1. Innledning

Robotisk prosessautomatisering ga et beskjedent løfte og holdt det, en tid. Der en person flyttet data mellom systemer som ikke kunne snakke sammen, logget inn på en portal, kopierte tall inn i et regneark, tastet dem inn i et ERP-system, kunne en RPA-bot læres opp til å gjøre det samme, klikke de samme knappene i samme rekkefølge, raskere og uten å bli trøtt. Det tiltalende var at den ikke krevde noen endring i de underliggende systemene: boten styrte de eksisterende skjermbildene akkurat som en person gjorde, så en avdeling kunne automatisere en prosess på uker uten å vente på at IT skulle bygge et grensesnitt. På det grunnlaget ble RPA en av de raskest adopterte bedriftsteknologiene det siste tiåret.

Problemet ligger i ordet robotisk. En RPA-bot forstår ikke oppgaven; den gjentar en opptaking. Den vet at fakturatotalen står i den tredje boksen på den andre fanen, ikke hva en fakturatotal er, så når portalen redesignes og boksen flytter seg, tilpasser ikke boten seg, den feiler, og hvis den feiler i det stille, fortsetter den å postere feil tall til noen oppdager det. Hver prosess en organisasjon kjører, ligger i omgivelser som driver: programvare oppdateres, skjemaer redesignes, leverandører sender et nytt oppsett, et regelverk legger til et felt, et grensetilfelle dukker opp som opptakingen aldri så. Mot drivende omgivelser er et frosset regelsett et fallende aktivum. Bransjens navn på konsekvensen er botvedlikehold, og det er feltets stille skandale: en stor andel av innsatsen i et modent RPA-program går ikke til å automatisere nytt arbeid, men til å reparere automatiseringer som verden har ødelagt, slik at driftskostnaden stiger over tid og forretningsgrunnlaget eroderer under den.

Denne artikkelen handler om hva som erstatter RPA, og hvorfor erstatningen er en annen type ting snarere enn en raskere bot. En kompetent AI-agent, en modell som kan lese et skjermbilde eller et dokument, resonnere om hva det er til for, kalle verktøy og kontrollere sitt eget arbeid, kan gjøre den kontoroppgaven RPA gjorde, men det er ikke den interessante påstanden, for å gjøre den samme skjøre tingen med en dyrere motor er ikke noe fremskritt. Den interessante påstanden er at en agent kan gjøre det en bot strukturelt ikke kan: den kan forbedre automatiseringen ut fra sin egen kjøring. Hver gang den håndterer et tilfelle, genererer den belegg, hva den gjorde, om resultatet ble akseptert, hvor den nølte eller ble korrigert, og det belegget kan mates tilbake for å revidere hvordan automatiseringen oppfører seg neste gang. Automatisering slutter å være en opptaking som gjøres én gang og deretter forfaller, og blir en sløyfe som blir bedre jo mer den kjører. Vi kaller dette rekursiv automatisering, og det er den første av artikkelens to hjørnesteiner.

Den andre hjørnesteinen er den som gjør den første trygg, og uten den er rekursjonen en belastning snarere enn et aktivum. En sløyfe som endrer sin egen oppførsel ut fra sine egne resultater, er, i reguleringstermer, et tilbakekoblingssystem, og tilbakekoblingssystemer kan konvergere eller de kan løpe løpsk. En agent som overlates til å justere seg selv mot et støyende signal, vil jage støyen, optimalisere målet den fikk snarere enn utfallet den var ment å tjene, og regrediere på måter ingen valgte. Disiplinen som gjør en selvforbedrende sløyfe fra en fare til en pålitelig forbedringsmotor, er ikke ny; industrien har hatt den siden 1920-tallet og formalisert den de siste tretti årene som Six Sigma, hvis operasjonelle kjerne er DMAIC-syklusen: Define, definer målet og toleransene, Measure, mål hva som faktisk skjer, Analyse, analyser kildene til feil og variasjon, Improve, forbedre gjennom en bevisst endring, og Control, kontroller slik at gevinsten holdes og ikke går tapt. Lest som en prosjektmetodikk er DMAIC velkjent. Lest som kontrollstrukturen i en selvforbedrende automatisering, kjørt kontinuerlig snarere enn én gang, er den nettopp den regulatoren den rekursive sløyfen trenger, og paringen er temaet for denne artikkelen.

