从混乱到自动化：面向无结构数据的机器人过程自动化

组织内部无结构数据的不断增长，对数据分析和过程自动化构成了重大挑战。无结构数据指 lacks 预定义格式的数据，涵盖电子邮件、报告、扫描文档等多种形式，约占企业数据的 80%。尽管无结构数据可提供宝贵的洞察，但从无结构数据中提取有意义的信息比从结构化数据中提取更为复杂。机器人过程自动化 (Robotic Process Automation, RPA) 因能够自动化重复性任务、提高效率并减少错误而受到青睐。然而，RPA 传统上依赖于结构化数据，限制了其仅能应用于涉及无结构文档的流程。本研究通过开发 UNstructured Document REtrieval SyStem (UNDRESS) 系统，来克服这一限制。UNDRESS 采用模糊正则表达式、自然语言处理技术以及大型语言模型，使 RPA 平台能够有效从无结构文档中检索信息。本研究包括系统的设计与开发，以及基于文本抽取和信息检索性能的评估。结果表明，UNDRESS 在增强 RPA 处理无结构数据的能力方面效果显著，为该领域带来了重要进展。我们的发现表明，这一系统可以促进在传统上因无结构数据而受阻的流程中更广泛的 RPA 采用，从而提高整体业务流程的效率。