Оценка интеллектуальной автоматизации: ключевые метрики для успеха цифровой трансформации

Автоматизация все более позиционируется как потенциальная панацея для цифровой трансформации. Но ее реальная ценность может быть по-настоящему реализована только тогда, когда она позволяет бизнес-лидерам редизайнить и цифрово-улучшить работу через фронт, мидл и бэк-офис; так она выполняется гораздо быстрее, умнее, эффективнее — и в значимом масштабе тоже.

И это отлично, но с такими множеством вендоров, все чаще входящих на рынок с предложениями роботизации процессов (RPA) и интеллектуальной автоматизации, приходит хайп и путаница, маскирующая их способность доставлять то, что они заявляют. Так что при выборе вендора вам понадобится проницательность для оценки их фактических технических возможностей. Вам понадобится ясность, потому что только после proof of concept, когда вы попытаетесь масштабировать свою программу интеллектуальной автоматизации, любые серьезные технические ограничения появятся.

Gartner также признает эту проблему, утверждая: «Через 2021 год 40% предприятий будут иметь RPA buyer's remorse из-за misaligned, siloed использования и неспособности масштабироваться». Так что чтобы помочь вам лучше оценить возможности вендоров и избежать серьезного сожаления, вот четыре ключевых критерия отбора для рассмотрения.

1. Сравнить и контрастировать возможности роботов

Существуют значительные различия между возможностями софтверных роботов вендоров RPA и интеллектуальной автоматизации. Фактически, эти могут доказать разницу между достижением краткосрочных тактических выгод с потенциально большими усилиями и риском, или стратегической трансформацией работы в предприятийном масштабе с меньшими усилиями и минимальным риском.

На одном конце спектра — высоко продвинутые софтверные роботы, обученные и запускаемые бизнес-пользователями через коллаборативную платформу, со встроенными возможностями безопасно оперировать в полном управлении ИТ-отдела. Эти роботы постоянно усиливаются для проведения работы более как люди. Они могут интеркоммуницировать для коллаборации, роиться (swarm) для разделения нагрузок и оперировать на беспрецедентном темпе как цифровая команда — с тотальной целостностью и точностью тоже.

Мы говорим об умных, мультизадачных роботах, которые все чаще становятся доверенными катализаторами в ядре стратегий цифровой трансформации работы. Это потому что они без усилий выполняют joined up, data-driven работу по множественным операционным средам сложных, разрозненных, трудных к модификации легаси-систем и ручных рабочих процессов. И в отличие от любого другого робота, они доставляют работу без прерывания, автоматически делая корректировки согласно препятствиям — разные экраны, лайауты или шрифты, версии приложений, системные настройки, разрешения и даже язык.

Эти роботы также уникально решают старую проблему системной интероперабельности, читая и понимая экраны приложений так же, как люди делают. Они репурпозят человеческий интерфейс как машино-используемый API — критически не касаясь базовой системной программной логики. Эта «универсальная коннективность» также означает, что все текущие и будущие технологии могут быть использованы роботами — без необходимости API или любой формы системной интеграции. Никакие легаси-системы не вырваны, и никакая мажорная смена процесса или массовая миграция данных не требуется.

Эта способность вдыхает новую жизнь в любой возраст технологии и позволяет этим роботам быть постоянно усиленными последними облачными, ИИ, машинным обучением и когнитивными возможностями, которые просто «перетаскиваются и сбрасываются» в ново спроектированные потоки рабочих процессов. В конечном счете, это означает, что цифровая трансформация, которая традиционно была стоимостно и ресурсно запретительной, внезапно становится достижимой. Фактически, работа, которая теперь может быть достигнута за месяцы, заняла бы ИТ-программы и огромные команды людей годы для завершения.

На другом конце спектра — роботы, делающие нажатия клавиш, запускающие скрипты и активности против других кусков ПО, что нормально для базовых задач автоматизации. Там также роботы, полагающиеся на записанные шаги процесса для завершения задач через десктопные среды, и это тоже нормально. Но record-and-deploy роботы не могут адаптироваться к любым неплановым изменениям через постоянно меняющуюся цифровую среду, что реально ограничивает рабочую производительность, продуктивность и устойчивость.

Например, софтверный робот должен навигировать виртуальную среду как автономный автомобиль навигирует физическую. Представьте «запись» поездки на работу и полагайтесь на эту запись для навигации той же гладкой поездки на следующий день. Это закончилось бы аварией машины, так как «окружающие» условия были бы полностью разными. Подобно, в виртуальном мире это привело бы к сломанному роботу, невыполненному рабочему процессу и больше работе для ИТ-команды.

