Libere Productividad: Combine Automatización UI con Automatización Basada en LLM

Recientemente, varias empresas líderes de IA han lanzado nuevas capacidades que aprovechan sus poderosos modelos fundacionales de lenguaje grande (LLM) para automatizar rápidamente muchas acciones que las personas realizan en pantallas. Computer Use de Anthropic, Amazon Q Business y el próximo "Operator" de OpenAI pueden entender rápidamente pantallas, operar el software en uso y emular las acciones deseadas del usuario, sin ninguna codificación o entrenamiento de modelo.

La automatización basada en LLM es una nueva forma de automatizar. Es significativamente diferente de la automatización UI, que se basa en modelos entrenados y enfoques basados en reglas para extraer información e interactuar con pantallas, sistemas y software. Debido a que la automatización basada en LLM es mucho más simple de usar, algunos observadores de la industria han sugerido que podría reemplazar a la automatización UI.

Hemos realizado una evaluación extensa de estas nuevas tecnologías, y estamos entusiasmados por su potencial para extender el impacto de la automatización a través de empresas y usuarios. De hecho, estamos integrando lo mejor de ellas en nuestra plataforma. Porque permiten a la IA interactuar con software de la forma en que los humanos lo hacen, creemos que pueden revolucionar verdaderamente las interacciones entre personas y pantallas. Tienen el potencial de impulsar la productividad personal a nuevas alturas y permitir que prácticamente cualquiera se convierta en un desarrollador ciudadano para automatizar sus tareas tediosas y repetitivas.

Sin embargo, la automatización basada en LLM nunca reemplazará completamente a la automatización UI en cada proceso. Por ejemplo, la automatización UI es una opción mucho mejor para procesos automatizados de alto volumen, críticos para la misión, que involucran acceso a múltiples sistemas y trabajo con datos sensibles o propietarios. Estos tipos de procesos abundan en las empresas y, en general, son mejor manejados por la automatización UI.

Para entender por qué es así, hagamos una inmersión rápida en cómo funciona cada enfoque.

La automatización UI y la basada en LLM funcionan diferente, y eso importa

Los enfoques basados en LLM típicamente emplean un LLM multimodal (entendiendo imágenes, palabras, audio, etc.) para "leer" una pantalla y tomar acción. El enfoque depende de un LLM entendiendo la información en la pantalla (datos, campos, etc.) alojada en la nube. El modelo luego predice las acciones que el humano tomaría y envía instrucciones para tomar la acción (copiar y pegar datos, etc.).

Por el contrario, en la automatización UI, los robots siguen un conjunto de instrucciones pre-desarrollado para completar tareas definidas. Pueden ejecutarse dentro del entorno del cliente y/o usuario. Los datos solo pueden interpretarse localmente, y los robots siguen un conjunto de instrucciones claro y determinista. Avances recientes impulsados por IA han mejorado significativamente la estabilidad y confiabilidad, abordando muchos de los problemas iniciales de la automatización UI con fragilidad y roturas.

Los claros beneficios de la automatización UI

Las diferencias entre estos dos enfoques marcan TODA la diferencia al automatizar procesos complejos, de alto volumen, multi-sistema que requieren alta seguridad y precisión. Para estos tipos de flujos de trabajo, la automatización UI es una opción mucho mejor. Aquí está por qué:

Precisión y completitud: Procesos críticos para la misión como order-to-cash dependen de la extracción, movimiento y publicación precisa de datos de un lugar a otro, así como de la documentación y comunicaciones alrededor de estas actividades. En esta área, los enfoques basados en LLM no pueden igualar el rendimiento de la automatización UI.

