In a world where everything moves quickly and change is the order of the day, people and business dynamics inevitably suffer the consequences of this pace. Companies, in order to remain competitive, seek to adapt to this reality and, as a result, embark on paths of technological innovation. In particular, PwC, a leading global consulting firm, aims to innovate business operations through the use of Robotic Process Automation (RPA) technologies. This strategy is complemented by artificial intelligence (AI) solutions and Business Process Management (BPM) platforms, creating what is called Hyperautomation. This combination makes it possible to increase efficiency, optimize the execution of business activities and ensure more effective and strategic management of workflows. This thesis, conducted during an internship at PwC Italy, describes how the introduction of Robotic Process Automation (RPA) enables the automation of business processes, allowing human work resources to focus on more complex and strategic tasks instead of repetitive, rule-based activities, resulting in improved productivity, efficiency and reduced costs. How RPA can be combined with AI and BPM platforms to make business operations more agile and innovation-oriented is also explored.

In un mondo in cui tutto si muove rapidamente e i cambiamenti sono all'ordine del giorno, le persone e le dinamiche aziendali subiscono inevitabilmente le conseguenze di questo ritmo. Le aziende, per rimanere competitive, cercano di adattarsi a questa realtà e, di conseguenza, intraprendono percorsi di innovazione tecnologica. In particolare, PwC, società di consulenza leader a livello mondiale, punta ad innovare le operazioni aziendali attraverso l’utilizzo delle tecnologie di Robotic Process Automation (RPA). A questa strategia si aggiungono soluzioni di intelligenza artificiale (AI) e piattaforme di Business Process Management (BPM), creando ciò che viene definito Iperautomazione. Questa combinazione consente di aumentare l’efficienza, ottimizzare l’esecuzione delle attività aziendali e garantire una gestione più efficace e strategica dei flussi di lavoro. Questa tesi, svolta durante il tirocinio presso PwC Italy, descrive come l’introduzione della Robotic Process Automation (RPA) permetta di automatizzare i processi aziendali, consentendo alle risorse lavorative umane di concentrarsi su compiti più complessi e strategici anziché su attività ripetitive e basate su regole, con un conseguente miglioramento della produttività, dell’efficienza e una riduzione dei costi. Viene inoltre esplorato come RPA possa essere combinata con l’AI e le piattaforme BPM per rendere le attività aziendali più agili ed orientate all’innovazione.

From manual to automated: an RPA-based solution enhanced by AI and BPM

MIANO, MATTEO
2023/2024

Abstract

In a world where everything moves quickly and change is the order of the day, people and business dynamics inevitably suffer the consequences of this pace. Companies, in order to remain competitive, seek to adapt to this reality and, as a result, embark on paths of technological innovation. In particular, PwC, a leading global consulting firm, aims to innovate business operations through the use of Robotic Process Automation (RPA) technologies. This strategy is complemented by artificial intelligence (AI) solutions and Business Process Management (BPM) platforms, creating what is called Hyperautomation. This combination makes it possible to increase efficiency, optimize the execution of business activities and ensure more effective and strategic management of workflows. This thesis, conducted during an internship at PwC Italy, describes how the introduction of Robotic Process Automation (RPA) enables the automation of business processes, allowing human work resources to focus on more complex and strategic tasks instead of repetitive, rule-based activities, resulting in improved productivity, efficiency and reduced costs. How RPA can be combined with AI and BPM platforms to make business operations more agile and innovation-oriented is also explored.
Di Guida, Vincenzo
Ferramosca, Alessandro
ING - Scuola di Ingegneria Industriale e dell'Informazione
3-apr-2025
2023/2024
In un mondo in cui tutto si muove rapidamente e i cambiamenti sono all'ordine del giorno, le persone e le dinamiche aziendali subiscono inevitabilmente le conseguenze di questo ritmo. Le aziende, per rimanere competitive, cercano di adattarsi a questa realtà e, di conseguenza, intraprendono percorsi di innovazione tecnologica. In particolare, PwC, società di consulenza leader a livello mondiale, punta ad innovare le operazioni aziendali attraverso l’utilizzo delle tecnologie di Robotic Process Automation (RPA). A questa strategia si aggiungono soluzioni di intelligenza artificiale (AI) e piattaforme di Business Process Management (BPM), creando ciò che viene definito Iperautomazione. Questa combinazione consente di aumentare l’efficienza, ottimizzare l’esecuzione delle attività aziendali e garantire una gestione più efficace e strategica dei flussi di lavoro. Questa tesi, svolta durante il tirocinio presso PwC Italy, descrive come l’introduzione della Robotic Process Automation (RPA) permetta di automatizzare i processi aziendali, consentendo alle risorse lavorative umane di concentrarsi su compiti più complessi e strategici anziché su attività ripetitive e basate su regole, con un conseguente miglioramento della produttività, dell’efficienza e una riduzione dei costi. Viene inoltre esplorato come RPA possa essere combinata con l’AI e le piattaforme BPM per rendere le attività aziendali più agili ed orientate all’innovazione.
File allegati
File Dimensione Formato  
Thesis_Matteo_Miano.pdf

solo utenti autorizzati a partire dal 28/02/2026

Dimensione 4.91 MB
Formato Adobe PDF
4.91 MB Adobe PDF   Visualizza/Apri
Executive_Summary_Matteo_Miano.pdf

solo utenti autorizzati a partire dal 28/02/2026

Dimensione 936.75 kB
Formato Adobe PDF
936.75 kB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/234315