Bidraget er et argument og en liten modell, ikke en målestokk. Avsnitt 2 plasserer påstanden mot historikken til RPA, intelligent automatisering, kontinuerlig forbedring og AI-agenter. Avsnitt 3 redegjør for hvorfor en bot med faste regler forfaller, med en modell for drift og vedlikehold. Avsnitt 4 beskriver den rekursive sløyfen en agent muliggjør. Avsnitt 5 er artikkelens hjerte: DMAIC som kontrollstrukturen som får sløyfen til å konvergere, med Control-fasen som en ikke-regresjonsskralle. Avsnitt 6 utleder substitusjonsbetingelsen, et enkelt tall som sier når agenten går forbi boten. Avsnitt 7 sporer et konstruert tilfelle om leverandørgjeld; avsnitt 8 til 11 trekker konsekvensene for hvordan en automatiseringsfunksjon drives, besvarer innvendinger, angir grenser og konkluderer. Spørsmålet gjennomgående er: når automatisering først kan lære av sin egen kjøring, hva holder den da til å lære det rette, og når gjør det den opptakte boten foreldet?

2. Bakgrunn

2.1 RPA og dets tak

RPA ble i informasjonssystemlitteraturen karakterisert som «lettvekts»-automatisering: programvare som betjener presentasjonslaget i eksisterende systemer snarere enn deres data eller logikk, slik at den tas i bruk av forretningssiden, utenfor det tradisjonelle IT-prosjektet, mot uendrede bakenforliggende systemer (van der Aalst, Bichler & Heinzl, 2018; Hofmann, Samp & Urbach, 2020). De tidlige casestudiene var genuint positive på kostnad og hastighet (Lacity & Willcocks, 2016; Willcocks, Lacity & Craig, 2015). Den samme litteraturen navnga taket etter hvert som feltet modnet. Syed et al. (2020), som gjennomgår tilstanden i RPA-forskning og -praksis, identifiserer avhengigheten av stabile, strukturerte inndata og botenes skjørhet overfor grensesnitt- og prosessendringer som tilbakevendende, uløste temaer, og plasserer vedlikehold og styring blant feltets sentrale utfordringer; Wewerka og Reichert (2023), som kartlegger feltet systematisk, katalogiserer begrenset unntakshåndtering og vedlikeholdsinnsats blant dets vedvarende problemer. Taket er ikke en defekt ved et bestemt produkt; det er iboende i å automatisere ved å etterligne overflaten. En bot koder hvordan en kompetent person tilfeldigvis klikket, ikke hva oppgaven krever, og gapet mellom de to er nettopp det rommet omgivelsene har til å bryte den.

2.2 Fra RPA til intelligent og agentisk automatisering

Praktikere svarte med å bolte intelligens på boten: optisk tegngjenkjenning for å lese dokumenter, en klassifikator for å sortere dem, en modell for å håndtere de ustrukturerte inndataene RPA ikke kunne. Denne intelligente automatiseringen eller hyperautomatiseringen utvidet spekteret av inndata en rørledning kunne akseptere, men den lot kontrollstrukturen stå uendret, en fast orkestrering med smartere komponenter koblet inn i faste posisjoner, og slik arvet den den samme skjørheten ett lag opp. Det nyere skiftet er av et annet slag. En AI-agent opptar ikke en fast posisjon i en håndtegnet flyt; den gis et mål og et sett verktøy og bestemmer trinnene, noe som lar den absorbere variasjon som ville ha brutt en fast orkestrering, og fordi den resonnerer over oppgaven snarere enn å spille av en opptaking, kan den bes om å forklare, kontrollere og revidere det den gjorde. Agentlitteraturen i maskinlæring gir mekanikken, fletter resonnering sammen med verktøybruk (Yao et al., 2023), reflekterer over mislykkede forsøk for å gjøre det bedre neste gang (Shinn et al., 2023), og den bredere oversikten over autonome agenter (Wang et al., 2024). Vår interesse er ikke mekanismen i det abstrakte, men en konsekvens for driften: en agents kjøring produserer inspiserbart belegg, og belegg er det en sløyfe trenger for å forbedre seg.

