Automatyzacja zadania to jeszcze nie automatyzacja procesu

W organizacjach automatyzacja często rozpoczyna się od pojedynczej czynności. Powstaje skrypt przenoszący dane z jednego pliku do drugiego, robot logujący się do systemu albo model AI klasyfikujący przychodzące wiadomości.

Takie rozwiązanie może przynieść oszczędność czasu. Nie oznacza jednak, że został zautomatyzowany cały proces.

Wyobraźmy sobie obsługę faktury.

System odczytuje dokument, rozpoznaje kontrahenta i przepisuje kwotę do systemu finansowego. Zadanie zostało wykonane automatycznie. Nadal jednak pozostają pytania:

• kto sprawdza zgodność faktury z zamówieniem,
• co dzieje się przy braku numeru umowy,
• kto akceptuje przekroczenie budżetu,
• gdzie trafia dokument, którego system nie potrafi rozpoznać,
• kto odpowiada za zatrzymanie procesu.

Automatyzacja pojedynczego kroku może skrócić czas pracy, ale proces pozostanie niekompletny, dopóki nie zostaną opisane dane, decyzje, odpowiedzialność i wyjątki.

Proces najpierw trzeba zrozumieć

Pierwszym etapem automatyzacji nie powinien być wybór technologii. Powinna nim być analiza obecnego sposobu działania.

Należy ustalić:

• jaki problem ma zostać rozwiązany,
• gdzie rozpoczyna się i kończy proces,
• jakie dane są wykorzystywane,
• kto podejmuje decyzje,
• jakie występują wyjątki,
• w jaki sposób mierzony jest wynik.

Dopiero wtedy można opracować proces docelowy, czyli model TO-BE. Nie chodzi przy tym o narysowanie obecnego procesu w nowym kolorze i dopisanie do kilku kroków słowa „automatycznie”.

Automatyzacja daje okazję do usunięcia czynności zbędnych, uproszczenia decyzji i uporządkowania odpowiedzialności. Jeżeli ten etap zostanie pominięty, organizacja może otrzymać bardzo nowoczesny system realizujący proces, którego właściwie nikt już nie potrzebuje.

Technologia powinna wynikać z procesu

Na rynku dostępnych jest wiele klas rozwiązań automatyzacyjnych. Każda z nich odpowiada na nieco inny problem.

Workflow lub system BPM koordynuje dłuższy proces, jego stan, role, terminy i decyzje. RPA wykonuje działania za użytkownika w interfejsie aplikacji. Integracje API zapewniają stabilną wymianę danych pomiędzy systemami. Platformy low-code i no-code pozwalają szybciej budować prostsze przepływy. Sztuczna inteligencja może klasyfikować informacje, analizować dokumenty, przygotowywać podsumowania albo proponować decyzje.

Nie są to jednak rozwiązania wzajemnie zamienne.

Robot RPA może wpisać dane do formularza, ale nie musi zarządzać całym procesem. Model AI może rozpoznać treść dokumentu, ale nie powinien samodzielnie decydować o każdym skutku biznesowym. Integracja API może przesłać dane pomiędzy systemami, ale nie odpowie na pytanie, czy dane były prawidłowe.

Dojrzała automatyzacja zwykle łączy kilka technologii. Najważniejsze jest jednak to, aby każda z nich pełniła jasno określoną funkcję.

AI jako element procesu, a nie magiczny kierownik

Sztuczna inteligencja otworzyła nowe możliwości automatyzacji pracy opartej na języku, obrazie i danych nieustrukturyzowanych. Może analizować korespondencję, odczytywać dokumenty, klasyfikować zgłoszenia, przygotowywać propozycje odpowiedzi lub wspierać pracowników w podejmowaniu decyzji.

Nie oznacza to jednak, że AI powinno przejąć sterowanie całym procesem.

Model może zwrócić wynik z określonym poziomem prawdopodobieństwa. Proces biznesowy musi natomiast wiedzieć, co z tym wynikiem zrobić.

