Finančný tím skráti čas spracovania faktúr pomocou botov, no narazí na prekážku, keď dodávatelia zmenia formáty dokumentov, posielajú e-maily s chýbajúcimi políčkami alebo smerujú schvaľovanie cez výnimky. Práve v tomto bode sa diskusia o umelej inteligencii verzus RPA stáva praktickou, nie teoretickou. Väčšina vedúcich pracovníkov v podnikoch sa nerozhoduje medzi dvoma modernými technológiami. Rozhodujú sa, ako automatizovať prácu, ktorá je chaotická, premenlivá a úzko spätá s reálnymi obchodnými výsledkami.
Automatizácia pomocou umelej inteligencie vs. RPA: kľúčový rozdiel
RPA automatizuje štruktúrované úlohy založené na pravidlách tým, že napodobňuje ľudské činnosti v rôznych systémoch. Je vhodná najmä na úlohy, ako je kopírovanie údajov medzi aplikáciami, zosúlaďovanie polí, spúšťanie štandardných akcií alebo spracovávanie transakcií, ktoré prebiehajú podľa jasného postupu. Ak je proces stabilný a vstupné údaje sú predvídateľné, RPA môže priniesť rýchlu pridanú hodnotu.
Automatizácia pomocou umelej inteligencie zvládne úlohy, ktoré si vyžadujú interpretáciu, podporu pri rozhodovaní alebo prispôsobenie sa meniacim sa vstupným údajom. Namiesto toho, aby sa riadila iba vopred definovanými pravidlami, dokáže klasifikovať dokumenty, extrahovať údaje z nestruktúrovaného obsahu, zhrnúť informácie, rozpoznávať vzory a podporovať rozhodovanie na základe kontextu. Vďaka tomu je užitočná v prípadoch, keď práca zahŕňa e-maily, súbory PDF, voľný text, obrázky alebo výnimky, ktoré nezapadajú do prísneho scenára.
Najjednoduchšie to možno vyjadriť takto: RPA vyniká v vykonávaní úloh, umelá inteligencia zase v porozumení. V podnikových procesoch sú dôležité obidve.
Prečo sa toto porovnanie často podáva nesprávnym spôsobom
Skutočný problém nespočíva v tom, či je automatizácia prostredníctvom umelej inteligencie (AI) lepšia ako automatizácia prostredníctvom robotického automatizovania procesov (RPA), ako keby jedna nahrádzala druhú. Lepšou otázkou je, ktorá časť procesu vyžaduje deterministické vykonávanie a ktorá časť vyžaduje inteligenciu.
Mnohé automatizačné programy nedosahujú očakávané výsledky, pretože organizácia začína s nástrojmi namiesto návrhu procesov. Bot sa nasadí do neefektívneho pracovného toku. Umelá inteligencia sa aplikuje na údaje nízkej kvality. Výsledok je predvídateľný – vyššie náklady na údržbu, slabé prijatie a obmedzená škálovateľnosť.
Pre podniky s vysokou prevádzkovou náročnosťou je dôležité dodržať správne poradie krokov. Najskôr je potrebné zorganizovať pracovný tok. Potom je potrebné vybudovať pevný dátový základ. Až potom sa rozhodnite, kde prinesie merateľné prínosy štandardná automatizácia, umelá inteligencia alebo ich kombinácia. Práve takto sa automatizácia posúva od izolovaných pilotných projektov k celopodnikovej schopnosti.
Kde sa RPA osvedčuje najviac
RPA zostáva skvelou voľbou, ak potrebujete rýchlosť, konzistentnosť a kontrolu pri opakovaných procesoch. V oblasti zdieľaných služieb a back-office funkcií sa často vyskytuje množstvo vhodných prípadov použitia, najmä tam, kde tímy pracujú s ERP, CRM, staršími aplikáciami a webovými portálmi.
Medzi typické príklady patrí zadávanie objednávok zo štruktúrovaných zdrojov, aktualizácia kmeňových údajov, generovanie správ, zosúlaďovanie účtov, kontrola stavu reklamácií a štandardné kroky pri zaradení nových zamestnancov. V týchto prípadoch je logika procesu dostatočne stabilná na to, aby ju bot mohol vykonávať s vysokou presnosťou a s minimálnou potrebou interpretácie.
