La maggior parte dei programmi di automazione non fallisce per la debolezza degli strumenti. Falliscono perché nessuno si è messo d'accordo su chi può automatizzare cosa, su come gestire le eccezioni, su quali dati fidarsi e su come misurare il successo. Se vuoi sapere come costruire una governance dell'automazione, inizia da lì, non dalle funzionalità della piattaforma e non da una presentazione del centro di eccellenza.
Negli ambienti aziendali, la governance è ciò che trasforma i successi isolati in un modello operativo scalabile. Offre ai team aziendali la libertà necessaria per migliorare il lavoro, proteggendo al contempo l'organizzazione dalla frammentazione dei processi, dai bot duplicati, dalle falle di sicurezza e dall'automazione che si interrompe silenziosamente quando i sistemi a monte cambiano. Una buona governance non è burocrazia fine a se stessa, ma la struttura che mantiene l'automazione commercialmente utile.
Perché la governance dell'automazione è importante prima di scalare
L'automazione di solito inizia sotto pressione. Un team finanziario desidera una gestione più rapida delle fatture. Il reparto operativo ha bisogno di ridurre i passaggi manuali. I servizi condivisi vogliono ridurre l'arretrato senza aumentare l'organico. I progetti iniziali spesso generano valore rapidamente, creando slancio. Poi il portfolio cresce, team diversi acquistano strumenti diversi e nessuno ha un metodo condiviso per la definizione delle priorità, i controlli o l'assistenza.
È a questo punto che la governance dell'automazione diventa una questione aziendale, non solo una preoccupazione IT. Senza di essa, le organizzazioni tendono a creare ottimizzazioni locali che aumentano la complessità aziendale. Un team automatizza un processo difettoso. Un altro si basa su dati master inadeguati. Un terzo implementa un flusso di lavoro di cui nessuno si assume la responsabilità dopo il lancio. Il risultato è una maggiore manutenzione, una minore fiducia e un programma che fatica ad espandersi oltre una manciata di casi d'uso.
La governance dovrebbe impedire questa deriva. Dovrebbe definire i diritti decisionali, gli standard, le soglie di rischio e la gestione del ciclo di vita in modo da favorire la velocità anziché rallentarla. Questo equilibrio è fondamentale. Un eccesso di governance fa sì che l'azienda smetta di proporre idee. Una governance insufficiente, invece, rende la gestione dell'infrastruttura di automazione eccessivamente costosa.
Come costruire la governance dell'automazione partendo dal modello operativo
I modelli di governance più efficaci partono dal modello operativo, non dallo stack tecnologico. Prima di assegnare i controlli, è necessario decidere come l'automazione verrà gestita, finanziata e implementata in tutta l'azienda.
Partite dai processi e dai dati, non solo dalla richiesta di automazione
Un errore comune è quello di considerare l'automazione come l'obiettivo primario della governance. In pratica, il processo dovrebbe venire prima di tutto. Se il flusso di lavoro sottostante è instabile, pieno di eccezioni o dipendente da dati errati, la governance deve individuarlo tempestivamente e imporre una decisione di riprogettazione.
Questo aspetto è particolarmente importante nelle funzioni aziendali con elevati volumi di transazioni. Automatizzare un processo inefficiente può mascherare l'inefficienza per un certo periodo, ma non la elimina. Spesso, anzi, rende più difficile migliorarlo in seguito, poiché il lavoro è ormai integrato in script, flussi di lavoro e integrazioni. La governance dovrebbe quindi richiedere una qualificazione di base del processo prima che un caso d'uso venga implementato. Ciò significa comprendere le regole aziendali, i percorsi di eccezione, le dipendenze dei dati, i punti di contatto del sistema e il caso d'uso previsto.
Definire la proprietà a tre livelli
La governance dell'automazione si sgretola rapidamente quando la responsabilità è vaga. Nella maggior parte delle organizzazioni, è necessaria una chiara attribuzione di responsabilità a tre livelli: responsabilità aziendale, responsabilità tecnica e governance della piattaforma.
Il responsabile aziendale è responsabile dei risultati dei processi, dell'allineamento alle politiche e della realizzazione dei benefici. Il responsabile tecnico è responsabile della progettazione della soluzione, del controllo delle modifiche, del modello di supporto e delle dipendenze di sistema. La governance della piattaforma, sia essa gestita dal reparto IT, da un team centrale di automazione o da una funzione congiunta, definisce gli standard per la sicurezza, l'architettura, l'accesso, la riutilizzabilità e la gestione delle release.
