Prečo sa projekty podnikovej automatizácie zastavujú

Finančný tím automatizuje spracovanie faktúr a znižuje manuálne zásahy v jednej obchodnej jednotke. Tím zdieľaných služieb vytvára úspešného bota pre nástup zamestnancov. Prevádzkový tím pilotuje klasifikáciu dokumentov s pomocou umelej inteligencie. Potom sa pokrok spomalí. Výnimky sa hromadia, vlastníctvo sa stáva nejasným a ďalšie nasadenie trvá dlhšie ako prvé.

Tento vzorec vysvetľuje, prečo projekty automatizácie podnikov stagnujú. Problémom zriedkakedy je nedostatok automatizačného softvéru alebo technických možností. Častejšie sa organizácie snažia automatizovať fragmentované pracovné postupy na základe nekonzistentných údajov, nejasných rozhodnutí a prevádzkových modelov, ktoré nikdy neboli navrhnuté na škálovanie.

Výsledkom je skôr súbor sľubných pilotných projektov než automatizačná funkcia, ktorá by zlepšila náklady, rýchlosť, kontrolu a kvalitu služieb v celom podniku.

Prečo projekty podnikovej automatizácie po počiatočnom úspechu stagnujú

Prvé pilotné projekty sa zvyčajne vyberajú, pretože sú viditeľné, ohraničené a relatívne ľahko implementovateľné. Dokazujú, že technológia dokáže vykonať úlohu. Dokázať však, že úlohu je možné automatizovať, nie je to isté ako dokázať, že obchodný proces je pripravený fungovať inak.

V podnikovom meradle musí automatizácia fungovať naprieč obchodnými jednotkami, systémami, typmi výnimiek, bezpečnostnými požiadavkami a zmenami politík. Po spustení si vyžaduje jasné vlastníctvo. Musí prinášať sledovateľné výsledky, ktorým môžu dôverovať finančné, prevádzkové, IT a dodržiavanie predpisov. Pilotný program môže uspieť bez riešenia týchto podmienok. Škálovaný program nie.

Toto rozlíšenie je dôležité, pretože mnohé programy sú financované a riadené ako technologické iniciatívy, zatiaľ čo obmedzenia spočívajú v návrhu procesov a obchodných operáciách. Tímy si kupujú platformu, školia vývojárov a vytvárajú nevybavené dodávky. Základný proces však zostáva plný lokálnych riešení, duplicitných schválení, neúplných kmeňových údajov a rozhodnutí, ktoré existujú iba v hlavách skúsených zamestnancov.

Automatizácia tieto slabiny rýchlo odhalí. Nevytvára ich, ale znemožňuje ich ignorovanie.

Štyri podmienky, ktoré určujú, či sa automatizácia škáluje

1. Proces je dostatočne stabilný na automatizáciu

Automatizácia je najefektívnejšia, keď má proces jasný účel, definované vstupy a výstupy, konzistentné pravidlá rozhodovania a zvládnuteľnú cestu k výnimkám. Mnohé podnikové procesy tento štandard nespĺňajú. Vyvinuli sa prostredníctvom akvizícií, zmien systému, aktualizácií regulačných orgánov a preferencií miestnych oddelení.

Predstavte si správu objednávok vo výrobnom podniku. Jeden tím môže overovať záznamy zákazníkov v ERP systéme, iný môže uchovávať podrobnosti o produktoch v tabuľkovom procesore a tretí môže riešiť cenové výnimky prostredníctvom e-mailu. Automatizovaná vrstva môže presúvať informácie medzi týmito systémami, ale nedokáže spoľahlivo vyriešiť konfliktné pravidlá alebo chýbajúcu zodpovednosť.

Riešením nie je čakať na dokonalý proces. Dokonalosť môže akciu oddialiť na neurčito. Praktickou požiadavkou je zjednodušenie pred automatizáciou: odstránenie zbytočných odovzdávaní úloh, štandardizácia opakujúcich sa rozhodnutí, definovanie kategórií výnimiek a identifikácia oblastí, kde ľudský úsudok skutočne prináša pridanú hodnotu. Proces s 10 variáciami môže byť stále automatizovateľný, ale nemal by sa považovať za jeden pracovný postup s jednou sadou pravidiel.

