Hiperautomatyzacja – kolejna faza cyfryzacji

Hiperautomatyzacja to kompleksowe wykorzystanie dostępnych narzędzi z zakresu automatyzacji, sztucznej inteligencji i business intelligence, które ma na celu przekształcenie oraz stworzenie nowych procesów (transformację cyfrową przedsiębiorstwa), co przy użyciu tradycyjnych metod byłoby niewykonalne. Termin hiperautomatyzacja pojawił się po raz pierwszy w październiku 2019 r., zajmując pierwsze miejsce na liście 10 najlepszych strategicznych trendów technologicznych na 2020 r.

W ramach hiperautomatyzacji wykorzystywana jest sztuczna inteligencja (artificial intelligence, AI), a także uczenie maszynowe (machine learning, ML) i zrobotyzowana automatyzacja procesów (robotic process automation, RPA). Jej celem jest automatyzacja powtarzalnych i czasochłonnych zadań. Hiperautomatyzacja dotyczy jednak nie tylko procesów, które można zautomatyzować, ale także poziomu automatyzacji, który często jest określany jako kolejna ważna faza transformacji cyfrowej.

Pierwsza fala automatyzacji opierała się w dużej mierze na technologii RPA, która polega na wykorzystaniu botów do naśladowania powtarzalnych ludzkich czynności. Procesy te są oparte na określonych regułach i wykorzystują uporządkowane dane do wykonywania działań. W przeciwieństwie do RPA sztuczna inteligencja stara się symulować ludzki intelekt.

Tym, co łączy inteligentną automatyzację (intelligent automation, IA) z hiperautomatyzacją, jest fakt, że obie wykorzystują sztuczną inteligencję i uczenie maszynowe do optymalizacji istniejących procesów. Mimo podobieństw nie należy ich ze sobą mylić – sporo jest między nimi różnic.

Automatyzacja koncentruje się na wąskim zestawie zadań, często opierając się na technologii RPA albo łącząc dwie technologie w jedno narzędzie, które automatyzuje i optymalizuje istniejące zadania bądź procesy.

Hiperautomatyzacja nie jest narzędziem – to ujednolicona strategia lub inicjatywa przedsiębiorstwa, której ostatecznym celem jest tworzenie i optymalizacja kompleksowych procesów kreujących nowe możliwości biznesowe. To koncepcja, która pozwala na cyfrową transformację całego przedsiębiorstwa.

Automatyzacja to rozwiązanie wykonujące głównie powtarzalne zadania, podczas gdy hiperautomatyzacja to ujednolicone podejście, które ma na celu automatyzację i koordynację w celu przekształcenia procesów i stworzenia nowych, które przy użyciu tradycyjnych metod byłyby niewykonalne.

Możliwość naśladowania ludzkich zdolności kognitywnych w procesach digitalizacji jest kluczowym elementem hiperautomatyzacji. Dzięki niej pracownicy cyfrowi działają obok ludzi, zapewniając niezrównaną wydajność organizacji. Co więcej, hiperautomatyzacja pozbawia nas ograniczeń, które związane są z korzystaniem tylko z jednego narzędzia automatyzacyjnego. Pozwala to wyjść poza granice poszczególnych procesów i zautomatyzować więcej niż tylko żmudne i skalowalne zadania.

Hiperautomatyzacja wymaga jednak starannego zaplanowania i wdrożenia. Zanim zadecydujemy o jej implementacji, należy sprawdzić, które technologie cyfrowe będą pasować do procesów istniejących w organizacji i jaka będzie ich rola w nowych procesach.

Hiperautomatyzacja to również integracja. Aby osiągnąć skalowalność operacji, różne technologie automatyzacji muszą ze sobą współpracować. Staranne planowanie, wdrażanie i usprawnianie procesów odbywa się dzięki inteligentnemu zarządzaniu procesami biznesowymi (business process management, BPM). Na szczególną uwagę we wdrażaniu hiperautomatyzacji zasługuje rola architekta, który powinien znać możliwości i ograniczenia wszystkich dostępnych narzędzi wchodzących w jej skład. Dzięki temu jest on w stanie zaproponować firmie – dopasowaną do jej potrzeb – kompletną wizję strategii hiperautomatyzacji.

Według Gartnera RPA wzbogacone o AI i ML staje się rdzeniem technologii hiperautomatyzacji. Połączenie technologii RPA i AI zapewnia moc i elastyczność w automatyzacji tam, gdzie automatyzacja nigdy wcześniej nie była możliwa.