2.3 Kontinuerlig forbedring er eldre enn maskinen

Ideen om at en prosess bør måles og forbedres ut fra sin egen produksjon, er ikke en AI-idé; den er grunnlaget for det tjuende århundrets kvalitetsledelse, og artikkelen støtter seg bevisst på den. Shewhart (1931) skilte variasjonen som er iboende i en stabil prosess, felles årsak, fra den tilskrivbare, spesielle årsaks-variasjonen som signaliserer at noe har endret seg, og ga kontrolldiagrammet som instrumentet som skiller dem fra hverandre, slik at man reagerer på reelle skift og ikke på støy, nettopp feilmodusen til en ustyrt læringssløyfe; den moderne statistiske behandlingen er Montgomery (2024). Deming (1986) bygde ledelsessystemet rundt det og populariserte Plan–Do–Study–Act-syklusen for iterativ forbedring. Six Sigma (Harry & Schroeder, 2000; Pyzdek & Keller, 2023) pakket praksisen inn i DMAIC og knyttet den til en kvantifisert defektrate; de akademiske behandlingene gir den en teori (Linderman et al., 2003) og en ærlig redegjørelse for dens spenning med innovasjon (Benner & Tushman, 2003). Én tråd er spesielt nær denne artikkelen: Box’ (1957) evolusjonære operasjon, som kjørte en produksjonsprosess som et langsomt, kontinuerlig eksperiment, og dyttet på innstillingene og beholdt det som målbart forbedret utbyttet, er rekursiv selvforbedring under statistisk kontroll, tiår før begrepet, og den er den rette forløperen for det en agent nå gjør i programvarens hastighet.

2.4 Tilbakekobling, variasjon og grensene for en fast regel

Kybernetikken gir grunnen til at en fast bot må tape mot en varierende verden. Ashbys (1956) lov om nødvendig variasjon slår fast at en regulator kan absorbere forstyrrelse bare i forhold til variasjonen den selv kan frembringe: bare variasjon kan ødelegge variasjon. En RPA-bot har, i kraft av sin konstruksjon, nesten ingen, én respons per opptatt sti, så den kan bare regulere omgivelser som aldri forlater de stiene, og enhver reell omgivelse gjør det til slutt. En agent styrt av en læringssløyfe fremstiller variasjon på forespørsel, og genererer en respons på et tilfelle den ikke eksplisitt ble bygd for, og det er derfor den kan følge et bevegelig mål som en fast regel ikke kan. Wiener (1948) ga den grunnleggende redegjørelsen for regulering ved tilbakekobling, og maskinlæringstradisjonen med å lære fra et belønningssignal (Sutton & Barto, 2018) og med organisasjoner som lærer ved å korrigere feil (Argyris & Schön, 1978) er det samme prinsippet på andre skalaer. Bidraget her er å sette disse to gamle kunnskapsområdene sammen på et nytt objekt: agenten leverer variasjonen, og DMAIC leverer kontrollen som holder variasjonen rettet mot målet.

3. Hvorfor en bot med faste regler forfaller

Argumentet mot RPA er ikke at den feiler på dag én; det er at den er bygd for å være optimal på dag én og for å forringes hver dag deretter. Fastsett en prosess og sett ut en bot som håndterer en andel av tilfellene korrekt. Omgivelsene driver så, med en viss hastighet, bort fra tilstanden boten ble tatt opp mot: skjemaer endres, systemer oppgraderes, nye varianter av inndata ankommer, retningslinjer legger til et trinn. Hvert tilskudd av drift gjør noen av tilfellene boten pleide å håndtere, til tilfeller den nå feilhåndterer, så botens feilrate stiger omtrent i forhold til den akkumulerte driften. Mellom inngrep,

der $\varepsilon_0$ er feilraten ved utrulling, $t$ er tid, og $\delta$ er driftraten, takten som verden forlater opptakingen i. Det eneste som senker $\varepsilon^{\mathrm{rpa}}$, er et menneske: en ingeniør merker bruddet, tar opp stien på nytt og tilbakestiller feilraten mot $\varepsilon_0$, til en kostnad, og inntil neste drift. Boten tegner derfor en sagtann, som klatrer med drift og faller ved hver manuelle reparasjon, og aldri forbedrer seg utover sitt opprinnelige design, fordi ingenting i den lærer. Dens gjennomsnittlige levetidsfeil settes av hvor raskt verden beveger seg ($\delta$) og hvor ofte organisasjonen har råd til å sende noen for å reparere den.