2. Dáta sú dostupné, dôveryhodné a prepojené

Pracovný postup je spoľahlivý len tak, ako sú spoľahlivé dáta, ktoré ho riadia. Podniky to často podceňujú, pretože manuálne tímy každý deň kompenzujú slabé dáta. Rozpoznajú názov dodávateľa zadaný inak, vedia, ktorá správa je zastaraná, alebo zavolajú kolegovi, keď je záznam o zákazníkovi neúplný. Automatizácia sa nemôže spoliehať na tieto neformálne znalosti.

Nízka kvalita údajov sa mení na neúspešné overenia, nesprávne smerovanie, duplicitnú prácu a nízku dôveru používateľov. V pracovných postupoch s využitím umelej inteligencie je riziko väčšie: neštruktúrované, nekonzistentné alebo zle riadené údaje môžu vytvárať výstupy, ktoré vyzerajú dôveryhodne, ale nemožno im z prevádzkového hľadiska dôverovať.

Pripravenosť dát si nevyžaduje viacročný dátový program pred každou automatizačnou iniciatívou. Vyžaduje si disciplínu. Tímy musia zaviesť autoritatívne zdroje dát, definovať vlastníctvo dát, merať kritické problémy s kvalitou a vytvoriť pravidlá pre nakladanie s chýbajúcimi alebo konfliktnými informáciami. V prípadoch, keď zdrojové systémy ešte nie je možné opraviť, môže byť správnym kompromisom medzivrstva dát alebo krok riadeného overovania.

Kľúčom je urobiť toto rozhodnutie zámerne. Považovať čistenie údajov za neplánovaný problém v následnom procese je jedným z najrýchlejších spôsobov, ako zvýšiť náklady na údržbu a zastaviť zavádzanie.

3. Riadenie je postavené na prevádzke, nie len na jej realizácii

Bežný bod zlyhania sa objaví po oslave spustenia. Projektový tím sa rozpustí, zatiaľ čo obchodní používatelia, IT podpora a vlastníci procesov predpokladajú, že automatizáciu vlastní niekto iný.

Kto schvaľuje zmenu, keď sa zmení politika? Kto monitoruje objemy, zlyhania a trendy výnimiek? Kto rozhoduje, či nová požiadavka patrí do existujúceho pracovného postupu alebo si vyžaduje redizajn procesu? Kto je zodpovedný, keď automatizácia vygeneruje nesprávnu transakciu?

Bez jasných odpovedí sa aj užitočné automatizácie stávajú krehkými. Tímy váhajú s ich zmenami, riešenie incidentov trvá príliš dlho a nevybavené požiadavky sa zapĺňajú ojedinelými požiadavkami, ktoré nie je možné uprednostniť vzhľadom na obchodnú hodnotu.

Efektívne riadenie by malo prepájať obchodné a technologické rozhodnutia. Vlastník procesu je zodpovedný za výkon a politiku. Technický vlastník je zodpovedný za spoľahlivosť, bezpečnosť a integračné štandardy. Vlastník hodnoty potvrdzuje, či sa očakávané prínosy realizujú. V prípade veľkých programov môže centrálna automatizačná funkcia zaviesť opakovane použiteľné štandardy, zatiaľ čo obchodné jednotky si ponechajú zodpovednosť za výsledky procesov.

Centralizácia nie je vždy správny model. Vysoko špecializované divízie môžu potrebovať lokálnu dodaciu kapacitu. Lokálne tímy však stále potrebujú zdieľanú architektúru, bezpečnostné kontroly, vývojové postupy a štandardy merania. V opačnom prípade podnik nahradí manuálnu fragmentáciu fragmentovaným automatizovaným komplexom.

