1. परिचय

रोबोटिक प्रोसेस ऑटोमेशन ने एक मामूली वादा किया और, कुछ समय के लिए, उसे निभाया। जहाँ कोई व्यक्ति उन प्रणालियों के बीच डेटा ले जाता था जो आपस में बात नहीं कर सकती थीं, किसी पोर्टल में लॉग इन करना, आँकड़ों को किसी स्प्रेडशीट में कॉपी करना, उन्हें किसी ERP में टाइप करना, वहाँ किसी RPA बॉट को वही करना सिखाया जा सकता था, वही बटन उसी क्रम में क्लिक करते हुए, अधिक तेज़ी से और बिना थके। इसका आकर्षण यह था कि इसके लिए अंतर्निहित प्रणालियों में कोई बदलाव आवश्यक नहीं था: बॉट मौजूदा स्क्रीनों को ठीक वैसे ही चलाता था जैसे कोई व्यक्ति चलाता, इसलिए कोई विभाग किसी प्रक्रिया को कुछ ही हफ़्तों में स्वचालित कर सकता था, बिना इस प्रतीक्षा के कि IT कोई इंटरफ़ेस बनाए। इसी आधार पर RPA पिछले दशक की सबसे तेज़ी से अपनाई गई उद्यम तकनीकों में से एक बन गया।

समस्या रोबोटिक शब्द में ही है। कोई RPA बॉट कार्य को समझता नहीं; वह किसी रिकॉर्डिंग को दोहराता है। वह जानता है कि इनवॉइस का कुल योग दूसरे टैब के तीसरे बक्से में है, न कि यह कि इनवॉइस का कुल योग है क्या, इसलिए जब पोर्टल का पुनर्रचना होती है और बक्सा खिसक जाता है, तो बॉट अनुकूलित नहीं होता, वह विफल हो जाता है, और यदि वह चुपचाप विफल होता है तो वह ग़लत संख्या तब तक पोस्ट करता रहता है जब तक कोई ध्यान न दे। कोई संगठन जो भी प्रक्रिया चलाता है वह एक ऐसे पर्यावरण में बैठी होती है जो बदलता रहता है: सॉफ़्टवेयर अद्यतन होता है, फ़ॉर्म पुनर्रचित होते हैं, आपूर्तिकर्ता कोई नया ख़ाका भेजते हैं, कोई नियमन कोई फ़ील्ड जोड़ देता है, कोई किनारे का मामला आ जाता है जिसे रिकॉर्डिंग ने कभी देखा ही नहीं। किसी बदलते पर्यावरण के विरुद्ध कोई जमा हुआ नियम-समूह एक क्षयशील परिसंपत्ति है। इस परिणाम का उद्योग-जगत में नाम है बॉट रखरखाव, और यह इस क्षेत्र का मौन कलंक है: किसी परिपक्व RPA कार्यक्रम में प्रयास का एक बड़ा हिस्सा नए काम को स्वचालित करने में नहीं बल्कि उन स्वचालनों की मरम्मत में जाता है जिन्हें संसार ने तोड़ दिया है, जिससे चालू लागत समय के साथ बढ़ती है और व्यवसाय-तर्क उसके नीचे से ही कटता जाता है।

यह शोधपत्र इस बारे में है कि RPA का स्थान क्या लेता है, और क्यों यह प्रतिस्थापन किसी अधिक तेज़ बॉट के बजाय एक भिन्न प्रकार की वस्तु है। कोई सक्षम AI एजेंट, एक ऐसा मॉडल जो किसी स्क्रीन या दस्तावेज़ को पढ़ सके, यह तर्क कर सके कि वह किसलिए है, औज़ारों को पुकार सके और अपने ही काम की जाँच कर सके, वह लिपिकीय कार्य कर सकता है जो RPA करता था, परंतु यही दिलचस्प दावा नहीं है, क्योंकि वही भंगुर चीज़ किसी अधिक महँगे इंजन से करना कोई प्रगति नहीं है। दिलचस्प दावा यह है कि एजेंट वह कर सकता है जो कोई बॉट संरचनात्मक रूप से नहीं कर सकता: वह स्वचालन को उसके अपने चलने से सुधार सकता है। जब भी वह किसी मामले को निपटाता है तो वह प्रमाण उत्पन्न करता है, उसने क्या किया, परिणाम स्वीकार हुआ या नहीं, कहाँ वह हिचकिचाया या सुधारा गया, और वह प्रमाण वापस भेजा जा सकता है ताकि यह संशोधित किया जाए कि स्वचालन अगली बार कैसा व्यवहार करे। स्वचालन एक बार बनाई गई और उसके बाद क्षीण होती रिकॉर्डिंग होना बंद कर देता है और एक ऐसा लूप बन जाता है जो जितना अधिक चलता है उतना ही बेहतर होता जाता है। हम इसे पुनरावर्ती स्वचालन कहते हैं, और यह शोधपत्र की दो आधारशिलाओं में से पहली है।

दूसरी आधारशिला वह है जो पहली को सुरक्षित बनाती है, और इसके बिना पुनरावर्तन परिसंपत्ति के बजाय एक दायित्व है। कोई लूप जो अपने ही निर्गमों से अपना व्यवहार बदलता है, नियंत्रण की दृष्टि से, एक फ़ीडबैक प्रणाली है, और फ़ीडबैक प्रणालियाँ या तो अभिसरित हो सकती हैं या बेक़ाबू हो सकती हैं। किसी शोरीले संकेत के विरुद्ध स्वयं को समायोजित करने के लिए छोड़ा गया एजेंट शोर का पीछा करेगा, उस माप का अनुकूलन करेगा जो उसे दी गई थी न कि उस परिणाम का जिसकी सेवा के लिए वह बना था, और उन तरीक़ों से पीछे हटेगा जिन्हें किसी ने नहीं चुना। वह अनुशासन जो किसी स्वयं-सुधार करने वाले लूप को ख़तरे से एक भरोसेमंद सुधार-इंजन में बदलता है, नया नहीं है; उद्योग के पास यह 1920 के दशक से है और इसने इसे पिछले तीस वर्षों से Six Sigma के रूप में औपचारिक रूप दिया है, जिसका परिचालनात्मक केंद्र DMAIC चक्र है: लक्ष्य और सह्यताओं को Define करना, जो वास्तव में होता है उसे Measure करना, त्रुटि और विचरण के स्रोतों को Analyse करना, किसी सोचे-समझे परिवर्तन द्वारा Improve करना, और Control करना ताकि लाभ बना रहे और खोया न जाए। किसी परियोजना-पद्धति के रूप में पढ़ा जाए तो DMAIC परिचित है। किसी स्वयं-सुधार करने वाले स्वचालन की नियंत्रण संरचना के रूप में पढ़ा जाए, जो एक बार के बजाय सतत रूप से चलाई जाए, तो यह ठीक वही नियामक है जिसकी पुनरावर्ती लूप को आवश्यकता है, और यही युग्म इस शोधपत्र का विषय है।

