Hiper-automatizare și tehnologiile care o susțin

FacebookLinkedIn

Hiper-automatizare și tehnologiile care o susțin

iperautomazione e tecnologia

Automatizarea se referă la utilizarea tehnologiei pentru a facilita sau îndeplini sarcini care inițial necesitau o acțiune umană. Termenul „task” sau „sarcină” se referă nu doar la activități de execuție sau operaționale, ci include și sarcini care solicită gândirea, descoperirea și proiectarea acestor automatizări.
Hiper-automatizarea se referă la combinația de software de Machine Learning și instrumente de automatizare pentru a îndeplini un task. Tendința de a utiliza anumite tipuri de operatori va depinde în mare măsură de arhitectura IT si practicile de afaceri existente în organizație.

Hiper-automatizarea este o stare inevitabilă către care piața se orientează, în care companiile trebuie să identifice și să automatizeze rapid toate procesele de afaceri posibile, ținând cont de următoarele implicații:

Mediul automatizării se schimbă.Spectrul este larg, de la automatizarea activităților individuale și tranzacțiilor bazate pe reguli statice și rigide, până la automatizarea tot mai multor knowledge work.
La rândul lor, aceste nivele de automatizare permit experiențe îmbunătățite și mai dinamice, cu rezultate optimizate.

Un set de instrumente va fi utilizat pentru organizarea muncii și coordonarea resurselor. Tot mai multe organizații vor folosi un set de tehnologii în evoluție pentru a sprijini un mediu de afaceri în continuă expansiune. Instrumentele includ automatizarea activităților și proceselor, gestionarea deciziilor și aplicații dedicate, care va încorpora din ce în ce mai mult tehnologiile de machine learning.

Agility, o condiție necesară. Aceasta înseamnă că organizațiile au nevoie să reconfigureze operațiile și să sprijine procesele ca răspuns la nevoile în evoluție și la competiția pieței. O stare viitoare de hiper-automatizare poate fi obținută numai prin practici și instrumente de lucru hiper-agile.

Implicarea personalului este necesară pentru a reinventa modul în care angajații aduc valoare companiei. Dacă angajații nu sunt implicați în transformarea digitală a operațiunilor, organizația este destinată să obțină doar beneficii parțiale. Aceasta înseamnă și modul în care compania alocă resurse și integrează abilitățile partenerilor și furnizorilor săi.

RPA și iBPMS reprezintă componentele cheie ale hiper automatizării

Hiper-automatizarea necesită selectarea instrumentelor și tehnologiilor corecte pentru acest tip de provocare. Înțelegerea gamei de mecanisme de automatizare, modul în care acestea se relaționează între ele și modul în care sunt combinate și coordonate, este unul dintre obiectivele principale ale hiper-automatizării. Acest lucru este complicat, deoarece în acest moment există multe tehnologii multiple, suprapuse și complementare, printre care:

Automatizarea proceselor robotizate (RPA)
RPA este o modalitate eficientă de a conecta sisteme legacy care nu au API-uri cu sisteme mai moderne. RPA mută datele structurate din sistemul A în sistemul B, mai bine decât ar putea oamenii să o facă, și rezolvă provocările de integrare cu sistemele legacy. Domeniul acestor procese este de obicei o activitate de scurtă durată, asociată la mutarea acestor date. Instrumentele RPA pot ajuta, de asemenea, operatorii în munca lor zilnică prin eliminarea sarcinilor simple și repetitive. Scripturile de integrare bine definite structurează și manipulează datele, mutându-le dintr-un mediu în altul. Întrucât integrarea se bazează pe interacțiunea cu metadatele, aceste instrumente sunt în general mai accesibile pentru utilizatorii finali ai companiei.

Suită inteligentă de gestionare a proceselor de afaceri (iBPMS)
Spre deosebire de instrumentele RPA, instrumentele iBPMS gestionează procesele de lungă durată. O suită inteligentă de gestionare a proceselor de afaceri este un set integrat de tehnologii care coordonează oameni, mașini și lucruri. Un iBPMS se bazează pe modelele de procese și reguli pentru a ghida o interfață utilizator și a gestiona contextul multor elemente de lucru bazate pe acele modele. Integrarea cu sisteme externe se realizează în general prin API-uri solide. Pe lângă procese, modele eficiente de decizie pot simplifica mediul înconjurător și pot oferi un punct de integrare natural pentru analize avansate și învățarea automată. Software-ul iBPMS suportă întregul ciclu de viață al proceselor și deciziilor companiei: cercetare, analiză, proiectare, implementare, executare, monitorizare și optimizare continuă. Un iBPMS permite analiștilor companiei și programatorilor să colaboreze la dezvoltarea interactivă și la îmbunătățirea modelelor.

Aceste 2 tehnologii sunt extrem de complementare. Platformele iBPMS pot corela stiluri de lucru complexe, cum ar fi gestionarea adaptativă a cazurilor sau procesele conduse de evenimente complexe. Acest lucru este din ce în ce mai important, în special în contextul proceselor digitalizate care coordonează comportamentele persoanelor, procesele și „lucrurile” care fac parte din Internet of Things. Contextul operativ, care se schimbă rapid într-un proces digitalizat, are nevoie de analize avansate și utilizabile pentru a coordona mai bine procesele companiei.
Companiile sunt tot mai mult coordonate de modele, iar capacitatea de a gestiona natura interconectată și de a controla versiunile complexe a acestor modele este foarte importantă. Pentru a profita de toate avantajele hiper automatizării, companiile au nevoie de o viziune globală a proceselor. Dezvoltarea de modele tot mai sofisticate este similară cu dezvoltarea unui geamăn digital (DTO) al unei organizații.