To trekk ved dette bildet betyr noe. For det første er vedlikeholdet reaktivt og ubegrenset: etter hvert som en portefølje av boter vokser, vokser driften de samlet akkumulerer med den, så vedlikeholdsinnsatsen stiger med antall automatiseringer snarere enn med det nye arbeidet som automatiseres, som er mekanismen som gjør at et RPA-programs driftskostnad tar igjen innsparingene. For det andre er feilen ofte stille: en bot som posterer en verdi fra feil felt, kaster ikke en feilmelding, den produserer et plausibelt, feil resultat, og kostnaden av det er begrenset bare av hvor lenge det går uoppdaget. En fast regel i en bevegelig verden er ikke bare begrenset; den er en belastning hvis størrelse organisasjonen ikke kontrollerer.

4. Rekursiv automatisering: sløyfen en bot ikke kan lukke

En agent endrer bildet fordi dens kjøring er en informasjonskilde som kan vendes tilbake mot automatiseringen selv. Når en agent behandler et tilfelle, etterlater den et spor: inndataene den så, trinnene den valgte, verktøykallene den gjorde, resultatet den produserte, og, avgjørende, det nedstrøms signalet om hvorvidt det resultatet ble akseptert, korrigert eller reversert. Det sporet er belegg om hvor automatiseringen er sterk og hvor den er svak, og fordi agentens oppførsel er uttrykt i ting som kan redigeres, dens instruksjoner, eksemplene den gis, verktøyene og kontrollene den må bruke, rutingen av vanskelige tilfeller, kan det belegget mates tilbake som en revisjon. Automatiseringen forbedrer seg ut fra sin egen kjøring. Der ligning (1) bare har en ekstern hånd til å senke feilen, senker den rekursive sløyfen den innenfra, hver syklus:

Her er $\varepsilon_k$ feilraten etter $k$ sykluser, $g \in (0,1)$ er forbedringsgevinsten, andelen av den utbedrbare feilen en syklus fjerner, og $\varepsilon_\ast$ er det irreduserbare gulvet, resten prosessen ikke kan kvitte seg med fordi den gjenspeiler genuin tvetydighet, manglende informasjon eller irreduserbar skjønnsutøvelse, oppgavens vesentlige snarere enn tilfeldige vanskelighet. Å iterere ligning (2) gir den lukkede formen

et geometrisk fall fra startfeilen til gulvet. Dette er formen kvalitetstradisjonen alltid har siktet mot, og formen en bot aldri kan tegne, fordi en bot ikke har noen $g$: dens forbedringsgevinst er null, og ligning (2) kollapser til en konstant avbrutt bare av manuelle tilbakestillinger. Forskjellen mellom RPA og agentisk automatisering er, i denne modellen, forskjellen mellom $g = 0$ og $g > 0$: mellom en automatisering som bare kan repareres utenfra, og en som forbedrer seg selv innenfra.

Tre betingelser gjør $g$ positiv og holder den slik, og alle tre er ting agentens kjøring leverer som en bots ikke gjør. Det må finnes et signal: et målbart utfall for hvert tilfelle, slik at bedre og verre kan skilles fra hverandre. Det må finnes tilskrivbart belegg: spor rike nok til å lokalisere hvorfor et tilfelle gikk galt, ikke bare at det gjorde det. Og det må finnes en redigerbar flate: spaker, ledetekster, eksempler, verktøy, ruting, som en revisjon faktisk kan flytte. En agent produserer alle tre som et biprodukt av å arbeide; en opptatt bot produserer ingen av dem, som er den dypere grunnen til at den ikke kan lære. Men en positiv $g$ er ennå ikke en trygg $g$. En sløyfe som reviderer seg selv mot et signal, kan like gjerne heve feilen som senke den, hvis signalet er støyende, tilskrivningen feil, eller endringen en regresjon. Å gjøre $g$ pålitelig positiv, syklus etter syklus, er kontrollstrukturens oppgave, og det er DMAIC.