यह योगदान एक तर्क और एक छोटा मॉडल है, कोई बेंचमार्क नहीं। खंड 2 इस दावे को RPA, बुद्धिमान स्वचालन, सतत सुधार और AI एजेंटों के अभिलेख के सामने रखता है। खंड 3 यह बताता है कि क्यों कोई निश्चित-नियम बॉट क्षीण होता है, बहकाव और रखरखाव के एक मॉडल के साथ। खंड 4 उस पुनरावर्ती लूप का वर्णन करता है जिसे कोई एजेंट संभव बनाता है। खंड 5 शोधपत्र का हृदय है: DMAIC उस नियंत्रण संरचना के रूप में जो लूप को अभिसरित कराती है, जिसमें Control चरण एक गैर-प्रतिगमन रैचेट के रूप में है। खंड 6 प्रतिस्थापन शर्त निकालता है, एक एकल संख्या जो बताती है कि एजेंट बॉट से कब आगे निकल जाता है। खंड 7 एक रचित खाता-देय प्रकरण का अनुसरण करता है; खंड 8 से 11 तक इसके परिणाम निकालते हैं कि किसी स्वचालन फलन को कैसे चलाया जाए, आपत्तियों का उत्तर देते हैं, सीमाएँ बताते हैं और निष्कर्ष देते हैं। समूचे प्रश्न यही है: एक बार जब स्वचालन अपने ही निष्पादन से सीख सकता है, तो उसे सही चीज़ सीखते रहने के लिए क्या बनाए रखता है, और वह रिकॉर्ड किए गए बॉट को कब अप्रचलित बना देता है?

2. पृष्ठभूमि

2.1 RPA और इसकी सीमा

RPA को सूचना-प्रणाली साहित्य में “हल्के” स्वचालन के रूप में चित्रित किया गया: ऐसा सॉफ़्टवेयर जो मौजूदा प्रणालियों के डेटा या तर्क के बजाय उनकी प्रस्तुति परत का संचालन करता है, ताकि इसे पारंपरिक IT परियोजना के बाहर, व्यवसाय द्वारा, अपरिवर्तित बैक एंडों के विरुद्ध परिनियोजित किया जाए (van der Aalst, Bichler & Heinzl, 2018; Hofmann, Samp & Urbach, 2020)। आरंभिक प्रकरण-प्रमाण लागत और गति पर वास्तव में सकारात्मक थे (Lacity & Willcocks, 2016; Willcocks, Lacity & Craig, 2015)। वही साहित्य, ज्यों-ज्यों यह क्षेत्र परिपक्व हुआ, इस सीमा को पहचानता गया। Syed et al. (2020), RPA अनुसंधान और व्यवहार की स्थिति की समीक्षा करते हुए, स्थिर, संरचित निवेशों पर निर्भरता तथा इंटरफ़ेस और प्रक्रिया परिवर्तन के प्रति बॉटों की भंगुरता को बार-बार आने वाले, अनसुलझे विषयों के रूप में चिह्नित करते हैं, और रखरखाव तथा अभिशासन को इस क्षेत्र की केंद्रीय चुनौतियों में रखते हैं; Wewerka and Reichert (2023), इस क्षेत्र का व्यवस्थित मानचित्रण करते हुए, सीमित अपवाद-प्रबंधन और रखरखाव-प्रयास को इसकी स्थायी समस्याओं में सूचीबद्ध करते हैं। यह सीमा किसी विशेष उत्पाद का दोष नहीं है; यह सतह की नक़ल करके स्वचालित करने में अंतर्निहित है। कोई बॉट यह कूटबद्ध करता है कि कोई सक्षम व्यक्ति कैसे क्लिक करता रहा, न कि यह कि कार्य क्या माँगता है, और इन दोनों के बीच का अंतराल ठीक वही गुंजाइश है जो पर्यावरण के पास इसे तोड़ने के लिए है।

2.2 RPA से बुद्धिमान और एजेंटिक स्वचालन तक

व्यवसायियों ने बॉट पर बुद्धिमत्ता जोड़कर प्रतिक्रिया दी: दस्तावेज़ पढ़ने के लिए ऑप्टिकल कैरेक्टर रिकग्निशन, उन्हें छाँटने के लिए एक वर्गीकारक, उस असंरचित निवेश को संभालने के लिए एक मॉडल जिसे RPA नहीं कर सकता था। इस बुद्धिमान स्वचालन या हाइपरऑटोमेशन ने उन निवेशों की परिधि को चौड़ा किया जिन्हें कोई पाइपलाइन स्वीकार कर सकती थी, परंतु इसने नियंत्रण संरचना को अपरिवर्तित छोड़ दिया, निश्चित स्थानों पर जुड़े अधिक चतुर घटकों के साथ एक निश्चित आयोजन, और इसलिए इसने एक परत ऊपर वही भंगुरता विरासत में पाई। हाल का बदलाव एक भिन्न प्रकार का है। कोई AI एजेंट किसी हाथ से खींचे गए प्रवाह में निश्चित स्थान नहीं घेरता; उसे एक लक्ष्य और औज़ारों का एक समूह दिया जाता है और वह चरण तय करता है, जो उसे उस विचरण को आत्मसात करने देता है जो किसी निश्चित आयोजन को तोड़ देता, और, चूँकि वह किसी रिकॉर्डिंग को फिर से चलाने के बजाय कार्य पर तर्क करता है, इसलिए उससे यह समझाने, जाँचने और संशोधित करने को कहा जा सकता है कि उसने क्या किया। मशीन लर्निंग में एजेंट-साहित्य इसकी यांत्रिकी देता है, तर्क को औज़ार-उपयोग के साथ गूँथना (Yao et al., 2023), अगली बार बेहतर करने के लिए विफल प्रयासों पर चिंतन करना (Shinn et al., 2023), और स्वायत्त एजेंटों का व्यापक सर्वेक्षण (Wang et al., 2024)। हमारी रुचि अमूर्त में इस तंत्र में नहीं बल्कि परिचालनों के लिए एक परिणाम में है: किसी एजेंट का निष्पादन निरीक्षण-योग्य प्रमाण उत्पन्न करता है, और प्रमाण ही वह है जिसकी किसी लूप को सुधरने के लिए आवश्यकता होती है।

2.3 सतत सुधार मशीन से भी पुराना है

यह विचार कि किसी प्रक्रिया को उसके अपने निर्गम से मापा और सुधारा जाना चाहिए, कोई AI विचार नहीं है; यह बीसवीं सदी के गुणवत्ता-प्रबंधन की नींव है, और यह शोधपत्र जानबूझकर इस पर टिका है। Shewhart (1931) ने किसी स्थिर प्रक्रिया में अंतर्निहित विचरण, सामान्य कारण, को आरोप्य, विशेष कारण, विचरण से अलग किया जो संकेत देता है कि कुछ बदल गया है, और नियंत्रण चार्ट को वह उपकरण बनाया जो इन दोनों में भेद करता है, ताकि कोई वास्तविक बदलावों पर प्रतिक्रिया करे न कि शोर पर, किसी अशासित अधिगम-लूप का ठीक वही विफलता-रूप; इसका आधुनिक सांख्यिकीय विवेचन Montgomery (2024) है। Deming (1986) ने इसके इर्द-गिर्द प्रबंधन-प्रणाली रची और पुनरावृत्त सुधार के Plan–Do–Study–Act चक्र को लोकप्रिय बनाया। Six Sigma (Harry & Schroeder, 2000; Pyzdek & Keller, 2023) ने इस व्यवहार को DMAIC में समेटा और इसे एक परिमाणित दोष-दर से बाँधा; अकादमिक विवेचन इसे एक सिद्धांत (Linderman et al., 2003) और नवाचार के साथ इसके तनाव का एक स्पष्ट वृत्तांत (Benner & Tushman, 2003) देते हैं। एक सूत्र इस शोधपत्र के विशेष रूप से निकट है: Box का (1957) विकासात्मक परिचालन, जिसने किसी उत्पादन प्रक्रिया को एक धीमे, निरंतर प्रयोग के रूप में चलाया, उसकी सेटिंगों को हल्के से बदलते हुए और जो मापनीय रूप से उपज सुधारता था उसे बनाए रखते हुए, वह सांख्यिकीय नियंत्रण के अंतर्गत पुनरावर्ती स्वयं-सुधार है, इस शब्द से दशकों पहले, और यह उसका सही पूर्वज है जो कोई एजेंट अब सॉफ़्टवेयर की गति से करता है।

