugar de ser reemplazada, RPA se utiliza a menudo en conjunto con la IA. Los flujos de trabajo de automatización pueden comenzar con sistemas de IA que interpretan la entrada, y luego pasar datos estructurados a bots de RPA para su ejecución. Esta combinación permite a las empresas extender la automatización sin descartar los sistemas existentes. Por su parte, Blue Prism, ahora parte de SS&C Technologies, ha ampliado su enfoque para incluir lo que describe como automatización inteligente. Este enfoque combina RPA con herramientas de IA capaces de procesar entradas más complejas. Las plataformas combinan la automatización con capacidades como el procesamiento de documentos y el soporte a la toma de decisiones, a menudo mediante integraciones con herramientas de IA.
La transición hacia una automatización habilitada por IA también cambia la forma en que se utilizan las plataformas. Los flujos de trabajo reúnen fuentes de datos y puntos de decisión, junto con pasos de ejecución en un único proceso. Muchas organizaciones continúan dependiendo de los sistemas RPA existentes, especialmente donde los procesos son estables y bien comprendidos. Reemplazar estos sistemas requeriría tiempo y recursos, lo que puede no estar siempre justificado. En cambio, la transformación es gradual. Las empresas pueden agregar capacidades de IA para ampliar lo que la automatización puede manejar, mientras RPA sigue vigente para las tareas donde aún funciona bien. Esto podría cambiar la forma en que se diseñan y despliegan las soluciones de automatización con el tiempo, pero los sistemas basados en reglas seguirán siendo necesarios.