Digital Twin

Un DTO (Digital Twin al unei organizații) afișează interdependența dintre funcții, procese și KPI. Un DTO este un set dinamic de modele software ale unei părți dintr-o organizație. Se bazează pe date operaționale și/sau de alt tip pentru a înțelege și furniza informații continue despre modul în care o organizație își pune în aplicare modelul de afaceri, conectat direct la statusul actual și la resursele distribuite. În mod critic, un DTO răspunde la modificările metodei de livrare a valorii așteptate pentru client.
Un DTO se bazează pe un mediu din lumea reală, cu persoane și mașini reale, care lucrează împreună pentru a genera informații continue despre ceea ce se întâmplă în cadrul organizației. Într-adevăr, o DTO oferă un cadru contextual pentru procesele de afaceri și modelele decizionale. Ajută la detectarea locului în care valoarea afacerii se conectează la diversele părți ale unei organizații și la modul în care procesele sale de afaceri afectează crearea valorii. Ca atare, DTO devine un element important pentru hiper-automatizare. Un DTO permite utilizatorilor să modeleze și să exploreze scenarii, să aleagă unul și să-l facă real în lumea fizică.

Machine Learning și NLP extind gamă de posibilități de hiper-automatizare

Tehnicile de inteligență artificială, sub diferite forme, inclusiv învățarea automată și prelucrarea limbajului natural (NLP), au extins rapid posibilitățile de hiper-automatizare. Capacitatea de a interpreta rapid limbajul uman în faza de execuției, de a identifica pattern-urile în documente sau date și/sau de a optimiza dinamic rezultatele afacerii, modifică semnificativ gama de posibilități de automatizare. De fapt, atunci când sunt combinate cu instrumente RPA și iBPMS, începe să se vadă diferența în multe domenii și să permită automatizarea a ceea ce a fost considerat cândva domeniul exclusiv al knowledge workers. Dar, în loc să înlocuiască acești lucrători, tehnologiile de inteligență artificială își măresc în primul rând capacitatea de a oferi valoare. Tehnologiile AI:

Au îmbunătățit funcționalitățile viziunii artificiale în majoritatea instrumentelor RPA. Învățarea automată a permis un pas înainte important în RPA cu ajutorul unui tip de viziune artificial. De exemplu, este capabil să recunoască un buton „Trimite” și să îl apese virtual, indiferent de locul în care ar putea apărea pe ecran. Acest lucru a fost extins la identificarea întregului text de pe ecran (la fel ca recunoașterea optică a caracterelor). Apar instrumente care pot separa etichetele pe o imagine de câmpurile de text populate dinamic. Prin urmare, această inovație permite instrumentului RPA să interacționeze cu interfețele bazate pe imagini ca și cum ar fi aplicații direct accesibile.

Au optimizat KPI. Un instrument iBPMS sau RPA poate invoca cu ușurință un model de învățare automată sau o funcționalitate NLP direct din activitatea pe termen scurt sau dintr-un proces de afaceri pe termen lung. Din ce în ce mai mult, învățarea automată și NLP sunt încorporate direct în instrumentele iBPMS, cu funcționalitate preintegrată, care facilitează executarea proceselor de data science (plug-and-play machine learning) sau apelarea serviciilor externe de la mega cloud vendor cum ar fi Amazon, Google, IBM și Microsoft.

Au apărut într-o multitudine de tehnologii adiacente și de suport.Acestea includ OCR avansate și recunoașterea inteligentă a caracterelor (ICR) pentru interpretarea caligrafiei. NLP permite din ce în ce mai mult automatizarea de tip self-service, în timp ce utilizatorii interacționează direct cu chatbots și asistenți virtuali personali.

Au automatizat identificarea proceselor. Învățarea automată face posibilă descoperirea modalităților de muncă și a diferitelor lor variații la locul de muncă. Instrumentele de task mining, denumite uneori „process discovery”, ajută organizațiile să aibă o viziune profundă a fluxurilor de activități pentru a obține o microviziune a fazelor sau activităților care ar putea fi automatizate de RPA sau iBPMS.

 

Adăugarea de Machine Learning și NLP la instrumentele RPA și iBPMS oferă posibilitatea de a industrializa experiența digitală a utilizatorilor și angajaților, conectând aceste interacțiuni direct cu operațiile automatizate de back-office. În plus, toate acestea permit o abordare contextuală, adaptabilă la situație, în care întregul și ordinea interacțiunilor dintre participanți sunt dirijate în mod unic, pe baza obiectivelor companiei, partenerilor și clienților acesteia și a inteligenței operaționale, care se actualizează continuu în timp real.
Un iBPMS poate personaliza în mod proactiv interacțiunile pe scară largă, suportând, în același timp, o transformare rapidă și/sau o îmbunătățire a experienței clientului și a angajatului. În plus, Artificial Intelligence suportă instrumentele iBPMS în automatizarea și orchestrarea proceselor de afaceri, care se modelează în timpul execuției. Prin urmare, aceste procese pot fi considerate adaptative și inteligente, din moment ce pot alege cea mai bună acțiune succesivă, în loc să urmeze aceeași succesiune repetitivă de acțiuni.

 

Sursă: Gartner 

FacebookLinkedIn