2.4 फ़ीडबैक, विविधता और किसी निश्चित नियम की सीमाएँ

साइबरनेटिक्स यह कारण देता है कि क्यों किसी निश्चित बॉट को किसी बदलते संसार से हारना ही है। Ashby का (1956) अपेक्षित विविधता का नियम मानता है कि कोई नियामक किसी विक्षोभ को केवल उसी अनुपात में आत्मसात कर सकता है जितनी विविधता वह स्वयं उत्पन्न कर सकता है: केवल विविधता ही विविधता को नष्ट कर सकती है। किसी RPA बॉट के पास, रचना से ही, लगभग कोई विविधता नहीं है, प्रति रिकॉर्ड किए गए पथ के लिए एक प्रतिक्रिया, इसलिए वह केवल ऐसे पर्यावरण का नियमन कर सकता है जो उन पथों को कभी नहीं छोड़ता, और कोई भी वास्तविक पर्यावरण अंततः छोड़ देता है। किसी अधिगम-लूप द्वारा शासित एजेंट माँग पर विविधता गढ़ता है, किसी ऐसे मामले के लिए प्रतिक्रिया उत्पन्न करता है जिसके लिए उसे स्पष्ट रूप से बनाया नहीं गया था, यही कारण है कि वह किसी चलायमान लक्ष्य का पीछा कर सकता है जो कोई निश्चित नियम नहीं कर सकता। Wiener (1948) ने फ़ीडबैक द्वारा नियंत्रण का संस्थापक वृत्तांत दिया, और किसी पुरस्कार-संकेत से सीखने की मशीन-लर्निंग परंपरा (Sutton & Barto, 2018) तथा त्रुटि सुधारकर सीखने वाले संगठनों की परंपरा (Argyris & Schön, 1978) अन्य पैमानों पर वही सिद्धांत हैं। यहाँ योगदान यह है कि इन दो पुराने ज्ञान-पुंजों को एक नई वस्तु पर एक साथ रखा जाए: एजेंट विविधता देता है, और DMAIC वह नियंत्रण देता है जो विविधता को लक्ष्य की ओर लक्षित रखता है।

3. क्यों कोई निश्चित-नियम बॉट क्षीण होता है

RPA के विरुद्ध मामला यह नहीं है कि यह पहले ही दिन विफल हो जाता है; यह है कि इसे पहले दिन इष्टतम होने और उसके बाद हर दिन ह्रास पाने के लिए बनाया गया है। किसी प्रक्रिया को निश्चित करें और एक ऐसा बॉट परिनियोजित करें जो उसके मामलों का एक हिस्सा सही ढंग से संभालता है। फिर पर्यावरण, किसी दर से, उस अवस्था से दूर बहकता है जिसके विरुद्ध बॉट रिकॉर्ड किया गया था: फ़ॉर्म बदलते हैं, प्रणालियाँ उन्नत होती हैं, निवेशों के नए प्रकार आते हैं, नीतियाँ कोई चरण जोड़ देती हैं। बहकाव का हर वर्धन कुछ ऐसे मामलों को, जिन्हें बॉट पहले संभालता था, ऐसे मामलों में बदल देता है जिन्हें अब वह ग़लत ढंग से संभालता है, इसलिए बॉट की त्रुटि दर संचित बहकाव के मोटे तौर पर समानुपात में बढ़ती है। हस्तक्षेपों के बीच,

जहाँ $\varepsilon_0$ परिनियोजन पर त्रुटि दर है, $t$ समय है, और $\delta$ बहकाव दर है, वह गति जिस पर संसार रिकॉर्डिंग को पीछे छोड़ देता है। एकमात्र चीज़ जो $\varepsilon^{\mathrm{rpa}}$ को घटाती है वह एक व्यक्ति है: कोई अभियंता टूटन को देखता है, पथ को फिर से रिकॉर्ड करता है, और त्रुटि दर को $\varepsilon_0$ की ओर पुनःस्थापित करता है, एक लागत पर, और अगले बहकाव तक। इसलिए बॉट एक आरा-दाँत खींचता है, बहकाव के साथ चढ़ता और हर मैनुअल मरम्मत पर गिरता, और अपने मूल अभिकल्प पर कभी सुधार न करता, क्योंकि इसमें कुछ भी सीखता नहीं। इसकी जीवनकालीन औसत त्रुटि इस बात से तय होती है कि संसार कितनी तेज़ी से चलता है ($\delta$) और संगठन कितनी बार किसी को इसे ठीक करने के लिए भेजने का ख़र्च उठा सकता है।

इस चित्र की दो विशेषताएँ महत्वपूर्ण हैं। पहली, रखरखाव प्रतिक्रियात्मक और असीमित है: ज्यों-ज्यों बॉटों की संपदा बढ़ती है, वे सामूहिक रूप से जो बहकाव संचित करते हैं वह भी इसके साथ बढ़ता है, इसलिए रखरखाव-प्रयास स्वचालित किए जा रहे नए काम के बजाय स्वचालनों की संख्या के साथ बढ़ता है, और यही वह तंत्र है जिसके द्वारा किसी RPA कार्यक्रम की चालू लागत उसकी बचत को पार कर जाती है। दूसरी, विफलता प्रायः मौन होती है: कोई बॉट जो ग़लत फ़ील्ड से कोई मान पोस्ट करता है वह कोई त्रुटि नहीं फेंकता, वह एक प्रशंसनीय, ग़लत परिणाम उत्पन्न करता है, और उसकी लागत केवल इस बात से सीमित होती है कि वह कितने समय तक अलक्षित रहती है। किसी चलते संसार में कोई निश्चित नियम केवल सीमित ही नहीं है; यह एक ऐसा दायित्व है जिसका आकार संगठन नियंत्रित नहीं करता।

