Automazione si riferisce all\u2019uso della tecnologia per facilitare o eseguire compiti che originariamente richiedevano una qualche forma di giudizio o azione umana. Il termine \u201ctask\u201d, o \u201ccompito\u201d si riferisce non solo ad attivit\u00e0 nell\u2019ambiente di esecuzione, di lavoro o operativo, ma comprende anche compiti nel pensare, scoprire e progettare queste automazioni stesse.
Iperautomazione si riferisce alla combinazione di software di Machine Learning e strumenti di automazione per espletare un lavoro. La propensione a utilizzare determinati tipi di automazione dipender\u00e0 in larga misura dall\u2019architettura IT e dalle pratiche aziendali esistenti nell\u2019organizzazione.<\/p>\n\n\n\n
L\u2019iperautomazione \u00e8 uno stato inevitabile a cui il mercato sta approdando, in cui le aziende devono identificare e automatizzare rapidamente tutti i possibili processi aziendali, tenendo bene in mente le seguenti implicazioni:<\/p>\n\n\n\n
L\u2019ambito dell\u2019automazione cambia.<\/strong> L\u2019attenzione all\u2019automazione ora spazia dall\u2019automazione di attivit\u00e0 individuali e transazioni basate su regole statiche e rigide, all\u2019automazione di sempre pi\u00f9 knowledge work. Una serie di strumenti verr\u00e0 utilizzata per gestire il lavoro e coordinare le risorse.<\/strong> Sempre pi\u00f9 organizzazioni utilizzeranno un insieme di tecnologie in evoluzione per supportare un ambito di attivit\u00e0 in continua espansione. Gli strumenti comprendono l\u2019automazione di attivit\u00e0 e processi, la gestione delle decisioni e software dedicati, che incorporeranno sempre pi\u00f9 tecnologie di apprendimento automatico.<\/p>\n\n\n\n L\u2019agility come prerequisito necessario.<\/strong> Ci\u00f2 significa che le organizzazioni hanno bisogno della capacit\u00e0 di riconfigurare le operazioni e supportare i processi in risposta alle esigenze in evoluzione e alle minacce competitive sul mercato. Uno stato futuro di iperautomazione pu\u00f2 essere raggiunto solo attraverso pratiche e strumenti di lavoro iperagili.<\/p>\n\n\n\n Il coinvolgimento della forza lavoro \u00e8 necessario per reinventare il modo in cui i dipendenti portano valore all\u2019azienda.<\/strong> Se non si coinvolgono i dipendenti a trasformare digitalmente le loro operazioni, l\u2019organizzazione \u00e8 destinata a ottenere solo vantaggi parziali. Ci\u00f2 significa superare le sfide associate ai silos aziendali e il modo in cui l\u2019azienda alloca le risorse e integra le competenze dei propri partner e fornitori.<\/p>\n\n\n\n L\u2019iperautomazione richiede la selezione degli strumenti e delle tecnologie giusti per questo tipo di sfida. Comprendere la gamma dei meccanismi di automazione, come si relazionano tra loro e come sono combinati e coordinati, \u00e8 uno dei principali obiettivi dell\u2019iperautomazione. Questo \u00e8 complicato perch\u00e9 al momento ci sono molte tecnologie multiple, sovrapposte e, in definitiva, complementari tra cui:<\/p>\n\n\n\n RPA \u00e8 un modo efficace per connettere sistemi legacy che non dispongono di API con sistemi pi\u00f9 moderni. RPA sposta i dati strutturati dal sistema A al sistema B meglio di quello che potrebbero fare le persone e risolve le sfide di integrazione con i sistemi legacy. L\u2019ambito di questi processi \u00e8 in genere un\u2019attivit\u00e0 di breve durata associata allo spostamento di tali dati. Gli strumenti RPA possono anche aiutare i lavoratori specializzati nel loro lavoro quotidiano, eliminando compiti semplici e ripetitivi. Gli script di integrazione ben definiti strutturano e manipolano i dati, spostandoli da un ambiente all\u2019altro. Poich\u00e9 l\u2019integrazione si basa sull\u2019interazione con i metadati che guidano gli schermi delle applicazioni esistenti, questi strumenti sono generalmente pi\u00f9 accessibili agli utenti finali aziendali.