5. DMAIC som kontrollstruktur

Artikkelens sentrale påstand er at disiplinen som gjør en selvforbedrende sløyfe fra en fare til en pålitelig motor, allerede finnes, fullt utarbeidet, i Six Sigma-syklusen DMAIC, forutsatt at den leses ikke som et engangsforbedringsprosjekt, men som automatiseringens stående kontrollstruktur, kjørt kontinuerlig. Hver fase leverer noe den rekursive sløyfen i avsnitt 4 trenger for å holde gevinsten positiv og retningen sann; figur 1 tegner syklusen og tabell 3 kobler hver fase til sin rolle.

Define. Sløyfen trenger et mål som ikke er den stedfortrederen den vil bli fristet til å jage. Define angir utfallet automatiseringen tjener, toleransene som teller som suksess, og et ærlig anslag av gulvet $\varepsilon_\ast$ som ytterligere innsats under er sløsing, slik at sløyfen optimaliserer forretningsresultatet og ikke en bekvem surrogat for det. De fleste løpske tilbakekoblingsfeil er Define-feil: sløyfen forbedret nettopp det den fikk beskjed om, som var det gale.

Measure. Det finnes ingen forbedringsgevinst uten et signal, og Measure er fasen som fremstiller ett, ved å instrumentere hvert tilfelle slik at utfallet, korreksjonene og nølepunktene registreres, ikke prøvetas ved anekdote. Dette er den moderne formen for Shewharts innsikt om at du ikke kan forbedre det du ikke måler, og det er også her prosessutvinning (van der Aalst, 2016) gjør seg fortjent til sin plass, ved å rekonstruere hva prosessen faktisk gjorde ut fra dens egne hendelseslogger snarere enn ut fra hvordan man forestilte seg at den kjørte.

Analyse. En læringssløyfes karakteristiske feil er å reagere på støy som om den var signal, å justere seg på nytt mot den normale spredningen i en stabil prosess og trekke i rykk og napp. Analyse er vakten: den skiller felles-årsaks-variasjon, som skal la være i fred, fra spesiell-årsaks-variasjon, som skal handles på, og den tilskriver den handlingsrettbare feilen til en årsak spesifikk nok til å rette. Dette er Shewharts (1931) skille som gjør nettopp det arbeidet det ble oppfunnet for, nå for å beskytte en automatisering mot å jage sin egen hale.

Improve. Først nå gjøres en endring: en revisjon av agentens instruksjoner, dens eksempler, dens verktøy, dens kontroller, eller rutingen som sender en klasse av vanskelige tilfeller til et menneske eller en spesialisert sti. Improve er sløyfens mutasjonstrinn, stedet der gevinsten $g$ faktisk realiseres, og den ligger bevisst nedstrøms for måling og analyse slik at endringen svarer på en diagnostisert årsak snarere enn en innskytelse.

Control. Control er fasen som gjør det hele trygt, og det er her den rekursive automatiseringen skiller seg skarpest fra både en bot og et ustyrt læringssystem. En foreslått endring vedtas ikke fordi den virker bedre; den vedtas bare hvis den er målt, mot tilbakeholdte tilfeller, til ikke å gjøre utfallet verre, og ellers forkastes den og den forrige versjonen beholdes. Formelt, der vi skriver $\widehat{\varepsilon}(m)$ for den målte feilen til en kandidatrevisjon $m$,

der $\gamma \ge 0$ er en konfidensmargin som hindrer porten i å bli lurt av støy. Porten har en presis virkning på sløyfen: den gjør feilsekvensen monoton i forventning,

slik at forbedring akkumuleres og aldri gis tilbake. Dette er det som omdanner den rå rekursjonen i ligning (2) fra en tilfeldig vandring som kunne drive hvor som helst, til en skralle som bare strammer til, og det er disiplinen statistisk prosesskontroll bidro med til produksjon for et århundre siden, nå anvendt på en automatisering som skriver seg selv om. Control gjør også den uglamorøse andre halvdelen av jobben sin: den standardiserer og holder gevinsten, fester den forbedrede versjonen på plass med dens rekkverk slik at neste syklus starter fra det nye gulvet og ikke det gamle.

Paringen er poenget. Rekursjon uten DMAIC er en sløyfe som kan forbedre eller ødelegge med like stor letthet; DMAIC uten rekursjon er det periodiske forbedringsprosjektet kvalitetsteam alltid har kjørt for hånd, begrenset av hvor ofte folk kan samles. En agent som kjører DMAIC som sin egen stående kontrollstruktur, får begge deler: hastigheten og rekkevidden til programvareforbedring og konvergensgarantien til statistisk kontroll.