4. पुनरावर्ती स्वचालन: वह लूप जिसे कोई बॉट बंद नहीं कर सकता

एक एजेंट इस चित्र को बदल देता है क्योंकि उसका निष्पादन सूचना का एक स्रोत है जिसे स्वचालन पर ही वापस मोड़ा जा सकता है। जब कोई एजेंट किसी मामले को संसाधित करता है तो वह एक पदचिह्न छोड़ता है: जो निवेश उसने देखा, जो चरण उसने चुने, जो औज़ार-पुकारें उसने कीं, जो निर्गम उसने उत्पन्न किया, और, महत्वपूर्ण रूप से, यह अनुवर्ती संकेत कि वह निर्गम स्वीकार हुआ, सुधारा गया या पलटा गया। वह पदचिह्न इस बारे में प्रमाण है कि स्वचालन कहाँ सबल है और कहाँ दुर्बल, और चूँकि एजेंट का व्यवहार उन चीज़ों में व्यक्त होता है जिन्हें संपादित किया जा सकता है, उसके निर्देश, उसे दिए गए उदाहरण, जो औज़ार और जाँचें उसे उपयोग करनी हैं, कठिन मामलों का मार्गन, इसलिए वह प्रमाण एक संशोधन के रूप में वापस भेजा जा सकता है। स्वचालन अपने ही चलने से सुधरता है। जहाँ समीकरण (1) के पास त्रुटि घटाने के लिए केवल एक बाहरी हाथ है, वहाँ पुनरावर्ती लूप इसे भीतर से घटाता है, हर चक्र:

यहाँ $\varepsilon_k$ $k$ चक्रों के बाद त्रुटि दर है, $g \in (0,1)$ सुधार लाभ है, उस निवारणीय त्रुटि का अंश जो कोई चक्र हटाता है, और $\varepsilon_\ast$ अपचयनीय तल है, वह अवशेष जिसे प्रक्रिया नहीं त्याग सकती क्योंकि यह वास्तविक अस्पष्टता, अनुपस्थित सूचना या अपचयनीय निर्णय को प्रतिबिंबित करता है, कार्य की आकस्मिक के बजाय आवश्यक कठिनाई। समीकरण (2) को पुनरावृत्त करने से संवृत रूप मिलता है

आरंभिक त्रुटि से तल तक एक ज्यामितीय गिरावट। यही वह आकृति है जिसका लक्ष्य गुणवत्ता-परंपरा ने सदैव रखा है और वही आकृति जिसे कोई बॉट कभी नहीं खींच सकता, क्योंकि किसी बॉट के पास कोई $g$ नहीं है: उसका सुधार लाभ शून्य है, और समीकरण (2) एक ऐसे स्थिरांक में ढह जाता है जिसे केवल मैनुअल पुनःस्थापनों द्वारा बाधित किया जाता है। इस मॉडल में RPA और एजेंटिक स्वचालन के बीच का अंतर $g = 0$ और $g > 0$ के बीच का अंतर है: एक ऐसे स्वचालन के बीच जिसे केवल बाहर से मरम्मत किया जा सकता है और एक ऐसे के बीच जो स्वयं को भीतर से सुधारता है।

तीन शर्तें $g$ को धनात्मक बनाती हैं और ऐसा बनाए रखती हैं, और ये तीनों वे चीज़ें हैं जो एजेंट का निष्पादन देता है और किसी बॉट का नहीं। एक संकेत होना चाहिए: हर मामले के लिए एक मापनीय परिणाम, ताकि बेहतर और बदतर में भेद किया जा सके। आरोप्य प्रमाण होना चाहिए: इतने समृद्ध पदचिह्न कि यह पता लगाया जा सके कि कोई मामला क्यों ग़लत हुआ, केवल यह नहीं कि वह ग़लत हुआ। और एक संपादनीय सतह होनी चाहिए: लीवर, प्रॉम्प्ट, उदाहरण, औज़ार, मार्गन, जिन्हें कोई संशोधन वास्तव में हिला सके। एक एजेंट इन तीनों को काम करने के उप-उत्पाद के रूप में उत्पन्न करता है; कोई रिकॉर्ड किया गया बॉट इनमें से कोई नहीं उत्पन्न करता, और यही गहरा कारण है कि वह सीख नहीं सकता। परंतु कोई धनात्मक $g$ अभी तक कोई सुरक्षित $g$ नहीं है। कोई लूप जो किसी संकेत के विरुद्ध स्वयं को संशोधित करता है, त्रुटि को घटाने जितनी ही आसानी से बढ़ा भी सकता है, यदि संकेत शोरीला हो, आरोपण ग़लत हो, या परिवर्तन एक प्रतिगमन हो। $g$ को विश्वसनीय रूप से धनात्मक बनाना, चक्र-दर-चक्र, यही नियंत्रण संरचना का काम है, और वह DMAIC है।

5. नियंत्रण संरचना के रूप में DMAIC

शोधपत्र का केंद्रीय दावा यह है कि वह अनुशासन जो किसी स्वयं-सुधार करने वाले लूप को किसी संकट से एक भरोसेमंद इंजन में बदलता है, पहले से मौजूद है, पूरी तरह विकसित, Six Sigma DMAIC चक्र में, बशर्ते इसे किसी एक-बार की सुधार-परियोजना के रूप में नहीं बल्कि स्वचालन की स्थायी नियंत्रण संरचना के रूप में पढ़ा जाए, जो सतत रूप से चलाई जाए। प्रत्येक चरण कुछ ऐसा देता है जिसकी खंड 4 के पुनरावर्ती लूप को अपने लाभ को धनात्मक और अपनी दिशा को सही रखने के लिए आवश्यकता होती है; चित्र 1 इस चक्र को खींचता है और तालिका 3 प्रत्येक चरण को उसकी भूमिका से जोड़ती है।

Define. लूप को एक ऐसा लक्ष्य चाहिए जो वह प्रतिनिधि न हो जिसका पीछा करने के लिए वह ललचाएगा। Define उस परिणाम को बताता है जिसकी स्वचालन सेवा करता है, उन सह्यताओं को जो सफलता मानी जाती हैं, और तल $\varepsilon_\ast$ का एक ईमानदार अनुमान जिसके नीचे आगे का प्रयास व्यर्थ है, ताकि लूप व्यावसायिक परिणाम का अनुकूलन करे न कि उसके किसी सुविधाजनक प्रतिस्थानी का। अधिकांश बेक़ाबू फ़ीडबैक विफलताएँ Define की विफलताएँ हैं: लूप ने ठीक वही सुधारा जो उससे कहा गया था, जो कि ग़लत चीज़ थी।

Measure. किसी संकेत के बिना कोई सुधार लाभ नहीं होता, और Measure वह चरण है जो एक संकेत गढ़ता है, हर मामले को उपकरणित करता है ताकि परिणाम, सुधार और हिचकिचाहट के बिंदु रिकॉर्ड हों, किसी क़िस्से से नमूने के रूप में न लिए जाएँ। यह Shewhart की इस अंतर्दृष्टि का आधुनिक रूप है कि जिसे आप मापते नहीं उसे आप सुधार नहीं सकते, और यही वह जगह भी है जहाँ प्रक्रिया माइनिंग (van der Aalst, 2016) अपना स्थान अर्जित करती है, यह पुनर्निर्मित करते हुए कि प्रक्रिया ने वास्तव में क्या किया, इसके अपने घटना-लॉगों से न कि इस कल्पना से कि यह कैसे चलने वाली थी।

