机器学习技术的发展已使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和情报。
据行业人士分析，有两种力量正在推动机器学习技术和其他支持人工智能技术的使用激增：非结构化内容的惊人增长和使用机器人流程自动化(RPA)可以实现与内容相关的流程自动化。
Cognilytica说，在文档、图像、电子邮件、在线数据和视频之间，企业中高达90%的内容是以非结构化数据的形式出现的，并且以每年惊人的55%至65%的速度增长。
因此，调研机构Everest Group Research公司表示，智能的自动化技术正在使用机器学习，其中机器人流程自动化(RPA)与内容相关的流程相交并且互操作。机器学习技术的发展使得人们有能力从企业的各种结构化或非结构化内容中提取更多的信息和情报。
机器学习是指使机器能够以监督和无监督的方式“学习”从而提高准确性和性能的软件。在涉及捕获文档和使用机器人流程自动化(RPA)进行处理的过程中，机器学习和其他人工智能技术可以从数千种不同的文档中学习，例如处理发票或处理供应商订单。
尽管如此，Digital IQ技术和解决方案全球提供商ABBYY公司首席创新官Anthony Macciola表示，组织在使用机器学习解决方案时通常会犯五个常见错误：
数据点1：过于复杂的机器学习功能
为了训练最基本的非结构化内容用例，组织有可能使用需要大量数据的机器学习工具。使用经过验证的机器学习工具，这些工具包含高级算法，可以使用小数据集进行训练，并且可以在几个小时内完全投入生产，而不需要在一个样本集中使用数十万个文档来启动项目，这可能需要数周甚至数月的时间。
数据点2：过于依赖机器人流程自动化(RPA)
机器人流程自动化(RPA)通过连接到原有系统和外部数据源来提高效率而备受赞誉。它可以快速部署，其数字工作者易于配置，一旦就位，他们就可以像人类一样执行工作。机器人流程自动化(RPA)和机器学习技术之间较大的区别是机器人流程自动化(RPA)专注于重复的结构化工作，而机器学习旨在理解结构化和非结构化内容。机器人流程自动化(RPA)需要机器学习技术来为其数字工作者提供智能内容，从而为他们提供认知技能，以提取有用的信息并获得智能，从各种形式的内容中学习，获取文档的含义和意图以及增加决策能力。
数据点3：假设他们知道将机器学习技术应用于何处
企业启动自动化项目时，并不总是选择要启动的正确流程。这是因为许多公司在组织过程知识上被分隔开来。此外，高层管理人员不参与日常工作流程，也缺乏流程文档，因此越来越难以真正发现哪些流程已准备好进行自动化。在项目开始之前，将流程智能结合起来，将使企业全面了解在何处应用机器人流程自动化(RPA)和机器学习解决方案，以及它们对组织的预期价值和节省——所有这些都基于数据，而不是基于意见或偏见。
数据点4：错过高价值的业务案例
通常，企业将依靠常规知识并选择最常发生的任务，因为它看起来可以带来很好的效果。但是，这种临时的流程选择方法可能会忽略其他带来更好投资回报机会的商业机会。虽然从对组织的干扰或与最终用户的交互影响最小的区域开始是完全可以接受的，但是应该记住如何在整个组织内快速轻松地“登陆并扩展” 机器学习。
数据点5：认为可以一劳永逸
这项工作并不仅仅是因为企业已经训练了算法并部署了数字工作人员。通过监视和衡量自动化对上游和下游的影响来确保持续的协议遵从性，并防止瓶颈转移和可能对其他地方的流程产生负面影响。监控数字劳动力以及实施整个端到端流程与规划和执行同样重要。