6. Substitusjonsbetingelsen

Vi kan nå si presist når agenten går forbi boten. De to automatiseringene møter den samme drivende verden, med samme driftrate $\delta$. Boten har ingen intern gevinst og så, ved ligning (1), klatrer dens feil med drift til en person tilbakestiller den. Agenten kjører sin DMAIC-sløyfe med syklustid $\tau$, tiden det tar å måle, analysere, foreslå og portvokte én revisjon, og per-syklus-gevinst $g$, mens den samme driften $\delta$ dytter dens feil opp. Over kontinuerlig tid kombineres de to kreftene:

et læringsledd som trekker feilen ned mot gulvet og et driftledd som dytter den opp. Dens stasjonærtilstand, der sløyfen nøyaktig holder tritt med verden, er

slik at automatiseringen holder seg på en begrenset avstand over gulvet, satt av forholdet mellom hvor raskt verden driver og hvor raskt sløyfen lærer. Boten, med $g \to 0$, har ingen endelig stasjonærtilstand i det hele tatt: dens feil er begrenset bare av vedlikeholdsplanen. Definer det dimensjonsløse substitusjonstallet

forholdet mellom feilen en syklus fjerner og feilen drift tilfører over den samme syklusen. Når $\Sigma > 1$ fjerner sløyfen feil raskere enn omgivelsene tilfører den, og automatiseringen konvergerer til et stramt bånd over gulvet; når $\Sigma \gg 1$ sitter den i hovedsak ved gulvet. Agenten erstatter boten nettopp når den kan kjøre en styrt sløyfe med $\Sigma > 1$, som er en påstand om tre kontrollerbare størrelser: hev gevinsten $g$ med bedre måling og tilskrivning, forkort syklusen $\tau$ med automatisering av sløyfen selv, og agenten slår enhver fast bot i enhver omgivelse hvis drift $\delta$ er endelig. Figur 2 kontrasterer de to banene. Den praktiske lesningen er at substitusjon ikke er et spørsmål om hvorvidt agenten er smartere enn boten på dag én, det er den ofte ikke, men om hvorvidt sløyfen dreier, under kontroll, raskere enn verden dreier; og når den først gjør det, divergerer botens sagtann og agentens nedstigning for godt.

7. Et konstruert tilfelle: leverandørgjeld

Tilfellet er konstruert, ikke observert: tallene er illustrative og internt konsistente, og det er ment å vise modellens størrelser som antar plausible verdier, ikke å rapportere et resultat. Betrakt leverandørgjeldsfunksjonen i et mellomstort konsern som mottar leverandørfakturaer i mange formater på tvers av flere portaler og må matche hver mot en innkjøpsordre og et varemottak, kontere den og postere den for betaling. Det er det arketypiske RPA-målet, stort volum, regelbeskrivbart, kjedelig, og den arketypiske RPA-skuffelsen, fordi formatene driver konstant og hver leverandør er et unntak som venter på å skje.

Konsernets RPA-portefølje håndterer de reneste leverandøroppsettene og ruter alt annet til mennesker. Ved utrulling posterte den omtrent 55 prosent av fakturaene gjennomgående, men over atten måneder dyttet tre portaloppdateringer og en bølge av nye leverandører gjennomstrømningsraten ned og den stille feilraten opp, slik at et fast team bruker mye av uken sin på å ta opp ødelagte boter på nytt og jage feilposteringer; tabell 1 gir før-kolonnen. Å erstatte de opptatte botene med en agent som leser hver faktura for hva den er, matcher den ved resonnering snarere enn ved faste koordinater, og ruter genuine unntak til en person, og å pakke den agenten inn i en stående DMAIC-sløyfe, gjennomstrømningsraten er det Measure sporer, hver ukes korreksjoner er belegget Analyse arbeider på, agentens ledetekster, eksempler og matchekontroller er det Improve reviderer, og en tilbakeholdt prøve er porten Control anvender, endrer både nivået og dets retning. Agenten starter bare litt bedre enn boten, men fordi sløyfen dreier raskere enn portalene driver ($\Sigma > 1$), faller unntaksraten syklus for syklus mot gulvet satt av fakturaene som genuint trenger menneskelig skjønn, mens vedlikeholdsbyrden snus: i stedet for ingeniører som reparerer opptakinger, blir arbeidet å gjennomgå sløyfens foreslåtte endringer ved Control-porten. Tabell 1 sporer modellens størrelser gjennom tilfellet.