Analyse. किसी अधिगम-लूप की विशिष्ट त्रुटि यह है कि वह शोर पर इस तरह प्रतिक्रिया करे मानो वह संकेत हो, किसी स्थिर प्रक्रिया के सामान्य प्रकीर्णन के विरुद्ध स्वयं को फिर से समायोजित करता और छटपटाता हुआ। Analyse प्रहरी है: यह सामान्य-कारण विचरण को, जिसे छोड़ दिया जाना है, विशेष-कारण विचरण से, जिस पर कार्य किया जाना है, अलग करता है, और कार्रवाई-योग्य त्रुटि को इतने विशिष्ट कारण से जोड़ता है कि उसे ठीक किया जा सके। यह Shewhart का (1931) भेद है जो ठीक वही काम कर रहा है जिसके लिए इसका आविष्कार हुआ था, अब किसी स्वचालन को अपनी ही पूँछ का पीछा करने से बचाते हुए।

Improve. अब ही कोई परिवर्तन किया जाता है: एजेंट के निर्देशों, उसके उदाहरणों, उसके औज़ारों, उसकी जाँचों, या उस मार्गन का एक संशोधन जो कठिन मामलों के किसी वर्ग को किसी मनुष्य या किसी विशेष पथ पर भेजता है। Improve लूप का उत्परिवर्तन चरण है, वह जगह जहाँ लाभ $g$ वास्तव में साकार होता है, और यह जानबूझकर मापन और विश्लेषण के अनुप्रवाह में है ताकि परिवर्तन किसी अनुमान के बजाय किसी निदान किए गए कारण का उत्तर दे।

Control. Control वह चरण है जो समूची चीज़ को सुरक्षित बनाता है, और यहीं पुनरावर्ती स्वचालन किसी बॉट और किसी अशासित अधिगम-प्रणाली दोनों से सबसे तीक्ष्ण रूप से भिन्न होता है। कोई प्रस्तावित परिवर्तन इसलिए नहीं अपनाया जाता कि वह बेहतर लगता है; उसे केवल तभी अपनाया जाता है जब उसे, रोके गए मामलों के विरुद्ध, यह मापा जाए कि वह परिणाम को बदतर नहीं बनाता, अन्यथा उसे अस्वीकृत कर दिया जाता है और पिछला संस्करण बनाए रखा जाता है। औपचारिक रूप से, किसी उम्मीदवार संशोधन $m$ की मापी गई त्रुटि को $\widehat{\varepsilon}(m)$ लिखते हुए,

जहाँ $\gamma \ge 0$ एक विश्वास-सीमांत है जो द्वार को शोर से मूर्ख बनने से रोकता है। द्वार का लूप पर एक सटीक प्रभाव है: यह त्रुटि-अनुक्रम को प्रत्याशा में एकदिष्ट बना देता है,

ताकि सुधार संचित हो और कभी वापस न दिया जाए। यही वह है जो समीकरण (2) के कच्चे पुनरावर्तन को एक ऐसी यादृच्छिक चाल से, जो कहीं भी बहक सकती है, एक ऐसे रैचेट में बदलता है जो केवल कसता है, और यह वही अनुशासन है जो सांख्यिकीय प्रक्रिया नियंत्रण ने एक सदी पहले विनिर्माण को दिया था, अब किसी ऐसे स्वचालन पर लागू जो स्वयं को फिर से लिखता है। Control अपने काम का अनाकर्षक दूसरा आधा भी करता है: यह लाभ को मानकीकृत करता और बनाए रखता है, सुधरे हुए संस्करण को इसकी सुरक्षा-रेलिंगों के साथ अपनी जगह पर टाँकते हुए ताकि अगला चक्र पुराने के बजाय नए तल से शुरू हो।

यही युग्म मुख्य बात है। DMAIC के बिना पुनरावर्तन एक ऐसा लूप है जो समान आसानी से सुधार या विध्वंस कर सकता है; पुनरावर्तन के बिना DMAIC वह आवधिक सुधार-परियोजना है जिसे गुणवत्ता-दल सदैव हाथ से चलाते आए हैं, इस बात से सीमित कि लोग कितनी बार एकत्र हो सकते हैं। कोई एजेंट जो DMAIC को अपनी ही स्थायी नियंत्रण संरचना के रूप में चलाता है वह दोनों पाता है: सॉफ़्टवेयर सुधार की गति और पहुँच तथा सांख्यिकीय नियंत्रण की अभिसरण-गारंटी।

6. प्रतिस्थापन शर्त

अब हम ठीक-ठीक कह सकते हैं कि एजेंट बॉट से कब आगे निकल जाता है। दोनों स्वचालन एक ही बहकते संसार का सामना करते हैं, एक ही बहकाव दर $\delta$ पर। बॉट के पास कोई आंतरिक लाभ नहीं है और इसलिए, समीकरण (1) के अनुसार, इसकी त्रुटि बहकाव के साथ तब तक चढ़ती है जब तक कोई व्यक्ति इसे पुनःस्थापित न करे। एजेंट अपने DMAIC लूप को चक्र-समय $\tau$ के साथ चलाता है, एक संशोधन को मापने, विश्लेषण करने, प्रस्तावित करने और द्वार से गुज़ारने का समय, और प्रति-चक्र लाभ $g$ के साथ, जबकि वही बहकाव $\delta$ इसकी त्रुटि को ऊपर धकेलता है। सतत समय पर ये दोनों बल संयुक्त होते हैं:

एक अधिगम-पद जो त्रुटि को तल की ओर नीचे खींचता है और एक बहकाव-पद जो उसे ऊपर धकेलता है। इसकी स्थिर अवस्था, जहाँ लूप संसार के साथ ठीक-ठीक क़दम मिलाता है, यह है

ताकि स्वचालन तल के ऊपर एक सीमित दूरी पर टिका रहे, जो इस अनुपात से निर्धारित है कि संसार कितनी तेज़ी से बहकता है बनाम लूप कितनी तेज़ी से सीखता है। बॉट, $g \to 0$ के साथ, की कोई परिमित स्थिर अवस्था है ही नहीं: इसकी त्रुटि केवल रखरखाव-अनुसूची से सीमित है। विमाहीन प्रतिस्थापन संख्या को परिभाषित करें

उस त्रुटि का अनुपात जो कोई चक्र हटाता है बनाम वह त्रुटि जो बहकाव उसी चक्र पर जोड़ता है। जब $\Sigma > 1$ होता है तो लूप त्रुटि को उस गति से अधिक तेज़ हटाता है जिस गति से पर्यावरण उसे अंतःक्षेपित करता है और स्वचालन तल के ऊपर एक सँकरी पट्टी तक अभिसरित होता है; जब $\Sigma \gg 1$ होता है तो यह अनिवार्यतः तल पर ही बैठता है। एजेंट बॉट का स्थान ठीक तभी लेता है जब वह $\Sigma > 1$ के साथ एक शासित लूप चला सके, जो तीन नियंत्रणीय राशियों के बारे में एक कथन है: बेहतर मापन और आरोपण के साथ लाभ $g$ को बढ़ाएँ, स्वयं लूप के स्वचालन के साथ चक्र $\tau$ को छोटा करें, और एजेंट किसी भी ऐसे पर्यावरण में किसी भी निश्चित बॉट को हरा देता है जिसका बहकाव $\delta$ परिमित है। चित्र 2 इन दोनों प्रक्षेपपथों की तुलना करता है। व्यावहारिक पाठ यह है कि प्रतिस्थापन इस प्रश्न का नहीं है कि एजेंट पहले दिन बॉट से अधिक चतुर है या नहीं, प्रायः नहीं होता, बल्कि इसका है कि क्या उसका लूप, नियंत्रण के अंतर्गत, संसार के घूमने से अधिक तेज़ घूमता है; और एक बार जब ऐसा होता है, तो बॉट का आरा-दाँत और एजेंट का अवतरण हमेशा के लिए अलग हो जाते हैं।