Questi ruoli dovrebbero essere espliciti fin dall'inizio. Se un bot non funziona perché l'applicazione di origine è cambiata, chi lo risolve? Se un flusso di lavoro assistito dall'IA inizia a produrre risultati di bassa qualità, chi decide se mantenerlo in produzione? Se un caso d'uso consente di risparmiare tempo ma aumenta il rischio di non conformità, chi ha il diritto di veto? Una buona governance risponde a queste domande prima che si verifichino incidenti.
Costruire un quadro di governance che supporti l'esecuzione
Una volta definito il modello operativo, il passo successivo consiste nel formalizzare la governance in modo che i team possano effettivamente utilizzarla. Il framework deve essere pratico, documentato e collegato alle fasi di implementazione.
Definire i criteri di ammissione per i candidati all'automazione
Non tutti i processi dovrebbero essere automatizzati e la governance deve renderlo evidente fin da subito. Un solido framework di acquisizione valuta i casi d'uso in base alla maturità del processo, al volume, al tasso di eccezioni, alla stabilità delle regole, alla qualità dei dati, alla sensibilità in termini di conformità e alla complessità dell'integrazione. Dovrebbe inoltre verificare se l'automazione sia effettivamente la soluzione più adatta.
A volte la soluzione giusta è semplificare i processi. Altre volte è correggere i dati. A volte una lacuna nella reportistica viene scambiata per un problema di flusso di lavoro. La governance dovrebbe proteggere gli investimenti assicurandosi che i team non automatizzino i sintomi.
Standardizzare i principi di progettazione e i controlli
Ogni programma di automazione su larga scala necessita di standard condivisi. Questi dovrebbero riguardare convenzioni di denominazione, requisiti di documentazione, registrazione, tracciabilità, controlli di accesso, gestione delle eccezioni, protocolli di test, procedure di rilascio e passaggio di consegne al supporto. Se l'intelligenza artificiale è parte integrante del sistema, la governance deve prevedere anche regole per la gestione tempestiva, la revisione umana, il rischio del modello, la convalida dell'output e i limiti di utilizzo dei dati.
È qui che molte organizzazioni si lasciano guidare dagli strumenti anziché dalle politiche. Si affidano alle impostazioni di controllo presenti all'interno di una piattaforma e presumono che siano sufficienti. Di solito non lo sono. La governance dovrebbe essere sufficientemente indipendente da poter essere applicata a diversi fornitori e tipologie di automazione, che si tratti di RPA, orchestrazione di flussi di lavoro, elaborazione di documenti o supporto decisionale basato sull'intelligenza artificiale.
Utilizzare i cancelli di fase senza creare ritardi
Un quadro di governance dovrebbe seguire il ciclo di vita di una risorsa di automazione: acquisizione, valutazione, progettazione, realizzazione, test, implementazione, monitoraggio e gestione delle modifiche. Ogni fase richiede approvazioni e prove chiare, ma non tutte le automazioni necessitano dello stesso livello di revisione.
È qui che entra in gioco la governance basata sul rischio. Un flusso di lavoro interno a basso rischio, senza impatto sui clienti e con una sensibilità dei dati limitata, dovrebbe essere più rapido di un processo che coinvolge controlli finanziari, informazioni sui pazienti o reportistica normativa. Il principio è semplice: standardizzare il percorso, quindi variare l'intensità dei controlli in base al rischio.
Le metriche sono parte integrante della governance, non un elemento da aggiungere a posteriori
Le organizzazioni spesso monitorano i risparmi dopo l'implementazione dell'automazione, ma la governance richiede una misurazione più ampia. Se si desidera un portfolio scalabile, è necessaria visibilità sia sullo stato operativo che sul valore aziendale.
Le metriche più appropriate si suddividono generalmente in quattro gruppi: prestazioni di consegna, stabilità operativa, risultati aziendali e conformità ai controlli. Le prestazioni di consegna comprendono i tempi di ciclo, la produttività e la qualità della pipeline. La stabilità operativa comprende i tassi di errore, i volumi di eccezioni, le rilavorazioni e la domanda di supporto. I risultati aziendali comprendono le ore risparmiate, la riduzione dei costi, i livelli di servizio e la riduzione degli errori. La conformità ai controlli comprende i risultati degli audit, i problemi di accesso, la completezza della documentazione e la conformità alle politiche.