4. Úspech sa meria viac než len ušetrenými hodinami

Ušetrené hodiny sú užitočné, najmä keď proces má vysoký objem a opakujúcu sa prácu. Nestačia však na riadenie podnikového programu. Bot môže ušetriť prácu a zároveň zvýšiť riziko spracovania výnimiek, vytvoriť skryté riziká kontrol alebo presunúť prácu na iný tím.

Silnejší obchodný prípad meria prevádzkovú výkonnosť. V závislosti od procesu to môže zahŕňať čas cyklu, rýchlosť priameho spracovania, zníženie chýb, náklady na transakciu, zníženie nevybavených objednávok, výkonnosť v oblasti dodržiavania predpisov, konverziu hotovosti a čas odozvy zákazníkov. Dôležitá je aj spoľahlivosť automatizácie: miera zlyhaní, čas obnovy, dodacia lehota zmien a počet manuálnych zásahov odhaľujú, či riešenie dokáže fungovať vo veľkom meradle.

si stanovte základ týchto opatrení . Po spustení ich potom v definovanej frekvencii skontrolujte. Tým sa zmení konverzácia z „Koľko botov sme nasadili?“ na „Ktoré prevádzkové výsledky sa zlepšili a kde je ďalšie obmedzenie?“.

Skryté úzke hrdlo: Výnimky

Vo väčšine automatizačných návrhov sa pozornosť sústreďuje na „šťastnú cestu“. Výnimky určujú, či riešenie prináša hodnotu v reálnej prevádzke.

Pracovný postup spracovania záväzkov z účtov môže automaticky spracovať štandardné faktúry, ale zastaviť sa, keď chýba objednávka, daňové informácie sú neúplné alebo dodávateľ zmení bankové údaje. Ak sa tieto prípady jednoducho smerujú do zdieľanej poštovej schránky, organizácia skôr prekážku posunula, než odstránila.

Vysoko výkonné programy považujú výnimky za operačnú inteligenciu. Kategorizujú príčiny, merajú frekvenciu a čas riešenia a zistenia používajú na zlepšenie pravidiel procesov a kvality údajov. Niektoré výnimky by sa mali po analýze automatizovať. Iné by mali zostať ľudskými rozhodnutiami, pretože riziko, úsudok alebo nízky objem neopodstatňujú automatizáciu.

Tu sa kombinovaný prístup zameraný na procesy, dáta a automatizáciu podstatne líši od programu zameraného na nástroje. Cieľom nie je maximálna automatizácia za každú cenu. Ide o kontrolovaný pracovný postup so správnou rovnováhou medzi priamym spracovaním a ľudským zásahom.

Lepšia cesta od pilotného projektu k podnikovým schopnostiam

Organizácie, ktoré úspešne škálujú, nemusia nevyhnutne začínať s najväčším alebo najzložitejším procesom. Začínajú s prioritným procesom, ktorý má merateľnú náročnosť, zodpovednosť vedenia, dostatočný prístup k údajom a realistickú cestu k štandardizácii. Prvá implementácia by mala zaviesť opakovane použiteľné vzorce pre príjem, hodnotenie procesov, architektúru, kontroly, testovanie, monitorovanie a podporu.

Ďalšia vlna by mala byť vybraná ako portfólio, nie ako rad, v ktorom sa ktokoľvek opýta prvý. Porovnávajte príležitosti podľa objemu transakcií, obchodného vplyvu, zrelosti procesov, pripravenosti údajov, technickej zložitosti a rizika. Proces s nižším objemom, ale s významným vplyvom na dodržiavanie predpisov alebo zákazníka, si môže zaslúžiť prednosť pred úlohou s vysokým objemom a nestabilnými zdrojovými údajmi.

Pomáha to tiež zoradiť ambície. Začnite digitalizáciou a štandardizáciou pracovného postupu. Zaveďte automatizáciu založenú na pravidlách tam, kde sú rozhodnutia explicitné. Aplikujte umelú inteligenciu alebo GenAI tam, kde dokumenty, jazyk, klasifikácia alebo vyhľadávanie znalostí vytvárajú skutočné obmedzenie. Umelá inteligencia by mala zlepšiť definovaný pracovný postup, nie sa stať neriadenou vrstvou nad ním.