7. एक रचित प्रकरण: खाता-देय

यह प्रकरण रचित है, प्रेक्षित नहीं: इसके आँकड़े दृष्टांतात्मक और आंतरिक रूप से संगत हैं, और इसका उद्देश्य यह दिखाना है कि मॉडल की राशियाँ प्रशंसनीय मान ग्रहण करती हैं, न कि किसी परिणाम की रिपोर्ट देना। किसी मध्यम-आकार के समूह के खाता-देय फलन पर विचार करें जो कई प्रारूपों में, कई पोर्टलों के पार, आपूर्तिकर्ता इनवॉइस प्राप्त करता है और प्रत्येक को किसी क्रय-आदेश और किसी माल-प्राप्ति से मिलाना, उसे कोड करना, और उसे भुगतान के लिए पोस्ट करना चाहिए। यह आदर्श RPA लक्ष्य है, उच्च-आयतन, नियम-वर्णनीय, उबाऊ, और आदर्श RPA निराशा भी, क्योंकि प्रारूप निरंतर बहकते हैं और हर आपूर्तिकर्ता घटित होने की प्रतीक्षा में एक अपवाद है।

समूह की RPA संपदा सबसे स्वच्छ आपूर्तिकर्ता ख़ाकों को संभालती है और बाक़ी सब कुछ लोगों को भेज देती है। परिनियोजन पर इसने लगभग 55 प्रतिशत इनवॉइस सीधे पोस्ट किए, परंतु अठारह महीनों में तीन पोर्टल अद्यतनों और नए आपूर्तिकर्ताओं की एक लहर ने स्ट्रेट-थ्रू दर को नीचे और मौन-त्रुटि दर को ऊपर धकेला, जिससे एक स्थायी दल अपने सप्ताह का बहुत-सा हिस्सा टूटे बॉटों को फिर से रिकॉर्ड करने और ग़लत पोस्टिंगों का पीछा करने में बिताता है, तालिका 1 ‘पहले’ वाला स्तंभ देती है। रिकॉर्ड किए गए बॉटों को एक ऐसे एजेंट से प्रतिस्थापित करना जो प्रत्येक इनवॉइस को इस दृष्टि से पढ़ता है कि वह क्या है, उसे निश्चित निर्देशांकों के बजाय तर्क से मिलाता है, और वास्तविक अपवादों को किसी व्यक्ति को भेजता है, और उस एजेंट को एक स्थायी DMAIC लूप में लपेटना, स्ट्रेट-थ्रू दर वह चीज़ है जिसे Measure अनुरेखित करता है, हर सप्ताह के सुधार वह प्रमाण हैं जिन पर Analyse काम करता है, एजेंट के प्रॉम्प्ट, उदाहरण और मिलान-जाँचें वही हैं जिन्हें Improve संशोधित करता है, और एक रोका गया नमूना वह द्वार है जिसे Control लागू करता है, स्तर और उसकी दिशा दोनों को बदल देता है। एजेंट बॉट से केवल थोड़ा बेहतर शुरू होता है परंतु, चूँकि उसका लूप पोर्टलों के बहकने से अधिक तेज़ घूमता है ($\Sigma > 1$), उसकी अपवाद-दर चक्र-दर-चक्र उस तल की ओर गिरती है जो उन इनवॉइसों से निर्धारित है जिन्हें वास्तव में मानवीय निर्णय की आवश्यकता है, जबकि रखरखाव-भार उलट जाता है: अभियंताओं द्वारा रिकॉर्डिंगों की मरम्मत के बजाय, काम Control द्वार पर लूप के प्रस्तावित परिवर्तनों की समीक्षा करना बन जाता है। तालिका 1 इस प्रकरण के माध्यम से मॉडल की राशियों का अनुसरण करती है।

8. परिचालन-मॉडल के लिए क्या बदलता है

किसी बॉट के स्थान पर किसी एजेंट को रखना उसी बोनट के नीचे इंजनों की किसी समान-के-बदले-समान अदला-बदली नहीं है; यह बदल देता है कि स्वचालन फलन क्या करता है और उसे किसमें अच्छा होना चाहिए। तालिका 2 इन दोनों को आमने-सामने रखती है। सबसे बड़ा परिवर्तन यह है कि मानवीय प्रयास कहाँ जाता है। RPA के अंतर्गत आवर्ती मानवीय कार्य मरम्मत है: उन बॉटों को ढूँढना और फिर से रिकॉर्ड करना जिन्हें संसार ने तोड़ दिया है, एक प्रतिक्रियात्मक कार्य जो संपदा के आकार के साथ बढ़ता है और कुछ नया उत्पन्न नहीं करता। किसी DMAIC-शासित एजेंट के अंतर्गत आवर्ती मानवीय कार्य Control द्वार है: लूप के प्रस्तावित संशोधनों की समीक्षा करना और यह तय करना कि क्या प्रतिबद्ध किया जाए, एक ऐसा कार्य जो संपदा के आकार के बजाय सुधार की दर के साथ बढ़ता है और जो हर बार किए जाने पर एक बेहतर स्वचालन उत्पन्न करता है। कौशल तदनुसार बदलते हैं, स्क्रीनों के विरुद्ध रोबोट स्क्रिप्ट करने से परिणाम परिभाषित करने, प्रक्रियाओं को उपकरणित करने और प्रमाण परखने तक, अर्थात् स्वचालन अभियांत्रिकी से गुणवत्ता-प्रबंधन के अनुशासन की ओर, जो अब सॉफ़्टवेयर की गति से किया जाता है।

एक दूसरा परिवर्तन भी है, अभिशासन में। कोई प्रणाली जो अपना ही व्यवहार फिर से लिखती है वह किसी रिकॉर्डिंग से अधिक शक्तिशाली है और कम नहीं बल्कि अधिक जवाबदेही माँगती है, और DMAIC लेखा-परीक्षण-पथ को एक उप-उत्पाद के रूप में देता है: हर प्रतिबद्ध परिवर्तन किसी मापे गए कारण का उत्तर देता है, किसी रिकॉर्ड किए गए द्वार से गुज़रा है, और उसे आरोपित तथा वापस किया जा सकता है, ताकि कोई स्वयं-सुधार करने वाला स्वचालन, ठीक से चलाया जाए तो, उस अपारदर्शी बॉट से जिसे वह प्रतिस्थापित करता है कम नहीं बल्कि अधिक निरीक्षण-योग्य हो। Control चरण जितना गुणवत्ता का उपकरण है उतना ही अनुपालन का भी। यह वहाँ सबसे अधिक मायने रखता है जहाँ स्वचालन नियमित कार्य को छूता है, और यह वही अनुशासन है, किसी द्वार के पीछे मापा गया परिवर्तन, जिसकी हमने नियमित IT पर अपने अनुसंधान में अन्यत्र वकालत की है।

