Este artículo apareció originalmente en Skaler.
Automatización Robótica de Procesos (RPA) ha sido un excelente detonante para la automatización masiva de procesos empresariales. Algunos informes sugieren incluso que seguirá creciendo hasta convertirse en un mercado de 200.000 millones de dólares, con un poco de ajuste en su descripción. El último hito en el desarrollo del sector ha sido el debut de UiPath como empresa que cotiza en bolsa en Estados Unidos.
Se espera que el uso de las tecnologías actuales aporte enormes beneficios, y las expectativas siguen aumentando con la aparición de la hiperautomatización. Todo el mundo ha visto que los robots informáticos pueden aportar un valor real en diversos casos de uso. RPA se ha introducido en las operaciones comerciales de todas las grandes empresas, al menos en algún nivel. Ha sido fantástico ver cómo los robots realizan cientos de miles de transacciones al año en aplicaciones empresariales que procesan gastos de viaje, reclamaciones o facturas liberando a las personas de hacer cosas de robots.
Ahora vemos que los robots son cada vez más competentes a mayor velocidad, por ejemplo, utilizan el aprendizaje automático para predecir contabilizaciones de facturas o interpretar imágenes de reclamaciones como parte de su trabajo de proceso. Sin embargo, los primeros en adoptarlos ya han llegado a un punto concreto de su recorrido, que denominamos meseta de escalado de la automatización.
Las victorias rápidas ya están conseguidas: ¿qué es lo siguiente?
Alcanzar la meseta de la automatización
Las características aparentes de haber alcanzado la meseta son que ya se han automatizado las "victorias rápidas", los casos de uso son cada vez más pequeños y menos impactantes, y el director financiero empieza a pedir resultados más significativos y sólidos. Esto suele ocurrir cuando se han identificado y automatizado flujos de trabajo de procesos fáciles de detectar. Llegar a la meseta no es un problema si lo reconoces a tiempo y te comprometes a hacer cambios para superarla. Los primeros innovadores ya están recalibrando su camino para sortear esta meseta.
Creo que hay tres razones por las que las empresas se estancan en la meseta:
- Realizando sólo búsquedas/descubrimientos manuales;
- Centrarse en tecnologías concretas;
- Tener un único punto de vista.
Cuando se llega a la meseta, tratar de escalar la automatización se siente como la implementación de un número interminable de tareas cada vez más pequeñas de la forma en que siempre lo has hecho. Eso está muy bien si es su objetivo. Sin embargo, eso no es suficiente para que una empresa en esa fase cumpla los objetivos empresariales.
Donde hay un problema, hay una solución.
Cuando trabajaba como consultor en RPA , creo que lo que me diferenciaba del resto era que no procedía del mundo de los procesos. Me fijaba más en los problemas del trabajo en general que en lo que mostraban los mapas de procesos. Los mejores casos para automatizar simplemente no están definidos en los documentos o son una parte tan vital del trabajo que la gente ni siquiera se da cuenta. Yo los llamaría sistemas o cuellos de botella horizontales.
Por ejemplo, había un cuello de botella sistemático en las operaciones de back-office, donde 12 personas transferían datos entre dos aplicaciones empresariales, tardando 30 minutos al día cada una. Sin embargo, eso no estaba documentado en los mapas o gráficos de procesos. Este problema informático oculto tenía una solución sencilla y eficaz para automatizarlo, pero nadie se daba cuenta porque los 30 minutos estaban repartidos a lo largo del día. El problema es que este tipo de problemas son difíciles de detectar, sobre todo sin la ayuda de la tecnología y los datos. La buena noticia es que casi siempre hay soluciones para escapar de la meseta de la automatización resolviendo esos problemas más importantes, una vez que se han detectado.
La tecnología y los datos cambiarán nuestra forma de hacer desarrollo
Necesitamos capacidades más allá de las humanas para encontrar cuellos de botella y problemas invisibles. Un enfoque basado en datos permite comprender cómo trabajamos. Puede desvelar patrones ocultos y actividades manuales que el ojo humano no puede observar ni procesar. Desde luego, esto no significa que los humanos no necesiten desarrollar el trabajo y los procesos.
Significa que la máquina procesa los datos, y las personas lo harán:
- Consigue problemas más significativos y reales que resolver.
- Céntrese en resolver los problemas, no en encontrarlos.
- Consigue un camino para ir más allá de la meseta de la automatización.
Workfellow se ha asociado con Siili SKALER para permitir el escalado basado en datos de casos de uso de automatización inteligente impactantes. Desde la perspectiva del usuario final, la identificación de casos de uso basada en datos acelera los programas de automatización para revelar y analizar el potencial no identificado. Además, prioriza este potencial basándose en hechos, no en corazonadas.
