Бизнес-пользователи занимаются автоматизацией процессов только в 18-32% случаев. Чаще всего нужного результата достичь не получается, и автоматизацию отдают профессиональным разработчикам.
Разработчики быстрее создают роботов, которые без ошибок выполняют свои задачи. Программистам непривычно работать в визуальной среде: им удобнее писать код, а не передвигать блоки конструктора. Поэтому была разработана платформа Канцлер RPA, которая подходит для разработчиков.
Такой подход делает роботизацию более гибкой по сравнению с Low Code платформами.
Канцлер RPA — платформа корпоративного класса для удобной поддержки и модификации роботов. Платформа помогает создавать, развертывать, запускать и контролировать программных роботов силами разработчиков.
Используйте бесплатно гайды по созданию процессов автоматизации с использованием API-интерфейсов и сервисов, предоставляемых платформой Канцлер RPA, а также по настройке Сервера управления.
Скачать руководство по автоматизации
Сервер управления является ключевым компонентом платформы, обеспечивающим единый интерфейс управления и мониторинга процессов автоматизации, данных, роботизированных рабочих мест, а также прав доступа для пользователей в масштабе всей организации.
Скачать руководство к Серверу управления
Оставьте свой корпоративный емейл, и мы предоставим доступ к обучающему курсу, который позволит создавать роботов самостоятельно.
Постоянное улучшение платформы и рост числа готовых компонент позволяет легко автоматизировать работу с любой программной платформой без необходимости технически более сложной и не всегда поддерживаемой интеграции на уровне API.
Платформа включает встроенный механизм распознавания текста и поддерживает интеграцию с программным обеспечением ABBYY FlexiCapture.
Канцлер RPA поддерживает attended- и unattended-роботов с централизованным управлением и гибридной автоматизацией (с участием человека).
Канцлер RPA позволяет создавать ботов для автоматизации на основе алгоритмов машинного обучения. Платформа включает в себя инструменты для сбора и разметки данных, обучения и оценки моделей. Поддерживается два типа моделей машинного обучения: классификация документов и извлечение информации.