Zastosowania hiperautomatyzacji różnią się w zależności od użytych technologii. Wykorzystuje się ją m.in. w następujących obszarach:

Obsługa klienta z wykorzystaniem RPA i sztucznej inteligencji – łącząc te technologie, firmy mogą automatycznie odpowiadać na wiadomości klientów. Usługi wsparcia klienta obejmują procesy wymagające zrozumienia, tj.:

• odpowiadanie na wiadomości e-mail i zapytania na czacie (chatboty),
• przeprowadzanie rozmów telefonicznych (voiceboty – czyli roboty konwersacyjne),
• wprowadzanie zmian w danych klientów na podstawie otrzymanych informacji.

Sprawdzanie (kontrola) transakcji finansowych – dzięki RPA firmy mogą uzyskiwać odpowiednie informacje o transakcjach użytkowników z różnych źródeł danych. Następnie system może je przetwarzać i przeprowadzać analizy w celu zidentyfikowania wszelkich nieuczciwych działań w organizacji.

Przetwarzanie roszczeń z tytułu ubezpieczeń komunikacyjnych – RPA jest wykorzystywane do automatyzacji obsługi roszczeń przez firmy ubezpieczeniowe. Dzięki integracji wizji komputerowej i NLP ubezpieczyciele samochodów mogą przetwarzać obrazy wypadków samochodowych i wycenić szkody objęte polisą klienta. Następnie zestawione w ten sposób dane posłużą do określenia, czy roszczenie jest objęte obecną umową, czy nie.

Ponieważ hiperautomatyzacja z definicji obejmuje połączenie technologii, ważne jest, aby firmy, które w nią inwestują, wybrały odpowiednie narzędzia. Warto rozpocząć swoje działania według zaplanowanego schematu:

Krok 1. Optymalizacja procesów

Przed wdrożeniem hiperautomatyzacji warto zrobić krok wstecz i przyjrzeć się procesom w firmie. Automatyzowanie procesów, które są zbędne, niepotrzebnie skomplikowane lub przestarzałe, jest nieprawidłowym działaniem. Najpierw powinniśmy zoptymalizować wszystkie ścieżki procesowe, a dopiero później wdrażać automatyzację.

Krok 2. Automatyzacja procesów

Aby wdrożyć strategię hiperautomatyzacji, przedsiębiorstwo potrzebuje solidnych podstaw automatyzacji. Istotny jest dobór zestawu konkretnych technologii, który może obejmować – i zwykle obejmuje – narzędzie RPA służące do automatyzowania podstawowych zadań, rozwiązania automatyzacyjne IT dla hurtowni danych oraz kilka innych, które są niezbędne do obsługi różnych zespołów i działów w danej organizacji.

Krok 3. Orkiestracja, czyli dostrojenie i dopasowanie wybranych narzędzi

Po wykonaniu optymalizacji oraz wymaganych do podniesienia efektywności organizacji automatyzacji procesów warto wdrożyć orkiestrację, która obejmuje koordynację zautomatyzowanych zadań i przepływów pracy w różnych narzędziach, zespołach i środowiskach.

Ważna jest optymalizacja działania robotów i wprowadzenie sztucznej inteligencji oraz uczenia maszynowego pod kątem wymagań biznesowych, a także zastosowanie zaawansowanych technologii, takich jak przetwarzanie języka naturalnego (natural language processing, NLP), optyczne rozpoznawanie znaków (optical character recognition, OCR), zaawansowana analityka i cyfrowy bliźniak organizacji (digital twin organization, DTO) w celu tworzenia innowacyjnych nowych procesów. Dzięki tym technologiom organizacje zyskają m.in.:

• szybką optymalizację istniejących procesów oraz identyfikację opóźnień i przestojów,
• aktywnie wdrażanie zmiany, które zapobiegają awariom,
• odkrycie utraconych możliwości automatyzacyjnych.

Technologie będące częścią hiperautomatyzacji uzupełniają się wzajemnie. Na przykład boty RPA mogą umożliwić integrację innych technologii ze starszymi systemami. Jednak technologie te mają swoje ograniczenia, co powoduje, że organizacje wdrażające hiperautomatyzację muszą stawić czoła różnym wyzwaniom.