<\/p>\n\n\n\n A differenza degli strumenti RPA, gli strumenti iBPMS gestiscono processi di lunga durata. Una suite di gestione dei processi aziendali intelligente \u00e8 un insieme integrato di tecnologie che coordina persone, macchine e cose. Un iBPMS si basa su modelli di processi e regole per guidare un\u2019interfaccia utente e gestire il contesto di molti elementi di lavoro basati su tali modelli. L\u2019integrazione con i sistemi esterni \u00e8 generalmente ottenuta tramite solide API. Oltre ai processi, modelli decisionali efficaci possono semplificare l\u2019ambiente e fornire un punto di integrazione naturale per analisi avanzate e machine learning. Il software iBPMS supporta l\u2019intero ciclo di vita dei processi e delle decisioni aziendali: scoperta, analisi, progettazione, implementazione, esecuzione, monitoraggio e ottimizzazione continua. Un iBPMS consente agli analisti aziendali e sviluppatori professionisti di collaborare allo sviluppo iterativo e al miglioramento dei modelli di processo e decisionali.<\/p>\n\n\n\n Queste 2 tecnologie sono altamente complementari e sempre pi\u00f9 schierate fianco a fianco. Le piattaforme iBPMS possono coreografare stili di lavoro complessi, ad esempio la gestione adattiva dei casi o processi guidati da eventi complessi. Ci\u00f2 \u00e8 sempre pi\u00f9 importante, in particolare nel contesto dei processi digitalizzati che coordinano i comportamenti di persone, i processi e le \u201ccose\u201d che sono parte dell\u2019Internet of Things. Il contesto operativo in rapido cambiamento in un processo digitalizzato richiede analisi avanzate e fruibili per orchestrare in modo pi\u00f9 intelligente i processi aziendali nei mondi virtuali e fisici. Un DTO (Digital Twin di un\u2019organizzazione) visualizza l\u2019interdipendenza tra funzioni, processi e KPI. Un DTO \u00e8 un insieme dinamico di modelli software di una parte di un\u2019organizzazione. Si basa su dati operativi e \/ o di altro tipo per comprendere e fornire informazioni continue su come un\u2019organizzazione mette in atto il proprio modello di business, collegato direttamente allo stato attuale e alle risorse distribuite. Criticamente, un DTO risponde ai cambiamenti nella modalit\u00e0 di consegna del valore atteso per il cliente. Le tecniche di intelligenza artificiale in varie forme, incluso l\u2019apprendimento automatico e l\u2019elaborazione del linguaggio naturale (NLP), hanno rapidamente ampliato le possibilit\u00e0 di iperautomazione. La capacit\u00e0 di interpretare rapidamente il linguaggio umano in fase di esecuzione, di identificare pattern in documenti o dati e\/o di ottimizzare dinamicamente i risultati di business, altera notevolmente la gamma di possibilit\u00e0 di automazione. In effetti, quando combinati con strumenti correlati a RPA e iBPMS, stanno iniziando a fare la differenza in molti settori e a consentire l\u2019automazione di quello che un tempo era considerato il dominio esclusivo dei knowledge worker. Ma, piuttosto che sostituire quei lavoratori, le tecnologie di intelligenza artificiale stanno principalmente aumentando la loro capacit\u00e0 di fornire valore. Le tecnologie AI in particolare hanno:<\/p>\n\n\n\n Migliorato le funzionalit\u00e0 di visione artificiale nella maggior parte degli strumenti RPA.<\/strong> In effetti, l\u2019apprendimento automatico ha consentito un importante passo avanti nell\u2019RPA attraverso un tipo di visione artificiale. Ad esempio, \u00e8 in grado di riconoscere un pulsante \u201cInvia\u201d e premerlo virtualmente, indipendentemente da dove potrebbe apparire sullo schermo. Questo \u00e8 stato esteso all\u2019identificazione di tutto il testo sullo schermo (proprio come il riconoscimento ottico dei caratteri). Facendo un ulteriore passo avanti, stanno emergendo strumenti che possono separare le etichette su un\u2019immagine dai campi di testo popolati dinamicamente. Questa innovazione consente quindi allo strumento RPA di interagire con le interfacce basate su immagini come se fossero applicazioni accessibili direttamente.<\/p>\n\n\n\n Ottimizzato i KPI aziendali.<\/strong> Uno strumento iBPMS o RPA pu\u00f2 facilmente richiamare un modello di apprendimento automatico o funzionalit\u00e0 NLP direttamente dall\u2019attivit\u00e0 a breve termine o da un processo aziendale pi\u00f9 a lungo termine. Sempre pi\u00f9, l\u2019apprendimento automatico e la NLP vengono direttamente incorporati negli strumenti iBPMS con funzionalit\u00e0 preintegrata che rende pi\u00f9 semplice l\u2019esecuzione dei processi di data science (plug-and-play machine learning) o chiamare i servizi esterni dai mega cloud vendor come Amazon, Google, IBM e Microsoft.