Также, записанные процессы неэффективны, когда они запускаются. Обратно к аналогии машины. На записанной поездке светофор был на красном две минуты — так что машина остановилась и ждала, но на следующий день свет зеленый, но «записанная» поездка говорит ждать две минуты. Подобно, record-and-deploy роботы сидят и ждут целевые системы, когда они могли бы проактивно работать.

2. Оценить общие усилия по кодированию

Интеллектуальная автоматизация должна позволять бизнес-пользователям быстро реагировать на рыночные спросы, так что они не хотят тратить время и усилия на строительство роботов. Гораздо лучше быстро доставлять автоматизированную работу, используя интуитивную операционную систему для обучения и управления роботами. Мы говорим о простом рисовании блок-схем рабочих процессов, оркестрирующих базовый «process definition» язык, который и роботы, и люди понимают — что также устраняет необходимость в кодировании и любых ассоциированных рисках тоже.

Любой вендор, требующий программной экспертизы для автоматизации каждого процесса, фактически создаст code-heavy развертывания, обширные усилия по дебаггингу и высокие накладные расходы. Также, из-за растущего дефицита навыков кодирования, эти проекты автоматизации должны будут встать в ИТ-очередь, что противоречит обещанию интеллектуальной автоматизации «операционной гибкости». Правильная роль ИТ-комьюнити в интеллектуальной автоматизации — поддерживать необходимые управление, безопасность и комплаенс требования — и не быть обремененным с вечно большим техническим долгом.

3. Установить потенциал масштабируемости и коллаборации

Интеллектуальная автоматизация-драйвенная трансформация в масштабе достигается только через централизованные усилия, так что настаивайте на коллаборации. Лучший способ масштабировать и компаундить еще больше ценности от интеллектуальной автоматизации — иметь свободу нанимать роботов везде, где они нужны для доставки автоматизированной работы коллаборативно, так что она делится и умножается по бизнесам. Так что просите вендоров продемонстрировать, как пользователи могут не только централизованно проектировать, рисовать и «публиковать» новые способы автоматизированной работы, но делиться, улучшать и повторно использовать эти автоматизированные рабочие активы — в любое время, в любом месте.

К сожалению, когда любая технология автоматизации распределяется по десктопам и используется в индивидуальных контекстах — это может помочь тому индивидуалу, но это не поможет всей организации трансформировать работу. Этот «силосайдированный» подход естественным образом ограничивает любой потенциал масштабирования и очевидно неэффективен в текущем климате ограниченных и удаленных работников.

4. Оценить возможности безопасности и аудируемости

В любой предприятийной среде все активности интеллектуальной автоматизации должны выполняться максимально безопасно, комплаентно и прозрачно, или это становится shadow IT.

Вам четко понадобится вендор с операционной системой, генерирующей централизованный неопровержимый аудит-трэйл всех процессных автоматизаций, предоставляющий гранулярную деталь всех действий роботов и всей истории обучения тоже. Еще лучше — позволять пользователям создавать автоматизированные процессы, которые они публикуют как документ, который «есть» фактический процесс. Меняете документ и процесс мгновенно меняется, и это все безопасно управляется внутри центральной системы. Это лучше всего защищает бизнес от rogue сотрудников и rogue роботов.

Десктопная автоматизация представляет недостатки, потому что робот и человек делят логин, так что никто не знает, кто ответственен за процесс, и это создает дыру в безопасности и аудите. Другая проблема — когда единственный человеческий пользователь получает автономию над каждой записью процесса это скрывает прозрачность робота и прячет шаги процесса. Дублируйте это со временем и это становится потенциальной угрозой безопасности, так как есть почти нулевая ясность для комплаенса и управления целей. Также, любое неизбежное кодирование вводит shadow IT — с неаудированными процессными моделями, представляющими «back doors», фоллы безопасности и аудитовые провалы.

Финальные мысли

В конечном счете, выбор неверной технологии интеллектуальной автоматизации может ограничить любой потенциал цифровой трансформации и фактически ввести риск цифрового хаоса. Лучший способ для интеллектуальной автоматизации — ввести бизнес-ведомую коллаборацию, умно, безопасно и в масштабе. Фактически, применяя этот подход, более 2000 крупнейших организаций мира достигают крупных приростов продуктивности через улучшенные способы работы, так что они остаются agile, safe и ahead.