Pre podniky s rastúcou automatizačnou infraštruktúrou tento prístup znižuje rozširovanie dodávateľov a záťaž údržby. Vytvára spoločný pohľad na výkonnosť procesov a jasnejší základ pre investičné rozhodnutia. Spoločnosť Ective uplatňuje tento integrovaný model prepojením redizajnu procesov, dátovej architektúry, inteligentnej automatizácie a prevádzkového merania do jednej dodacej cesty.

Najužitočnejšia otázka nie je: „Čo môžeme automatizovať ďalej?“ Namiesto toho sa opýtajte: „Čo bráni tomuto pracovnému postupu v predvídateľnom fungovaní vo veľkom rozsahu?“ Odpoveďou môže byť automatizácia, ale môže to byť aj rozhodovacie pravidlo, vlastník údajov, zbytočné schválenie alebo výnimka, ktorá bola akceptovaná príliš dlho. Najprv vyriešte toto obmedzenie a automatizácia sa stane trvalou prevádzkovou výhodou a nie ďalším zastaveným projektom.

Najlepšie konzultačné firmy pre podnikovú automatizáciu

Zlyhávajúci automatizačný program zriedka zlyhá preto, že softvér nedokáže vykonať úlohu. Zlyhá preto, že proces bol nestabilný, dáta boli nekonzistentné, vlastníctvo nebolo jasné alebo práca bola odovzdaná od jedného špecializovaného dodávateľa druhému. Preto hodnotenie najlepších konzultačných firiem zameraných na podnikovú automatizáciu si vyžaduje viac než len porovnávanie certifikácií platforiem alebo hodinových sadzieb.

Pre vedúcich prevádzky je skutočnou otázkou, či firma dokáže premeniť vysokoobjemový, medzifunkčný pracovný postup na kontrolovanú prevádzkovú schopnosť. To znamená zlepšiť proces pred jeho automatizáciou, prepojiť správne údaje, nasadiť technológie v správnom poradí a preukázať výsledky na základe obchodných ukazovateľov, ktorým dôverujú financie, prevádzka aj IT.

Čo odlišuje najlepšie konzultačné firmy v oblasti podnikovej automatizácie

Neexistuje jediná firma, ktorá by bola najlepšia pre každý podnik. Globálny výrobca, ktorý nahrádza finančné pracovné postupy v 30 krajinách, potrebuje iný model poskytovania služieb ako poskytovateľ zdravotnej starostlivosti, ktorý automatizuje príjem, reklamácie a servisné operácie. Najsilnejší partneri však zdieľajú niekoľko charakteristík: automatizáciu vnímajú ako operačný model, nie ako súbor botov; môžu pracovať naprieč obchodnými a technologickými tímami; a zostávajú zodpovední aj po počiatočnej implementácii.

Prvým rozlišovacím znakom je redizajn procesov. Automatizácia procesu s nepotrebnými schváleniami, duplicitnými kontrolami a nejasnými cestami k výnimkám jednoducho urýchľuje nekvalitnú prácu. Schopná konzultačná firma pred výberom automatizácií zmapuje súčasný stav, identifikuje medzery v plytvaní a kontrole a navrhne pracovný postup pre budúci stav. Toto je obzvlášť dôležité v oblasti zdieľaných služieb, obstarávania, správy objednávok, finančných operácií a servisných centier, kde výnimky môžu spotrebovať viac úsilia ako štandardné transakcie.

Druhým je dátová kapacita. Automatizácia podniku závisí od spoľahlivých kmeňových údajov, zdokumentovaných definícií, prístupných zdrojových systémov a praktickej integračnej architektúry. Konzultant, ktorý začína s robotickou automatizáciou procesov a ignoruje fragmentované údaje o zákazníkoch, dodávateľoch, produktoch alebo finančných údajoch, môže poskytnúť rýchly pilotný projekt. Bude však ťažké vytvoriť škálovateľné automatizované prostredie.