8. Hva som endres for driftsmodellen

Å erstatte en bot med en agent er ikke et likt-for-likt bytte av motorer under det samme panseret; det endrer hva automatiseringsfunksjonen gjør og hva den må være god på. Tabell 2 setter de to side om side. Den største endringen er hvor den menneskelige innsatsen går. Under RPA er det tilbakevendende menneskelige arbeidet reparasjon: å finne og ta opp på nytt botene verden har ødelagt, en reaktiv oppgave som skalerer med porteføljens størrelse og produserer ingenting nytt. Under en DMAIC-styrt agent er det tilbakevendende menneskelige arbeidet Control-porten: å gjennomgå sløyfens foreslåtte revisjoner og avgjøre hva som skal forpliktes, en oppgave som skalerer med forbedringstakten snarere enn porteføljens størrelse, og som produserer en bedre automatisering hver gang den gjøres. Ferdighetene endres tilsvarende, fra å skripte roboter mot skjermbilder til å definere utfall, instrumentere prosesser og bedømme belegg, det vil si fra automatiseringsingeniørkunst mot kvalitetsledelsens disiplin, nå utført i programvarens hastighet.

Det finnes en annen endring, i styring. Et system som skriver om sin egen oppførsel, er mektigere enn en opptaking og krever mer ansvarlighet, ikke mindre, og DMAIC leverer revisjonssporet som et biprodukt: hver forpliktet endring svarer på en målt årsak, passerte en registrert port, og kan tilskrives og reverseres, slik at en selvforbedrende automatisering, riktig kjørt, er mer inspiserbar enn den ugjennomsiktige boten den erstatter, ikke mindre. Control-fasen er like mye et etterlevelsesinstrument som et kvalitetsinstrument. Dette betyr mest der automatisering berører regulert arbeid, og det er den samme disiplinen, målt endring bak en port, som vi har argumentert for andre steder i vår forskning på regulert IT.

9. Innvendinger og svar

En agent er langt dyrere per tilfelle enn en bot. Per tilfelle, i dag, ofte ja, og for en smal, stabil oppgave med stort volum hvis omgivelser genuint ikke driver, kan en opptatt bot forbli det økonomiske valget, og ingenting her sier noe annet. Argumentet biter der omgivelsene driver, som er de fleste steder, fordi der er botens sanne kostnad ikke dens per-tilfelle-pris, men dens vedlikeholdshale og dens stille feil, og agentens sløyfe betaler for sin høyere enhetskostnad ved å fjerne begge. Sammenligningen å gjøre er levetidskostnad mot drivende omgivelser, ikke enhetskostnad på dag én.

Dette er bare RPA med en modell boltet på, som leverandørene allerede selger. Det er det motsatte. Å bolte en modell inn i en fast orkestrering, intelligent automatisering slik den vanligvis selges, beholder den skjøre kontrollstrukturen og gjør komponentene smartere, så den hever taket litt og arver forfallet. Påstanden her handler om kontrollstrukturen selv: å erstatte den faste orkestreringen med en styrt sløyfe som skriver automatiseringen om ut fra sin egen produksjon. Motoren er den mindre halvdelen av endringen; sløyfen er den større.

Et selvforbedrende system som endrer sin egen oppførsel, er en risiko du ikke kan styre. Det er en risiko, og ustyrt er den en alvorlig en, som er hele grunnen til at artikkelens andre hjørnestein er en kontrolldisiplin og ikke en modell. En agent som justerer seg selv på nytt mot et støyende signal uten noen Analyse-fase og ingen Control-port, vil ganske riktig drive og regrediere. Svaret er ikke å forby sløyfen, men å styre den med metoden produksjon har brukt til å styre selvjusterende prosesser i et århundre: mål, skill signal fra støy, endre mot en diagnostisert årsak, og forplikt bare det en port beviser ikke gjør ting verre. En styrt sløyfe er mer ansvarlig enn en bot, ikke mindre.