Por ejemplo, un análisis de datos de UiPath muestra que el 96.5% de todas las automatizaciones de nuestros clientes se ejecutan exitosamente con nuestros enfoques de automatización UI. Datos públicos disponibles sobre automatización basada en IA sugieren que es significativamente menos confiable. Por ejemplo, Anthropic reportó una tasa de precisión del 14.9% en una prueba diseñada para evaluar intentos de desarrolladores de hacer que modelos usen computadoras, muy por debajo del nivel de habilidad humana del 70-75%. Aunque la precisión seguramente mejorará con el tiempo, hay un largo camino por recorrer antes de alcanzar paridad con la automatización UI.

Hay otros problemas, también. Todos los LLM son propensos a alucinaciones y pueden tomar acciones impredecibles. Por ejemplo, investigadores de Anthropic notaron instancias donde su LLM de repente se salía de la tarea, haciendo clic en pantallas equivocadas o descargando inexplicablemente fotos de parques nacionales. Los robots deterministas de la automatización UI simplemente carecen de la capacidad de volverse rebeldes así.

Luego está el asunto de la completitud. Un enfoque que toma fotos de la pantalla visible puede perder datos en listas desplegables que se extienden debajo de los márgenes. Y podría pasar por alto acciones de corta duración que no estaban ocurriendo cuando se tomaron las fotos. La automatización UI no tiene estos problemas.

Seguridad y gobernanza: Cuando se trata de asegurar privacidad, bloquear incursiones maliciosas y mantener datos propietarios dentro de firewalls, la automatización UI es una opción significativamente menos riesgosa. Por ejemplo, con la automatización UI, solo se recopilan los datos que se necesitan. En contraste con la automatización basada en LLM, la automatización UI no implica extracción masiva de capturas de pantalla que pueden contener inadvertidamente datos sensibles. Además, los robots de software UiPath que realizan nuestra automatización UI pueden ser credenciales y su acceso a datos sensibles controlado. Ese nivel de seguridad no está disponible actualmente con la automatización basada en LLM.

Para nosotros, no es uno u otro, son ambos

Al mirar hacia el futuro, está claro que el auge de la automatización basada en LLM representa un gran salto adelante para ciertos tipos de procesos y actividades. El mundo está cerca de realizar el sueño de poner automatización prompt-driven, sin código, al vuelo en manos de prácticamente todos los que usan pantallas y software, inaugurando una nueva era de productividad y rendimiento personal diferente a cualquier cosa que hayamos visto antes.

Ya estamos tomando medidas para traer este tipo de capacidades a la Plataforma UiPath™. En particular, pronto la incorporaremos en nuestras experiencias de usuario final como Autopilot™ for Everyone, así como proporcionando automatización basada en LLM como una opción adicional para desarrolladores ciudadanos y expertos en automatización.

Sabemos que las empresas querrán aprovechar estas nuevas capacidades, pero querrán hacerlo de forma segura y con control total. Por lo tanto, hemos estado expandiendo las capacidades de nuestra plataforma para proporcionar la orquestación, gestión y gobernanza necesarias que las empresas requieren, independientemente de qué modelo, o modelos, adopten.

Pero incluso mientras expandimos la funcionalidad y soporte para la automatización basada en LLM, continuamos avanzando nuestras capacidades de automatización UI, porque la automatización UI será la mejor solución para una amplia gama de procesos empresariales críticos. Continuaremos aprovechando avances emergentes de IA para hacer nuestra automatización UI aún más inteligente, más hábil en entender y actuar sin codificación y entrenamiento significativo, y más resiliente. Un ejemplo principal: el nuevo Agente de Curación UiPath (ahora en vista previa pública), que puede auto-curar automatizaciones fallidas.

En resumen, UiPath cree en un futuro de automatización impulsada por LLM en todas sus formas, incluyendo tanto enfoques basados en UI como en LLM. Cada uno tiene fortalezas únicas; cada uno es la mejor opción para un conjunto particular de oportunidades de automatización. Nuestro objetivo es hacer ambos disponibles, junto con cualquier nuevo enfoque de IA que surja, a través de una plataforma empresarial que pueda orquestar, gobernar y gestionar la panoplia completa de opciones de automatización disponibles tanto hoy como en el futuro.