Obchodné zdôvodnenie je tiež jasné. RPA dokáže rýchlo znížiť manuálnu prácu, zvýšiť výkonnosť a zabezpečiť kontrolovateľnosť pri operáciách s veľkým objemom údajov. Tieto výhody však platia len vtedy, ak je príslušný proces štandardizovaný. Ak každá obchodná jednotka postupuje inak, náklady na údržbu botov rýchlo vzrastú.
Kde automatizácia pomocou umelej inteligencie prináša väčšiu pridanú hodnotu
Automatizácia pomocou umelej inteligencie nadobúda väčšiu hodnotu v prípadoch, keď práca zahŕňa variabilitu, s ktorou si tradičné roboty nevedia dobre poradiť. Ide napríklad o spracovanie faktúr v rôznych formátoch od dodávateľov, triedenie prichádzajúcich e-mailov v rámci zákazníckeho servisu, klasifikáciu dokumentov v zdravotníckej správe alebo riešenie výnimiek v oblasti nákupu a logistiky.
V týchto prípadoch nie je výzvou len presun údajov. Ide o to, aby sme sa zorientovali v neusporiadaných vstupných údajoch, identifikovali zámer a inteligentne smerovali prácu. Umelá inteligencia môže znížiť objem ručnej kontroly, zvýšiť podiel priameho spracovania a skrátiť cykly v procesoch, ktoré sa predtým považovali za príliš zložité na automatizáciu.
Uvedené však neznamená, že umelá inteligencia je skratkou, ktorá obchádza procesnú disciplínu. Ak sú obchodné pravidlá nejasné alebo sú zdrojové údaje roztrieštené, umelá inteligencia môže prinášať nekonzistentné výsledky. Táto technológia je síce výkonná, stále však závisí od riadenia, trénovacích údajov, kontrolných mechanizmov a jasného prevádzkového návrhu.
Náklady, údržba a riziko
Z investičného hľadiska sa automatizácia prostredníctvom RPA a umelej inteligencie (AI) správa odlišne.
RPA má zvyčajne jasnejší východiskový bod. Rozsah je ľahšie vymedziť, výsledky sa dajú ľahšie odhadnúť a prínos je viditeľný už v kratšom časovom horizonte. Nevýhodou je však krehkosť. Roboty sú závislé od aplikačných rozhraní, umiestnenia v teréne a konzistentnosti procesov. Ak sa systémy často menia alebo používatelia zavádzajú provizórne riešenia, náklady na údržbu stúpajú.
Automatizácia pomocou umelej inteligencie môže priniesť vyššiu dlhodobú hodnotu, pretože sa zameriava na zložitejšie procesy, ktoré si vyžadujú väčšie ľudské úsilie. Vyžaduje si však pevnejšie základy. Dôležitú úlohu zohrávajú kvalita údajov, správa modelov, prahové hodnoty výnimiek a návrh so zapojením človeka. Nákladový profil sa netýka len licencií. Zahŕňa aj návrh, monitorovanie, v niektorých prípadoch preškolenie a zodpovednosť zo strany podniku.
Riziká sa tiež líšia. Riziko spojené s RPA spočíva prevažne v prevádzkovej stabilite. Riziko umelej inteligencie zahŕňa nielen stabilitu, ale aj presnosť, vysvetliteľnosť, súlad s predpismi a kvalitu rozhodovania. V regulovaných prostrediach to nie sú vedľajšie otázky. Sú súčasťou obchodného zdôvodnenia.
Praktický rámec pre rozhodovanie
Podnikové tímy zvyčajne dosahujú lepšie výsledky, keď možnosti automatizácie posudzujú zo štyroch hľadísk: štruktúra procesu, variabilita vstupných údajov, dôležitosť pre podnikanie a rozsah.
Ak je proces založený na pravidlách, využíva štruktúrované údaje a prebieha vo veľkom objeme, RPA je často najrýchlejším riešením. Ak sa vstupné údaje výrazne líšia, dokumenty sú neštruktúrované alebo rozhodovanie závisí od kontextu, automatizácia pomocou umelej inteligencie si zaslúži dôkladné zváženie. Ak je proces kritický a výnimky so sebou nesú finančné riziko alebo riziko porušenia predpisov, návrh by mal zahŕňať riadenie a ľudskú kontrolu bez ohľadu na použitú technológiu.
Rozsah je konečným kritériom. Lokálna automatizácia, ktorá ušetrí pár minút, ale nedá sa štandardizovať naprieč regiónmi alebo funkčnými oblasťami, má zriedka strategický význam. Účinnejším prístupom je identifikovať opakujúce sa vzory v rámci celého podniku, definovať cieľový proces a následne použiť vhodnú kombináciu nástrojov.