Modellen din er for enkel; reell feil faller ikke geometrisk. Modellen er en bevisst forenkling, og dens konstanter er ikke målt; dens formål er å gjøre strukturen leselig, at en bot har $g = 0$ og en styrt agent har $g > 0$, og at substitusjon avhenger av hvorvidt sløyfen løper fortere enn driften. Den geometriske formen er den generiske oppførselen til en proporsjonal regulator mot et gulv, ikke en presis empirisk lov, og avsnitt 10 sier det. Substitusjonstallet $\Sigma$ er ment som en tenkemåte, ikke et tall å oppgi med tre desimaler.

10. Begrensninger

Dette er et praktikerrettet argument med en bevisst enkel modell, og dets grenser bør være tydelige. Modellen i avsnitt 3 til 6 er illustrativ: den lineære driften i ligning (1), den konstante gevinsten i ligning (2) og det enkle gulvet $\varepsilon_\ast$ er forenklinger valgt for lesbarhet, og reell drift er ujevn, reell gevinst avtar etter hvert som gulvet nærmer seg, og gulvet selv beveger seg når oppgaven endres; substitusjonstallet $\Sigma$ er en linse, ikke en målt størrelse, og vi har ikke estimert det mot feltdata. Argumentet er avgrenset til prosesser som driver og som bærer et brukbart utfallssignal; en genuint stasjonær oppgave med stort volum kan fortsatt favorisere en opptatt bot, og en prosess uten målbart utfall sulter sløyfen for signalet hele mekanismen avhenger av. Påstanden handler om en kontrollstruktur, ikke et produkt, og den spesifikke agentteknologien er tidlig og beveger seg raskt; en leser bør beholde strukturen, en styrt rekursiv sløyfe slår en frosset regel i en bevegelig verden, og undersøke komponentene på nytt etter hvert som de endres. Til slutt er gevinsten aldri mer ærlig enn Measure- og Control-fasene: en organisasjon som instrumenterer dårlig, eller lar porten forfalle til et gummistempel, vil få rekursjonens risikoer uten dens konvergens, som er en grunn til å ta disiplinen på alvor, ikke en defekt ved ideen.

11. Konklusjon

Robotisk prosessautomatisering gjorde noe nyttig ved å ta opp hvordan en person styrer et system og spille det av, men den automatiserte overflaten av en oppgave og frøs den, og en frosset regel i en bevegelig verden forfaller: dens feil klatrer med drift, dens vedlikeholdsregning stiger med porteføljen, og dens verste feil er stille. AI-agenter erstatter den ikke ved å spille av de samme reglene med en dyrere motor, men ved å lukke en sløyfe en opptaking ikke kan, ved å forbedre automatiseringen ut fra sin egen kjøring, syklus etter syklus. Den rekursjonen er den første hjørnesteinen og, alene, like mye fare som hjelp. Den andre hjørnesteinen er det som gjør den pålitelig: DMAIC-syklusen, lest ikke som et engangsprosjekt, men som automatiseringens stående kontrollstruktur, Define målet og gulvet, Measure hvert tilfelle, Analyse signal fra støy, Improve mot en diagnostisert årsak, og Control med en port som bare forplikter det som målbart ikke gjør ting verre, slik at forbedring blir en skralle og ikke et sjansespill. I artikkelens modell er forskjellen forskjellen mellom en forbedringsgevinst på null og en gevinst holdt pålitelig positiv, og agenten går forbi boten nettopp når dens styrte sløyfe fjerner feil raskere enn verden tilfører den. Ingeniørkunsten som følger, handler mindre om modellen som leser fakturaen enn om sløyfen bygd rundt den, og disiplinen den sløyfen trenger, er en industrien har eid i et århundre og nå kan kjøre i programvarens hastighet. Automatiser oppgaven, mål hva som skjer, forbedre mot det du måler, og la ingenting endre automatiseringen som en port ikke har vist er bedre. En bot er et fotografi av en prosess; en styrt agent er prosessen som lærer. Det er substitusjonen, og det er det hele.

Appendiks A. Å kjøre DMAIC som en automatiserings kontrollsløyfe

Praksisene nedenfor er det som holder en rekursiv automatisering konvergerende snarere enn drivende. Ingen er ny for AI; hver er kvalitetstradisjonen anvendt på en automatisering som skriver seg selv om.

Referanser

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