Tretím je zodpovednosť za dodávku. Podniky by mali hľadať partnera, ktorý dokáže prejsť od diagnostiky cez návrh, implementáciu, riadenie zmien až po riadenú podporu. Rozdelenie stratégie, dátového inžinierstva, vývoja automatizácie a prevádzkovej podpory medzi samostatných dodávateľov sa môže zdať flexibilné. V praxi to často spomaľuje rozhodovanie a vytvára medzery v zodpovednosti.

Typy firiem, ktoré je potrebné zvážiť

Trh zahŕňa niekoľko dôveryhodných typov firiem. Správna voľba závisí od rozsahu programu, regulačných požiadaviek, internej vyspelosti a od toho, či organizácia potrebuje cielený automatizačný projekt alebo širšiu modernizáciu.

Globálne transformačné konzultácie

Veľké firmy ako Accenture, Deloitte, IBM Consulting, Capgemini a Cognizant sú často zvažované pre nadnárodné transformačné programy. Medzi ich silné stránky patrí globálna dodacia kapacita, rozsiahle postupy v odvetví, zdroje riadenia zmien a skúsenosti s prácou vo veľkých prostrediach ERP, CRM, cloudu a analytiky.

Môžu byť vhodné pre podniky so zložitými štruktúrami riadenia, viacerými obchodnými jednotkami a potrebou koordinovať technologickú transformáciu naprieč regiónmi. Nevýhodou je, že modely angažovanosti môžu byť drahé a vrstvené. Vrcholoví manažéri by si mali ujasniť, kto bude viesť každodennú prácu, ako sa budú rozhodnutia eskalovať a či tím bude prepracovávať procesy alebo primárne konfigurovať technológie.

Špecialisti na prevádzku a zdieľané služby

Firmy so silným zázemím v oblasti služieb obchodných procesov, vrátane spoločnosti Genpact a podobných poskytovateľov, môžu byť presvedčivé, ak je cieľom zlepšiť financie, obstarávanie, prevádzku zákazníkov alebo iné funkcie s vysokým podielom transakcií. Často prinášajú praktické znalosti metrík poskytovania služieb, riadenia pracovnej záťaže, kontrol a spracovania výnimiek.

Tento model funguje obzvlášť dobre, keď podnik chce popri automatizácii aj redizajn prevádzky. Kupujúci by si však mali overiť, či sa firma dokáže integrovať s existujúcou architektúrou a preniesť kapacity späť na interné tímy, ak outsourcing nie je súčasťou dlhodobého plánu.

Partneri automatizácie riadení platformami

Mnohé konzultačné spoločnosti sa špecializujú na platformy ako UiPath, Automation Anywhere, Microsoft Power Automate, ServiceNow, SAP alebo Salesforce. Tieto firmy dokážu urýchliť implementáciu s jasne vymedzeným rozsahom, najmä ak si organizácia už vybrala svoj technologický balík a má stabilnú procesnú dokumentáciu.

Ich obmedzenie je zároveň aj ich výhodou: zameranie na platformu. Ak obchodný problém zahŕňa nízku kvalitu údajov, nesúvisiace systémy, nejasné vlastníctvo procesov alebo potrebu podpory rozhodovania s využitím umelej inteligencie, zameranie sa na platformu nemusí vyriešiť celý problém. Opýtajte sa partnera, ako zvláda redizajn a integráciu v rámci upstreamu, namiesto toho, aby ste predpokladali, že automatizačná platforma tieto problémy vyrieši.

Integrovaní modernizační partneri

Pre stredne veľké a veľké podniky, ktoré potrebujú zlepšenie procesov, architektúru dát, inteligentnú automatizáciu a umelú inteligenciu, aby fungovali ako jeden program, môže integrovaný transformačný partner znížiť počet odovzdávaní úloh a zvýšiť rýchlosť realizácie. Spoločnosť Ective funguje v tomto modeli, ktorý kombinuje redizajn pracovných postupov, správu dát, automatizáciu, dashboardy a dlhodobú podporu pod jednou strechou.

