Questo articolo è apparso originariamente su Skaler.
Robotic Process Automation (RPA) è stato un ottimo innesco per una massiccia automazione dei processi aziendali. Alcuni rapporti suggeriscono addirittura che continuerà a crescere fino a raggiungere un mercato da 200 miliardi di dollari, con qualche aggiustamento nella descrizione. L'ultima pietra miliare nello sviluppo del settore è stata il debutto di UiPath come società quotata in borsa negli Stati Uniti.
Si prevede che i vantaggi saranno enormi utilizzando le tecnologie attuali e le aspettative continuano a crescere con l'avvento dell 'iperautomazione. Tutti hanno visto che i robot software possono fornire un valore reale in vari casi d'uso. RPA è entrato, almeno a un certo livello, nelle operazioni commerciali di ogni grande azienda. È stato fantastico vedere come i robot eseguano centinaia di migliaia di transazioni all'anno su applicazioni aziendali che elaborano le spese di viaggio, le richieste di rimborso o le fatture, liberando il personale dalle attività dei robot.
Oggi vediamo che i robot stanno diventando sempre più competenti e sempre più veloci, ad esempio utilizzano l'apprendimento automatico per prevedere la pubblicazione delle fatture o per interpretare le immagini dei reclami come parte del loro processo di lavoro. Tuttavia, gli early adopters hanno già raggiunto un punto specifico del loro percorso, che noi chiamiamo "plateau of automation scaling".
I risultati rapidi sono stati raggiunti: qual è il prossimo passo?
Raggiungere l'altopiano dell'automazione
Le caratteristiche evidenti del raggiungimento del plateau sono che avete già automatizzato i "successi rapidi", i vostri casi d'uso stanno diventando più piccoli e meno impattanti e il vostro CFO inizia a chiedere risultati più significativi e solidi. Questo accade di solito quando sono stati identificati e automatizzati flussi di lavoro di facile individuazione. Raggiungere il plateau non è un problema se lo si riconosce in tempo e ci si impegna ad apportare modifiche per superarlo. I primi innovatori stanno già ricalibrando il loro modo di superare questo plateau.
Credo che ci siano tre ragioni per cui le aziende ristagnano nell'altopiano:
- Effettuare solo la scoperta/ricerca manuale;
- Concentrarsi su singole tecnologie;
- Avere un unico punto di vista.
Quando si raggiunge l'apice, il tentativo di scalare l'automazione sembra un'implementazione di un numero infinito di attività sempre più piccole nel modo in cui si è sempre fatto. Questo è ottimo se è il vostro obiettivo. Tuttavia, per un'azienda in questa fase non è sufficiente per raggiungere gli obiettivi aziendali.
Dove c'è un problema, c'è una soluzione.
Quando lavoravo come consulente di RPA , credo che ciò che mi differenziava dagli altri fosse il mio background di non provenire dal mondo dei processi. Guardavo più ai problemi del lavoro in generale che a ciò che mostravano le mappe dei processi. I casi migliori da automatizzare semplicemente non sono definiti nei documenti o sono una parte così vitale del lavoro che le persone non se ne accorgono nemmeno. Li chiamerei sistemi o colli di bottiglia orizzontali.
Per esempio, c'era un collo di bottiglia sistematico nelle operazioni di back-office, dove 12 persone trasferivano i dati tra due applicazioni aziendali, impiegando 30 minuti al giorno ciascuna. Tuttavia, questo non era documentato nelle mappe o nei grafici dei processi. Questo problema informatico nascosto aveva una soluzione semplice ed efficace per automatizzarlo, ma nessuno se ne accorgeva perché i 30 minuti erano sparsi durante la giornata. Il problema è che questo tipo di problemi sono difficili da individuare, soprattutto senza l'aiuto della tecnologia e dei dati. La buona notizia è che esistono quasi sempre soluzioni per uscire dall'altopiano dell'automazione risolvendo i problemi più significativi, una volta individuati.
La tecnologia e i dati cambieranno il modo di fare sviluppo
Abbiamo bisogno di capacità superiori a quelle umane per trovare colli di bottiglia e problemi invisibili. Un approccio basato sui dati crea una comprensione del nostro modo di lavorare. Può svelare schemi nascosti e attività manuali che l'occhio umano non può osservare o elaborare. Ciò non significa certo che gli esseri umani non debbano sviluppare lavoro e processi.
Significa che la macchina elabora i dati e le persone lo faranno:
- Ottenere problemi più significativi e reali da risolvere.
- Concentratevi sulla soluzione dei problemi, non sulla loro individuazione.
- Ottenere un percorso per andare oltre l'altopiano dell'automazione.
Workfellow è in collaborazione con Siili SKALER per consentire lo scaling guidato dai dati di casi d'uso impattanti. intelligent automation casi d'uso. Dal punto di vista dell'utente finale, l'identificazione dei casi d'uso guidata dai dati accelera i programmi di automazione per rivelare e analizzare il potenziale non identificato. Inoltre, dà priorità a questo potenziale basandosi sui fatti e non sulle sensazioni.