<\/p>\n\n\n\n Sono apparsi in una moltitudine di tecnologie adiacenti e di supporto.<\/strong> Questi includono OCR avanzato e riconoscimento intelligente dei caratteri (ICR) per interpretare la calligrafia. La NLP sta consentendo sempre pi\u00f9 automazione di tipo self-service mentre gli utenti interagiscono direttamente con i chatbot e gli assistenti personali virtuali.<\/p>\n\n\n\n Hanno automatizzato l\u2019individuazione dei processi.<\/strong> L\u2019apprendimento automatico sta consentendo di scoprire le pratiche di lavoro e le loro diverse varianti sul posto di lavoro stesso. Gli strumenti di task mining, a volte indicati come \u201cprocess discovery\u201d (individuazione dei processi), aiutano le organizzazioni a ottenere una visione approfondita dei flussi di attivit\u00e0 per ottenere la microview delle fasi o delle attivit\u00e0 che potrebbero essere automatizzate da RPA o iBPMS.<\/p>\n\n\n\n L\u2019aggiunta di Machine Learning e della NLP agli strumenti RPA e iBPMS offre la possibilit\u00e0 di industrializzare l\u2019esperienza digitale di utenti e dipendenti, collegando tali interazioni direttamente alle operazioni automatizzate di back-office. Inoltre, tutto questo consente un approccio contestuale, adattivo alla situazione, in cui l\u2019insieme e l\u2019ordine delle interazioni tra i partecipanti sono coreografati in modo univoco sulla base degli obiettivi dell\u2019azienda, dei suoi partner e dei suoi clienti e dell\u2019intelligence operativa che si aggiorna continuamente in tempo reale.
A loro volta, tali livelli di automazione consentono esperienze migliorate e pi\u00f9 dinamiche e migliori risultati di business.<\/p>\n\n\n\nRPA e iBPMS sono componenti chiave dell\u2019iperautomazione<\/h2>\n\n\n\n
Automazione di processo robotica (RPA)<\/strong><\/h3>\n\n\n\n
Suite di gestione dei processi aziendali intelligenti (iBPMS)<\/strong><\/h3>\n\n\n\n
Un elemento chiave da riconoscere \u00e8 che le aziende stanno diventando sempre pi\u00f9 guidate dai modelli e la capacit\u00e0 di gestire la natura interconnessa e il controllo delle versioni complesse di questi modelli \u00e8 una competenza molto importante. Per trarre tutti i benefici dell\u2019iperautomazione, le aziende hanno bisogno di una visione globale dei loro silos funzionali e di processo. In effetti, lo sviluppo di modelli sempre pi\u00f9 sofisticati \u00e8 simile allo sviluppo di un gemello digitale di un\u2019organizzazione (DTO).<\/p>\n\n\n\nIl gemello digitale<\/h2>\n\n\n\n
Un DTO attinge da un ambiente del mondo reale con persone e macchine reali che lavorano insieme per generare informazioni continue su ci\u00f2 che sta accadendo all\u2019interno dell\u2019organizzazione. In effetti, un DTO fornisce un quadro contestuale per i processi aziendali e i modelli decisionali. Aiuta a rilevare dove il valore aziendale si collega alle diverse parti di un\u2019organizzazione e in che modo i suoi processi aziendali influiscono sulla creazione di valore. Come tale, il DTO diventa un elemento importante per l\u2019iperautomazione. Un DTO consente agli utenti di modellare ed esplorare scenari, sceglierne uno e renderlo reale nel mondo fisico.<\/p>\n\n\n\nMachine Learning e NLP esplodono la gamma di possibilit\u00e0 di iperautomazione<\/h2>\n\n\n\n
Un iBPMS pu\u00f2 personalizzare in modo proattivo le interazioni su vasta scala, supportando al contempo una rapida trasformazione e \/ o miglioramento dell\u2019esperienza di clienti e dipendenti. Inoltre, l\u2019Intelligenza Artificiale supporta gli strumenti iBPMS nell\u2019automazione e orchestrazione di processi aziendali che si modellano durante l\u2019esecuzione. Questi processi possono quindi essere considerati adattivi e intelligenti, dal momento che sono atti a scegliere di volta in volta la migliore azione successiva invece di seguire la stessa sequenza ripetibile di azioni.<\/p>\n\n\n\n