9. आपत्तियाँ और उत्तर

कोई एजेंट प्रति मामला किसी बॉट से कहीं अधिक महँगा है। प्रति मामला, आज, प्रायः हाँ, और किसी सँकरे, स्थिर, उच्च-आयतन कार्य के लिए जिसका पर्यावरण वास्तव में नहीं बहकता, कोई रिकॉर्ड किया गया बॉट किफ़ायती विकल्प बना रह सकता है, और यहाँ कुछ भी इसके विपरीत नहीं कहता। तर्क वहाँ काटता है जहाँ पर्यावरण बहकता है, जो अधिकांश जगहें हैं, क्योंकि वहाँ बॉट की वास्तविक लागत उसका प्रति-मामला मूल्य नहीं बल्कि उसकी रखरखाव-पूँछ और उसकी मौन त्रुटियाँ हैं, और एजेंट का लूप इन दोनों को हटाकर अपनी अधिक इकाई-लागत की भरपाई करता है। करने योग्य तुलना किसी बहकते पर्यावरण के विरुद्ध जीवनकालीन लागत है, न कि पहले दिन की इकाई-लागत।

यह तो बस RPA है जिस पर एक मॉडल जड़ दिया गया है, जिसे विक्रेता पहले से बेचते हैं। यह इसके विपरीत है। किसी निश्चित आयोजन में कोई मॉडल जड़ना, बुद्धिमान स्वचालन जैसा आम तौर पर बेचा जाता है, भंगुर नियंत्रण संरचना को बनाए रखता है और उसके घटकों को अधिक चतुर बनाता है, इसलिए यह सीमा को थोड़ा ऊपर उठाता है और क्षय को विरासत में पाता है। यहाँ दावा स्वयं नियंत्रण संरचना के बारे में है: निश्चित आयोजन को एक ऐसे शासित लूप से प्रतिस्थापित करना जो स्वचालन को उसके अपने निर्गम से फिर से लिखता है। इंजन इस परिवर्तन का छोटा आधा है; लूप बड़ा आधा है।

कोई स्वयं-सुधार करने वाली प्रणाली जो अपना ही व्यवहार बदलती है, एक ऐसा जोखिम है जिसे आप शासित नहीं कर सकते। यह एक जोखिम है, और अशासित यह एक गंभीर जोखिम है, और यही समूचा कारण है कि शोधपत्र की दूसरी आधारशिला कोई मॉडल नहीं बल्कि एक नियंत्रण-अनुशासन है। कोई एजेंट जो बिना किसी Analyse चरण और बिना किसी Control द्वार के किसी शोरीले संकेत के विरुद्ध स्वयं को फिर से समायोजित करता है, वह वास्तव में बहकेगा और पीछे हटेगा। उत्तर लूप को वर्जित करना नहीं बल्कि उसे उस पद्धति से शासित करना है जिसका उपयोग विनिर्माण ने स्वयं-समायोजित प्रक्रियाओं को एक सदी से शासित करने के लिए किया है: मापें, संकेत को शोर से अलग करें, किसी निदान किए गए कारण के विरुद्ध बदलें, और केवल वही प्रतिबद्ध करें जिसे कोई द्वार सिद्ध करता है कि वह स्थिति को बदतर नहीं बनाता। कोई शासित लूप किसी बॉट से कम नहीं बल्कि अधिक जवाबदेह है।

आपका मॉडल बहुत सरल है; वास्तविक त्रुटि ज्यामितीय रूप से नहीं गिरती। मॉडल एक जानबूझकर किया गया सरलीकरण है और इसके स्थिरांक मापे नहीं गए हैं; इसका उद्देश्य संरचना को सुपाठ्य बनाना है, कि किसी बॉट के पास $g = 0$ है और किसी शासित एजेंट के पास $g > 0$, और कि प्रतिस्थापन इस पर निर्भर करता है कि लूप बहकाव से आगे निकलता है या नहीं। ज्यामितीय रूप किसी तल के विरुद्ध किसी समानुपातिक नियंत्रक का सामान्य व्यवहार है, कोई सटीक आनुभविक नियम नहीं, और खंड 10 ऐसा ही कहता है। प्रतिस्थापन संख्या $\Sigma$ का अभिप्राय सोचने के एक ढंग के रूप में है, तीन स्थानों तक उद्धृत करने के लिए कोई आँकड़ा नहीं।

10. सीमाएँ

यह एक व्यवसायी-केंद्रित तर्क है जिसके साथ एक जानबूझकर सरल मॉडल है, और इसकी सीमाएँ स्पष्ट होनी चाहिए। खंड 3 से 6 तक का मॉडल दृष्टांतात्मक है: समीकरण (1) का रैखिक बहकाव, समीकरण (2) का स्थिर लाभ और एकल तल $\varepsilon_\ast$ सुपाठ्यता के लिए चुने गए सरलीकरण हैं, और वास्तविक बहकाव गुठलीदार है, वास्तविक लाभ ज्यों-ज्यों तल निकट आता है घटता है, और तल स्वयं ज्यों-ज्यों कार्य बदलता है खिसकता है; प्रतिस्थापन संख्या $\Sigma$ एक लेंस है, कोई मापी गई राशि नहीं, और हमने इसका क्षेत्र-आँकड़ों के विरुद्ध आकलन नहीं किया है। यह तर्क उन प्रक्रियाओं तक सीमित है जो बहकती हैं और जो कोई उपयोग-योग्य परिणाम-संकेत ढोती हैं; कोई सचमुच अचल, उच्च-आयतन कार्य अब भी किसी रिकॉर्ड किए गए बॉट के पक्ष में हो सकता है, और बिना किसी मापनीय परिणाम वाली कोई प्रक्रिया लूप को उस संकेत से वंचित कर देती है जिस पर समूचा तंत्र निर्भर करता है। दावा किसी नियंत्रण संरचना के बारे में है, किसी उत्पाद के बारे में नहीं, और विशिष्ट एजेंट-तकनीक आरंभिक है और तेज़ी से बदल रही है; पाठक को संरचना को बनाए रखना चाहिए, कोई शासित पुनरावर्ती लूप किसी चलते संसार में किसी जमे नियम को हरा देता है, और घटकों को ज्यों-ज्यों वे बदलते हैं फिर से जाँचना चाहिए। अंततः, लाभ कभी भी उतना ही ईमानदार होता है जितने Measure और Control चरण: कोई संगठन जो बुरी तरह उपकरणित करता है, या द्वार को किसी रबर-मुहर में क्षीण होने देता है, वह पुनरावर्तन के जोखिम उसके अभिसरण के बिना पाएगा, जो इस अनुशासन को गंभीरता से लेने का एक कारण है, इस विचार का कोई दोष नहीं।

