Automatyzacja wyręcza pracowników w żmudnych, powtarzalnych zadaniach, pozwalając im skupić się na sprawach ważniejszych, wymagających fachowej wiedzy i kreatywności. Nie jest jednak celem samym w sobie, gdyż automatyzowanie procesów niezoptymalizowanych nie przyniesie organizacji oczekiwanych korzyści.

Bill Gates, współzałożyciel i wieloletni prezes Microsoftu, opisał swego czasu dwie zasady użycia technologii w biznesie. Pierwsza mówi, że automatyzacja zastosowana do wydajnych operacji jeszcze tę wydajność poprawi. Druga – że automatyzowanie niezoptymalizowanych procesów spowoduje jeszcze większy bałagan. Choć wydaje się, że o automatyzacji powiedziano już niemal wszystko, a metody, technologie i dobre praktyki zostały już należycie zidentyfikowane i opisane, nie każdy taki projekt przekłada się na wymierne korzyści biznesowe.

Biznesowe źródła automatyzacji
Na automatyzację należy patrzeć z perspektywy długoterminowej i bieżących trendów rynkowych – mówi Piotr Beńke, Chief Technology Officer oraz Executive Architect, IBM Poland & Baltics.

Jeżeli weźmiemy pod uwagę, że wiele branż zmaga się z brakiem rąk do pracy, automatyzację możemy traktować jako „odzyskiwanie” pracowników: uwalnianie ich od zadań nudnych, powtarzalnych na potrzeby pracy kreatywnej, wymagającej wiedzy specjalistycznej – wskazuje.

Ponieważ automatyzacja dotyka sfery oprogramowania (roboty software’owe), jest postrzegana jako domena informatyki, a więc przynależna do zakresu odpowiedzialności działu IT. Tymczasem „właścicielami” projektów automatyzacji jest biznes, a IT pełni – bardzo ważną – rolę wspierająco-nadzorczą.

Słowem, automatyzacja zaczyna się w biznesie. Wymaga to całościowego spojrzenia, zastanowienia się, gdzie proces się zaczyna, gdzie kończy, czy jest zoptymalizowany i czy występują w nim jakieś wąskie gardła. Bo procesy biznesowe są zoptymalizowane i mają jasno określone, ustrukturyzowane przepływy pracy tylko w świecie idealnym. W świecie rzeczywistym bywają często nieuporządkowane, a w ich ramach występuje szereg różnych czynności, gdzie zarejestrowanie sprawy, uruchomienie produktu to tylko wierzchołek góry lodowej.

Automatyzacja niepoprzedzona taką analizą może sprawić, że problemy usunięte w jednym miejscu pojawią się w innym. Dobry przykład to sprzedaż kredytu hipotecznego: proces długotrwały, skomplikowany, z masą różnych wyjątków i angażujący mnóstwo interesariuszy. Inny to obsługa reklamacji, gdzie kategorii spraw jest bardzo dużo, a każda ma swoją specyfikę, swój podproces i, rzecz jasna, jeszcze więcej wyjątków.

Typy procesów
Procesy to bardzo szerokie spektrum pojęciowe i nie każdy proces da się opisać tym samym językiem. Są co najmniej dwie formy notacji, które powinny być stosowane komplementarnie w zależności od natury procesów. Przykładowo, procesy prostsze, przewidywalne – tzw. deterministyczne – można opisać tradycyjną notacją narzędzi Business Process Management.

Nie zawsze jednak jest ona wystarczająca – w procesie o dużej liczbie zadań i złożonej strukturze możliwych przejść między nimi graf procesu staje się bardzo skomplikowany, co utrudnia jego zrozumienie i rozwijanie. Sytuację tę obrazuje poniższy diagram:

Z kolei dla procesów opartych na zdarzeniach, tzw. „spontanicznych”, bardziej odpowiednią formą opisu będzie metoda Case Management Model and Notation, opisująca warunki brzegowe udostępnienia zadania do uruchomienia.

Metody te, jak podkreśla Maciej Szlemiński, Business Automation Technical Professional w IBM, powinny się wzajemnie uzupełniać, zdarza się bowiem, że procesy są mieszane, na przykład gdy w wiodącym procesie strukturalnym pojawiają się pewne zadania ad hoc. W narzędziu workflow wspierającym obie notacje można budować aplikacje procesowe dla różnych procesów w różnych działach organizacji niezależnie od ich typu.

Od czego zacząć
Aby proces uznać za kwalifikujący się do automatyzacji, musi on spełniać trzy czynniki: być częsty, powtarzalny i występować w dużych wolumenach. Jeżeli ilość pracy ludzkiej, którą można zaoszczędzić i przenieść na inne zadania, wyniesie niewielki ułamek FTE, warto zastanowić się nad zasadnością całej operacji.

Istnieją jednak narzędzia pozwalające na zautomatyzowanie również i takich procesów – tzw. „strumienie pracy” (ang. workstream) – mówi Maciej Szlemiński. „Skonstruowanie definicji strumienia trwa niewiele dłużej niż napisanie maila z zadaniem do wykonania a jednocześnie pozwala na zaplanowanie nie jednego ale wszystkich kolejnych kroków, wraz z przypisaniem osób lub grup odpowiedzialnych za dany krok, określeniem kwantu czasu na jego wykonanie oraz pełną analityką tego, jak taki strumień przepłynął przez organizację” – tłumaczy.