Wyzwania związane z wykorzystaniem sztucznej inteligencji w automatyzacji

• Dane do trenowania algorytmu mogą być niedostępne lub mogą zawierać dane osobowe, co niesie za sobą ryzyko naruszenia prywatności. Szczególnie gdy udostępniamy je zewnętrznym dostawcom technologicznym. Niestety, nie jesteśmy w stanie całkowicie tego uniknąć. Mało która organizacja jest w stanie zbudować całą infrastrukturę technologiczną samodzielnie. Firmy muszą więc starać się maksymalnie to ryzyko zmniejszyć. Konieczna będzie inwestycja w technologie zwiększające prywatność, takie jak anonimizacja danych.

Rozróżniamy trzy rodzaje danych:

– treningowe – do stworzenia modelu,
– walidacyjne – do sprawdzenia, czy model działa poprawnie,
– produkcyjne – dane, które trafiają do modelu, kiedy zostanie wdrożony.

Tworzenie danych treningowych może być powolne. W niektórych wypadkach syntetyczne zestawy danych mogą być konieczne do wytrenowania modelu w pożądanym czasie.

• W każdym złożonym procesie, który jest zautomatyzowany za pomocą uczenia maszynowego, zdarzają się sytuacje, w których konieczna będzie ingerencja człowieka. Jednym z łatwiejszych w użyciu jest rozwiązanie typu human-in-the-loop (HITL). Polega ono na przekazywaniu pracownikom do analizy sytuacji, co do których algorytm ML nie jest w stu procentach pewny. Ludzie są elementem rozwiązania, w którym trenują, dostosowują, testują i kontrolują dany algorytm. Odpowiedzi zwrotne pracowników są następnie przekazywane do modelu w celu jego udoskonalenia, by radził sobie z podobnymi sytuacjami w przyszłości.
• Ważna jest wysoka jakość systemu AI, która pozwoli uniknąć pojawienia się ludzkich uprzedzeń lub nieścisłości, które znajdują się w danych treningowych albo są już osadzone w algorytmie. Zestawy danych wykorzystywane przez systemy AI (zarówno podczas trenowania, jak i w trakcie działania) mogą być wypaczone z powodu uwzględnienia nieumyślnych uprzedzeń lub np. niekompletności danych. Konsekwencją takiego rodzaju stronniczości może prowadzić do (bez)pośredniej dyskryminacji. Takie problemy warto rozwiązywać na początku projektowania systemu.

Wyzwania w optymalizowaniu procesów

• Brak zrozumienia procesu: większość procesów nie jest dobrze udokumentowana lub dokumentacja jest nieaktualna. Narzędzia eksploracji procesów mogą pomóc organizacjom zrozumieć procesy, które opierają się na plikach dziennika. Jednak nadal ważne informacje o procesach, takie jak treść połączeń, są trudne do przeanalizowania, co stwarza wyzwania.
• Specyficzne wymagania kontrahentów. Rozwiązania niestandardowe dla określonych potrzeb klientów zwiększają ich zadowolenie, ale zmniejszają łatwość konserwacji i wprowadzają złożoność procesów. Firmy muszą mądrze wybierać między optymalizacją procesów a satysfakcją odbiorców. Kontrahent o niezwykle złożonych wymaganiach może nie być właściwym klientem, który zostałby obsłużony za pomocą znormalizowanego procesu obsługującego wielu innych nabywców.

Wyzwania organizacyjne

• Unikanie potencjalnych błędów i inercję uważa się za przyczynę większości wypadków powolnego wdrażania automatyzacji. Pracownicy powinni mieć możliwość przeprowadzania eksperymentów w środowisku testowym Sandbox (tzw. Piaskownica) czy cyfrowych bliźniakach (digital twins), aby szybko zobaczyć wpływ i wyzwania potencjalnych technologii automatyzacji.
• Bardzo ważne we wdrażaniu hiperautomatyzacji jest angażowanie od początku działu IT. Pracowników IT należy zapoznawać z tematami hiperautomatyzacji i robotyzacji oraz uświadamiać ich, jakie wynikają z tych rozwiązań korzyści dla organizacji, aby stawali się jej zwolennikami i prawdziwym wsparciem w jej rozwoju. Kierując się jedynie potrzebami biznesu, nie będziemy spełniać wymogów bezpieczeństwa, tworząc „shadow IT”, również nie wykorzystamy przy tym pełnego potencjału hiperautomatyzacji

Shadow IT to instalacja lub korzystanie z niezatwierdzonych aplikacji i programów przez pracowników firmy na urządzeniach, które są podłączone do sieci całej organizacji. Poziom shadow IT w ostatnich latach wzrósł bardzo szybko, stając się jednym z największych cyberzagrożeń dla firm. Jak wskazuje badanie firmy Skyhigh, aż 72 proc. osób na stanowiskach menedżerskich nie było świadomych skali tego zjawiska w swoich organizacjach. Przykładowo w branży finansowej w przeciętnym przedsiębiorstwie używanych jest ponad tysiąc aplikacji w firmowej chmurze – jest to wynik piętnastokrotnie wyższy, niż szacowały działy IT organizacji biorących udział we wspomnianym badaniu.