Przykładowo:

• wynik o wysokiej pewności może zostać przetworzony automatycznie,
• wynik niejednoznaczny powinien trafić do weryfikacji,
• brak wymaganych danych powinien zatrzymać dalsze wykonanie,
• decyzja o wysokim ryzyku powinna pozostać po stronie człowieka.

W materiale AI i transformacja cyfrowa zwracaliśmy już uwagę, że sztuczna inteligencja przynosi największą wartość wtedy, gdy odpowiada na konkretną potrzebę i zostaje właściwie osadzona w procesach organizacji.

O jakości automatyzacji decydują wyjątki

Większość prezentacji automatyzacji pokazuje ścieżkę idealną. Dokument wpływa, dane zostają odczytane, decyzja podjęta, a proces zakończony zielonym komunikatem sukcesu.

Rzeczywistość organizacyjna jest zazwyczaj bardziej pomysłowa.

Brakuje załącznika, kontrahent zmienił format dokumentu, API nie odpowiada, użytkownik nie ma właściwych uprawnień albo dane są formalnie poprawne, lecz biznesowo pozbawione sensu.

Dlatego automatyzacja musi posiadać:

• mechanizm wykrywania błędów,
• ścieżkę eskalacji,
• właściciela wyjątku,
• możliwość ponowienia operacji,
• historię wykonania i decyzji.

Wyjątek nie jest awarią samej koncepcji. Jest częścią procesu. Problem pojawia się dopiero wtedy, gdy nikt nie przewidział sposobu jego obsługi.

Bez pomiaru pozostaje tylko dobre wrażenie

Po wdrożeniu należy sprawdzić, czy automatyzacja rzeczywiście poprawiła wynik procesu.

Można mierzyć między innymi czas obsługi, liczbę błędów, koszt pojedynczej sprawy, poziom automatycznego wykonania, liczbę wyjątków oraz czas potrzebny człowiekowi na ich rozwiązanie.

Sam fakt, że system wykonał tysiąc operacji, nie musi oznaczać sukcesu. Być może osiemset z nich wymagało później ręcznej korekty.

Dlatego wynik należy porównać ze stanem sprzed wdrożenia. Bez określenia wartości początkowej trudno odróżnić realną poprawę od efektownej prezentacji nowego narzędzia.

Automatyzacja jako system ciągłego doskonalenia

Procesy nie są stałe. Zmieniają się przepisy, systemy, wolumeny danych, produkty i potrzeby klientów. Automatyzacja, która działała dobrze rok temu, może dziś generować nowe wąskie gardła.

Dojrzałe podejście obejmuje więc nie tylko uruchomienie rozwiązania, ale również jego monitoring, analizę wyjątków i okresową weryfikację reguł.

Każdy wyjątek może dostarczyć informacji o brakującym scenariuszu. Każda ręczna korekta może wskazać miejsce, które wymaga poprawy. Automatyzacja nie jest więc jednorazowym projektem, lecz procesem ciągłego doskonalenia sposobu działania organizacji.

Od analizy do działającego systemu

Uporządkowaniu tej tematyki poświęcony jest nowy serwis Automatyzacja.online.

Portal prowadzi czytelnika od rozpoznania problemu i analizy procesu, przez dane, reguły oraz wybór technologii, aż do wdrożenia, monitoringu i pomiaru wyniku.

W serwisie znajdują się również analizy automatyzacji, porównania workflow, RPA, integracji API, platform low-code i agentów AI oraz praktyczne przykłady zastosowań w dokumentach, raportowaniu, poczcie elektronicznej i obsłudze klienta.

Celem nie jest wskazywanie jednego najlepszego narzędzia. Najlepsze narzędzie bez odpowiednio zdefiniowanego procesu nadal pozostaje tylko narzędziem.

Prawdziwa automatyzacja zaczyna się w momencie, gdy organizacja potrafi połączyć problem, proces, dane, reguły, technologię i kontrolę w jeden działający system.