Przygodę z automatyzacją najlepiej zacząć w sposób uproszczony (nawet w stosunku do procesów skomplikowanych) bo wówczas najszybciej da się zauważyć efekty – dowodzi tego przypadek Banku Pekao i automatyzacja obsługi… reklamacji.

Nie wdrożyliśmy wielkiego procesu obsługującego wszystkie ścieżki, wyjątki, ‘zawrotki’, czynności i zadania – stworzyliśmy prosty model obsługi sprawy, który ma kilka statusów. Patrzyliśmy na proces jak na sprawę, która ma etapy. Nie pokryliśmy funkcjonalnością wielu czynności w systemie, zautomatyzowany został tylko główny nurt, przebieg, reklamacji – wskazuje Jan Maria Kowalski, Director of Software Development banku.

Automatyzacja wysokowolumenowych procesów związanych z obsługą klienta, wymagających przetwarzania wielu codziennych spraw angażujących wielu ludzi, nie tylko upraszcza te procesy, ale również skraca je sprawiając, że przebiegają przez mniejszą liczbę systemów.

Magdalena Szczepańska, Head of Operation and Customer Service Department w Wiener, również zachęca do półautomatyzacji. „Jako towarzystwo ubezpieczeniowe oferujemy procedurę zwrotu składki. Ten bazujący na wielu zmiennych proces udało nam się w połowie zautomatyzować – człowiek na końcu nie weryfikuje, czy klient jest uprawniony do zwrotu składki, tylko klika przycisk „zwrot"” – mówi. Pozwoliło to zaoszczędzić firmie na pojedynczej transakcji ok. 3/4 FTE, dlatego warto szukać rozwiązań hybrydowych między tym, co może zrobić automat a tym co należy do kompetencji człowieka – dodaje.

Na co uważać
A co w sytuacji, gdy automatyzacja szwankuje, bo robot programowy nie potrafi przetworzyć danego zadania? W narzędziach RPA informacje o problemie czy niepowodzeniu zadania trafiają do logów systemowych, do których dostęp mają osoby technicznie odpowiedzialne za infrastrukturę RPA. Optymalnie robot powinien umieć raportować błędy do procesu, a ten powinien umieć błąd obsłużyć – zgłaszając to użytkownikowi systemu albo korygując dane, cofając się o krok na ścieżce procesowej i ponownie przetwarzając problematyczny etap.

Producenci rozwiązań RPA widząc, że automatyzacja zadań nie rozwiązuje takich problemów, rozbudowują funkcjonalność swoich narzędzi o moduły, będące swoistymi silnikami workflow. Ich zadaniem jest pozwolenie na wykonanie sekwencji zadań wykonywanej przez roboty i orkiestrowanie połączeń między nimi.

Platformy RPA, nawet te z możliwościami w zakresie orkiestracji zadań, mają problem z tym, jak zrealizować interfejs, listę zadań, miejsce, gdzie kolejkowane są czynności do wykonania – uważa Maciej Szlemiński. Tymczasem ta właściwość powinna być przynależna do rozwiązań workflow, a nie RPA.

Proces to dużo więcej niż sekwencja kroków, które będą w nim wykonane. Ważnym elementem procesu jest user experience – by proces był nowoczesny, responsywny, łatwy do zbudowania szczególnie bez głębokich umiejętności technicznych – przekonuje.

SI na pomoc
Sztuczna inteligencja już dziś może pomagać w pracy silników procesowych, na przykład optymalnie rozkładając zadania na „posiadaną” pulę pracowników oraz wykorzystując dane do opracowywania rekomendacji (czyli wspomagania pracownika przy podejmowaniu decyzji w ramach wykonywanych przez siebie zadań w procesach).

W pierwszym przypadku każde zadanie jest oceniane przez model maszynowy (badana jest m.in. szybkość realizacji, przepływy danych), który na tej podstawie może oszacować umiejętność wykonania danego zadania dla każdego pracownika. Następnie zadania są sortowane według tzw. oczekiwanego zysku: o ile sprawniej dane zadanie wykonałby pracownik X niż pozostali członkowie zespołu mający porównywalne (w kontekście danego typu zadania) kompetencje.

Taki system może przedstawić listę zadań indywidualnie dostosowaną do historii pracy. Odchodzimy więc od modelu, w którym pracownik wybiera sobie kolejne zadania do wykonania w oparciu o zestaw subiektywnych kryteriów, takich jak łatwość czy trudność, nastawienie psychiczne w danym dniu, itp.

W drugim przypadku czynności podejmowane przez pracowników trafiają do modelu maszynowego. Ten – po zbudowaniu odpowiedniego wolumenu danych – może zaproponować, czy decyzja, przed którą stoi pracownik, powinna być negatywna czy pozytywna (np. przyznanie kredytu), bo takie same kroki podjęto w określonej liczbie wcześniejszych spraw. A nawet automatyzować podejmowanie decyzji po osiągnięciu odpowiedniego progu pewności rekomendacji.

--

O różnych aspektach automatyzacji rozmawialiśmy w gronie ekspertów i praktyków w trakcie spotkania z cyklu Tech Camp „Robotyzacja zwiększa wydajność – ale czy wystarczająco?”, zorganizowanego przez CIONET we współpracy z firmą IBM.