Non tutte le metriche sono adatte a una dashboard direzionale, ma i responsabili della governance hanno bisogno di questi dati per individuare schemi ricorrenti. Se le automazioni falliscono sistematicamente dopo il rilascio delle applicazioni, il problema potrebbe risiedere nel coordinamento delle modifiche. Se i tassi di eccezione rimangono elevati, il processo potrebbe non essere ancora sufficientemente maturo per l'automazione. Se i benefici effettivi sono inferiori a quelli previsti dal business case, la responsabilità dopo l'implementazione potrebbe essere debole.
Il modello di governance deve essere adatto alla vostra organizzazione
Non esiste un unico modello per la governance dell'automazione. Il modello più adatto dipende dalle dimensioni del sistema, dall'esposizione normativa, dalle capacità interne e dal livello di maturità del programma di trasformazione.
Un modello centralizzato può funzionare bene nelle fasi iniziali perché crea controllo, coerenza e risorse riutilizzabili. Il rovescio della medaglia è che la domanda può diventare un collo di bottiglia. Un modello federato offre alle unità aziendali maggiore autonomia e può aumentare l'adozione, ma solo se gli standard centralizzati sono sufficientemente solidi da prevenire la frammentazione. I modelli ibridi sono spesso i più pratici nelle imprese complesse: governance e architettura centralizzate, con erogazione distribuita allineata alle funzioni aziendali.
Lo stesso vale per i finanziamenti e la definizione delle priorità. Se ogni dipartimento finanzia le proprie automazioni senza una visione d'insieme a livello aziendale, la duplicazione è quasi inevitabile. Se tutto passa attraverso un unico ciclo di bilancio annuale, il programma potrebbe diventare troppo lento. Una governance efficace crea una visione d'insieme, preservando al contempo la possibilità di miglioramenti a livello locale.
Errori comuni che indeboliscono la governance
L'errore più grande è considerare la governance come un livello di controllo aggiunto dopo che l'automazione ha iniziato a diffondersi su larga scala. A quel punto, i team lavorano già in modo intercambiabile. È possibile adattare gli standard a posteriori, ma è un processo più lento e complesso, che richiede una maggiore dose di intrighi politici rispetto alla definizione delle aspettative fin dall'inizio.
Un altro problema comune è la separazione tra governance dell'automazione, governance dei processi e governance dei dati. In realtà, sono strettamente interconnesse. Se la responsabilità dei processi non è chiara o i dati master non sono affidabili, la governance dell'automazione da sola non può compensare questo problema. Per questo motivo, i programmi di trasformazione maturi integrano la governance nell'intero ciclo di cambiamento, anziché in compartimenti stagni.
Un terzo errore consiste nel concentrarsi troppo sulle approvazioni e troppo poco sulla manutenibilità. La governance non dovrebbe limitarsi a chiedersi se un'automazione può essere implementata, ma dovrebbe anche valutare se l'organizzazione è in grado di mantenerla, monitorarla e adattarla in caso di cambiamenti a livello di sistemi, regole o volumi.
In Ective, è per questo che la governance dell'automazione viene generalmente progettata come parte di un modello di modernizzazione più ampio, in cui la riprogettazione dei processi, la struttura dei dati, gli standard di erogazione e la misurazione lavorano insieme anziché competere per il controllo.
Come si presenta il bene nella pratica
Un modello di governance solido è visibile nelle operazioni quotidiane. I team aziendali sanno come presentare e valutare le idee. Gli architetti sanno quali standard si applicano. I team di rischio e conformità sanno quando intervenire. I team di supporto sanno cosa è stato implementato e chi ne è responsabile. I leader possono vedere quali automazioni generano valore e quali creano problemi.
Questo tipo di governance non rallenta l'automazione, bensì la rende possibile su larga scala. Riduce le rilavorazioni, aumenta la fiducia e offre ai responsabili delle decisioni un collegamento più chiaro tra investimento e risultato.
Se la vostra organizzazione si chiede come implementare una governance dell'automazione, la vera domanda è quanto disciplinato si desidera che diventi il proprio portfolio di automazione. Prima si risponde a questa domanda, definendo chiaramente le responsabilità, qualificando i processi e introducendo controlli misurabili, più facile sarà scalare il sistema senza perdere il controllo.