11. निष्कर्ष

रोबोटिक प्रोसेस ऑटोमेशन ने यह रिकॉर्ड करके कि कोई व्यक्ति किसी प्रणाली को कैसे चलाता है और उसे फिर से चलाकर कुछ उपयोगी किया, परंतु इसने किसी कार्य की सतह को स्वचालित किया और उसे जमा दिया, और किसी चलते संसार में कोई जमा नियम क्षीण होता है: इसकी त्रुटि बहकाव के साथ चढ़ती है, इसका रखरखाव बिल इसकी संपदा के साथ बढ़ता है, और इसकी सबसे बुरी विफलताएँ मौन हैं। AI एजेंट इसका स्थान वही नियम किसी अधिक महँगे इंजन से फिर से चलाकर नहीं बल्कि एक ऐसा लूप बंद करके लेते हैं जिसे कोई रिकॉर्डिंग नहीं कर सकती, स्वचालन को उसके अपने निष्पादन से सुधारते हुए, चक्र-दर-चक्र। वह पुनरावर्तन पहली आधारशिला है और, अकेले, जितना सहायक उतना ही संकटपूर्ण। दूसरी आधारशिला वह है जो इसे भरोसेमंद बनाती है: DMAIC चक्र, जिसे किसी एक-बार की परियोजना के बजाय स्वचालन की स्थायी नियंत्रण संरचना के रूप में पढ़ा जाए, लक्ष्य और तल को Define करें, हर मामले को Measure करें, संकेत को शोर से Analyse करें, किसी निदान किए गए कारण के विरुद्ध Improve करें, और एक ऐसे द्वार के साथ Control करें जो केवल वही प्रतिबद्ध करता है जो मापनीय रूप से स्थिति को बदतर नहीं बनाता, ताकि सुधार एक जुआ नहीं बल्कि एक रैचेट बन जाए। शोधपत्र के मॉडल में अंतर शून्य सुधार लाभ और विश्वसनीय रूप से धनात्मक बनाए रखे गए लाभ के बीच का अंतर है, और एजेंट बॉट से ठीक तब आगे निकल जाता है जब उसका शासित लूप त्रुटि को उस गति से अधिक तेज़ हटाता है जिस गति से संसार उसे अंतःक्षेपित करता है। जो अभियांत्रिकी इसके बाद आती है वह उस मॉडल के बारे में कम है जो इनवॉइस पढ़ता है और उसके इर्द-गिर्द बने लूप के बारे में अधिक, और जिस अनुशासन की उस लूप को आवश्यकता है वह एक ऐसा है जिसे उद्योग ने एक सदी से अपनाया है और अब सॉफ़्टवेयर की गति से चला सकता है। कार्य को स्वचालित करें, जो होता है उसे मापें, जो आप मापते हैं उसके विरुद्ध सुधारें, और स्वचालन में कुछ भी ऐसा न बदलने दें जिसे किसी द्वार ने बेहतर सिद्ध न किया हो। कोई बॉट किसी प्रक्रिया की तस्वीर है; कोई शासित एजेंट प्रक्रिया का सीखना है। यही प्रतिस्थापन है, और यही इसका समूचा सार है।

परिशिष्ट A. किसी स्वचालन के नियंत्रण लूप के रूप में DMAIC चलाना

नीचे दिए गए व्यवहार वही हैं जो किसी पुनरावर्ती स्वचालन को बहकने के बजाय अभिसरित रखते हैं। कोई भी AI के लिए नवीन नहीं है; प्रत्येक गुणवत्ता-परंपरा है जो किसी ऐसे स्वचालन पर लागू की गई है जो स्वयं को फिर से लिखता है।

संदर्भ

Argyris, C., & Schön, D. A. (1978). Organizational learning: A theory of action perspective. Addison-Wesley. ISBN 978-0-201-00174-3.

Ashby, W. R. (1956). An introduction to cybernetics. Chapman & Hall. http://pcp.vub.ac.be/books/IntroCyb.pdf

Benner, M. J., & Tushman, M. L. (2003). Exploitation, exploration, and process management: The productivity dilemma revisited. Academy of Management Review, 28(2), 238–256. https://doi.org/10.2307/30040711

Box, G. E. P. (1957). Evolutionary operation: A method for increasing industrial productivity. Journal of the Royal Statistical Society: Series C (Applied Statistics), 6(2), 81–101. https://doi.org/10.2307/2985505

Deming, W. E. (1986). Out of the crisis. MIT Center for Advanced Engineering Study. ISBN 978-0-911379-01-0.

Harry, M. J., & Schroeder, R. (2000). Six Sigma: The breakthrough management strategy revolutionizing the world’s top corporations. Currency/Doubleday. ISBN 978-0-385-49437-3.

Hofmann, P., Samp, C., & Urbach, N. (2020). Robotic process automation. Electronic Markets, 30(1), 99–106. https://doi.org/10.1007/s12525-019-00365-8

Lacity, M., & Willcocks, L. P. (2016). Robotic process automation at Telefónica O2. MIS Quarterly Executive, 15(1), 21–35. https://aisel.aisnet.org/misqe/vol15/iss1/4/

Linderman, K., Schroeder, R. G., Zaheer, S., & Choo, A. S. (2003). Six Sigma: A goal-theoretic perspective. Journal of Operations Management, 21(2), 193–203. https://doi.org/10.1016/S0272-6963(02)00087-6

Montgomery, D. C. (2024). Introduction to statistical quality control (8th ed.). Wiley. ISBN 978-1-119-72309-7.

Pyzdek, T., & Keller, P. A. (2023). The Six Sigma handbook (6th ed.). McGraw-Hill. ISBN 978-1-26-514399-2.

Shewhart, W. A. (1931). Economic control of quality of manufactured product. D. Van Nostrand. ISBN 978-0-87389-076-2 (ASQ reprint).

Shinn, N., Cassano, F., Gopinath, A., Narasimhan, K., & Yao, S. (2023). Reflexion: Language agents with verbal reinforcement learning. In Advances in Neural Information Processing Systems 36 (NeurIPS 2023). https://arxiv.org/abs/2303.11366

Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press. ISBN 978-0-262-03924-6.

Syed, R., Suriadi, S., Adams, M., Bandara, W., Leemans, S. J. J., Ouyang, C., ter Hofstede, A. H. M., van de Weerd, I., Wynn, M. T., & Reijers, H. A. (2020). Robotic process automation: Contemporary themes and challenges. Computers in Industry, 115, 103162. https://doi.org/10.1016/j.compind.2019.103162

van der Aalst, W. M. P. (2016). Process mining: Data science in action (2nd ed.). Springer. https://doi.org/10.1007/978-3-662-49851-4

van der Aalst, W. M. P., Bichler, M., & Heinzl, A. (2018). Robotic process automation. Business & Information Systems Engineering, 60(4), 269–272. https://doi.org/10.1007/s12599-018-0542-4

Wang, L., Ma, C., Feng, X., Zhang, Z., Yang, H., Zhang, J., Chen, Z., Tang, J., Chen, X., Lin, Y., Zhao, W. X., Wei, Z., & Wen, J.-R. (2024). A survey on large language model based autonomous agents. Frontiers of Computer Science, 18(6), 186345. https://doi.org/10.1007/s11704-024-40231-1

Wewerka, J., & Reichert, M. (2023). Robotic process automation: A systematic mapping study and classification framework. Enterprise Information Systems, 17(2), 1986862. https://doi.org/10.1080/17517575.2021.1986862

Wiener, N. (1948). Cybernetics: Or control and communication in the animal and the machine. MIT Press. ISBN 978-0-262-73009-9.

Willcocks, L. P., Lacity, M., & Craig, A. (2015). The IT function and robotic process automation (The Outsourcing Unit Working Research Paper Series). London School of Economics and Political Science, LSE Research Online item 64519. http://eprints.lse.ac.uk/64519/

Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., & Cao, Y. (2023). ReAct: Synergizing reasoning and acting in language models. In International Conference on Learning Representations (ICLR 2023). https://arxiv.org/abs/2210.03629