Hiperautomatyzacja oferuje potencjalnie nieograniczone korzyści:

• Elastyczność. Ponieważ hiperautomatyzacja opiera się na wielu technologiach automatyzacji, przedsiębiorstwa mogą wyjść poza ograniczone korzyści płynące z pojedynczej technologii cyfrowej. Pomaga to firmom w osiągnięciu skali i elastyczności operacji.
• Wzrost produktywności pracowników. Dzięki automatyzacji czasochłonnych, powtarzalnych zadań ludzie mogą wykonywać niestandardowe kreatywne obowiązki, odgrywając bardziej wartościowe role w organizacjach.
• Integracja. Dzięki hiperautomatyzacji firmy mogą integrować technologie cyfrowe w dostępnych procesach i starszych systemach. Interesariusze mają lepszy dostęp do danych, a także ułatwioną komunikację na każdym szczeblu organizacji.
• Lepszy zwrot z inwestycji. Hiperautomatyzacja zwiększa przychody i obniża koszty. Dzięki potężnym narzędziom i możliwościom analitycznym organizacje mogą optymalizować wykorzystanie swoich zasobów.

Hiperautomatyzacja to nie tylko wdrażanie narzędzi procesowania zadań. Jej pełne wykorzystanie jest możliwe tylko dzięki ingerencji pracowników, którzy m.in. potrafią interpretować niestandardowo gromadzone dane.

Na przykład wyobraźmy sobie wykorzystanie mediów społecznościowych do budowania relacji i utrzymania relacji z klientami. Firma może polegać na narzędziach wykorzystujących RPA i na uczeniu maszynowym do tworzenia raportów i pobierania danych z platform społecznościowych w celu uzyskania zestawu opinii klientów. W związku z tym informacje staną się łatwo dostępne dla zespołu marketingowego. Jednak bez wyciągnięcia odpowiednich wniosków raporty te okażą się zupełnie bezużytecznymi danymi. To zespół może, na bazie tych informacji i ich analizy, zadecydować, jakiego rodzaju kampanie, promocje i zachęty należy włączyć do biznesplanu, aby zbudować trwałą relację i utrzymać klienta.

Hiperautomatyzacja zapewnia więc szybką drogę do zaangażowania wszystkich w transformację biznesu. Wspierana przez automatyzację coraz bardziej złożonej pracy, opiera się na wiedzy i spostrzeżeniach pracowników.

Korzyści wynikające z hiperautomatyzacji pozwalają organizacji, a tym samym jej pracownikom, na zdobycie najnowszych informacji biznesowych i rynkowych. Zamiast grzęznąć w niskopoziomowych, powtarzalnych zadaniach, pracownicy pozostaną zaangażowani w swoją pracę, skupiając się na rozwiązywaniu niestandardowych problemów i dostarczaniu kreatywnych rozwiązań.

Optymalizując i automatyzując istniejące procesy w organizacji, znacznie łatwiej jest szybko opracować niezawodne, kompleksowe rozwiązania, które pozwolą wykorzystać nieistniejące dotychczas możliwości. Koordynując wiele narzędzi za pomocą jednego, ujednoliconego rozwiązania, organizacje są w stanie szybko reagować na zmieniające się wymagania biznesowe i rynkowe. Rozwiązaniem, które na to pozwala, jest zdecydowanie koncepcja hiperautomatyzacji.

Hiperautomatyzacja wymaga jednak starannego zaplanowania. Zanim zdecydujemy się na jej wdrożenie, powinniśmy sprawdzić, które technologie cyfrowe będą pasować do istniejących procesów w firmie i jaka będzie ich rola w nowych procesach. Dobrze przeprowadzona pozwala na cyfrową transformację firmy.

---

Artykuł ukazał się w nr 5(35) październik-listopad 2021 czasopisma „Production Manager”.