Najvýkonnejší model sa zvyčajne kombinuje
Vo väčšine podnikových prostredí nie je najlepším riešením voľba medzi jedným alebo druhým. Je to koordinácia.
Umelá inteligencia dokáže čítať a klasifikovať prichádzajúci obsah, extrahovať relevantné údaje a posudzovať mieru spoľahlivosti. RPA potom môže vykonávať následné akcie v systémoch ERP, CRM alebo starších systémoch. Nástroje na riadenie pracovných postupov môžu smerovať výnimky na príslušný tím, zatiaľ čo riadiace panely sledujú objem, dobu spracovania a mieru zásahov.
Práve táto kombinácia často posúva automatizáciu z úrovne taktického znižovania pracovnej náročnosti na úroveň zlepšovania prevádzkového modelu. Vytvára systém, v ktorom sa štruktúrovaná práca vykonáva automaticky, nestruktúrovaná práca sa inteligentne interpretuje a výnimky sa riadia s dostatočnou prehľadnosťou.
Práve v tomto bode zlyhávajú mnohé roztrieštené automatizačné programy. Jeden tím nakupuje boty. Druhý tím experimentuje s umelou inteligenciou. Tretí má na starosti procesné ťaženie alebo pracovné toky. Bez jednotného modelu realizácie dochádza k úniku hodnoty v dôsledku duplicity, slabého riadenia a nejednotnej zodpovednosti.
Čomu by sa mali vedúci pracovníci v podnikoch vyhýbať
Najčastejšou chybou je automatizácia nefunkčného procesu len preto, že firma chce dosiahnuť rýchle výsledky. Rýchle výsledky majú svoje opodstatnenie, ale nie vtedy, ak vedú k plytvaniu. Ďalšou chybou je predpoklad, že umelá inteligencia sama vyrieši kolísanie v procesoch. To sa nestane. Môže síce do určitej miery kompenzovať určitú variabilitu, nemala by však nahradiť prepracovanie procesu.
Chybou je tiež hodnotiť technológiu oddelene od prevádzkových ukazovateľov. Ak je cieľom zníženie nákladov na obsluhu, skrátenie cyklov uzatvárania, zníženie počtu nevybavených požiadaviek alebo zlepšenie úrovne služieb, návrh automatizácie sa musí priamo zameriavať na dosiahnutie týchto výsledkov. V opačnom prípade sa program zmení na diskusiu o nástrojoch namiesto iniciatívy zameranej na výkonnosť.
Z tohto dôvodu vyspelé organizácie vnímajú automatizáciu ako súčasť širšieho transformačného programu. Zosúlaďujú excelentnosť procesov, dátovú architektúru, zavádzanie automatizácie a meranie výsledkov. Práve v tejto oblasti partner ako Ective zvyčajne prináša najväčšiu pridanú hodnotu – nie zavádzaním izolovaných nástrojov, ale prepojením redizajnu, dát, umelej inteligencie a automatizácie do jedného škálovateľného modelu.
Ako si vybrať správny ďalší krok
Ak sa rozhodujete medzi automatizáciou pomocou umelej inteligencie a RPA, začnite s prehľadom portfólia procesov. Zohľadnite objem, mieru výnimiek, systémové prostredie, mieru manuálnej práce a dôležitosť pre podnikanie. Následne rozdeľte príležitosti do troch skupín: štruktúrované úlohy pripravené na RPA, variabilné procesy vhodné pre automatizáciu riadenú umelou inteligenciou a nefunkčné pracovné toky, ktoré si vyžadujú prepracovanie ešte predtým, ako by sa mala uplatniť ktorákoľvek z týchto technológií.
Tento prístup prináša lepšiu ekonomickú efektívnosť. Zabraňuje nadmernému zloženiu jednoduchých prípadov použitia a podceňovaniu zložitosti tých komplikovanejších. A čo je ešte dôležitejšie, poskytuje vedúcim pracovníkom plán rozširovania namiesto súboru nesúvisiacich pilotných projektov.
Organizácie, ktoré dosahujú najlepšie výsledky, sú zvyčajne tie, ktoré prestanú uvažovať nad tým, ktorá technológia je vo všeobecnosti lepšia, a začnú sa zameriavať na to, ktorý prevádzkový model bude v ich prostredí fungovať lepšie. Táto zmena posúva diskusiu od nástrojov k výsledkom, a práve tam začína skutočná transformácia.