Tento prístup je najcennejší, keď automatizácia nie je izolovanou iniciatívou. Napríklad automatizácia procesu od objednávky po preplatenie môže vyžadovať čistejšie údaje o zákazníkoch a produktoch, prepracované pravidlá schvaľovania, integráciu ERP, analýzu dokumentov, správu výnimiek a prevádzkové dashboardy. Zaobchádzanie s každou zložkou ako so samostatným projektom zvyšuje náklady na koordináciu a sťažuje meranie obchodných výsledkov.

Vyhodnoťte hĺbku doručenia, nielen poverenia

Značky platformy a pôsobivé logá klientov sú užitočnými signálmi, ale nedokazujú, že konzultačná firma dokáže dosiahnuť výsledok na úrovni podniku. Dôkladnejšie hodnotenie skúma, ako firma funguje od prvého zisťovania až po stabilizáciu po spustení.

Začnite s objavovaním procesov. Firma by mala byť schopná kvantifikovať objemy transakcií, časy spracovania, prepracovanie, mieru chybovosti, typy výnimiek, požiadavky na dodržiavanie predpisov a body kontaktu so systémom. Neurčité tvrdenia o efektívnosti nestačia. Dôveryhodný obchodný prípad identifikuje náklady súčasného stavu a vysvetľuje, ktoré časti hodnoty budú pochádzať zo zjednodušenia procesov, automatizácie, vylepšených údajov alebo lepšej viditeľnosti pracovnej záťaže.

Ďalej zhodnoťte architektúru a integráciu. Podniková automatizácia často pretína ERP systémy, úložiská dokumentov, CRM platformy, e-maily, portály, staršie aplikácie a analytické nástroje. Konzultačný tím by mal vysvetliť, kedy použiť API, orchestráciu pracovných postupov, spracovanie dokumentov, RPA, modely umelej inteligencie alebo ľudskú kontrolu. Odpoveďou by nemal byť vždy bot. V mnohých prípadoch je integrácia API alebo zmena pracovného postupu menej riziková a ľahšie sa udržiava.

Potom preskúmajte riadenie. Automatizácia vo veľkom rozsahu si vyžaduje jasného vlastníka produktu, prioritizovaný proces, vývojové štandardy, bezpečnostné kontroly, monitorovanie, správu vydaní a model na spracovanie zmenených procesov alebo aplikácií. Firmy, ktoré dokážu dodať pilotný projekt, ale nedokážu zaviesť tieto disciplíny, môžu vytvoriť rad krehkých automatizácií, ktoré IT a prevádzka neskôr zdedia.

Otázky, ktoré odhaľujú, že je vhodné byť včasný

Krátka predajná prezentácia neukáže, či firma dokáže zvládnuť komplexnosť podniku. Proces obstarávania a výberu by mal otestovať jej pracovné metódy.

Požiadajte firmu, aby vám prešla porovnateľným procesom vrátane toho, čo bolo prepracované pred automatizáciou, aké problémy s údajmi sa vyskytli, aké boli integrované systémy, miera výnimiek a prevádzkové metriky použité po spustení. Požiadajte o príklady, kedy bolo pôvodné riešenie zmenené, pretože zistenie ukázalo, že automatizácia nebola najlepším riešením.

Tiež sa opýtajte, kto je zodpovedný za výsledky. Najsilnejšia odpoveď spája konzultačný tím s merateľnými cieľmi, ako je skrátený čas cyklu, menej manuálnych zásahov, lepšia presnosť prvého prechodu, lepšie včasné spracovanie a menej nevyriešených výnimiek. Buďte opatrní, keď návrh meria úspech najmä nasadenými botmi, vytvorenými pracovnými postupmi alebo aktivovanými licenciami. Ide o výstupy dodania, nie obchodné výsledky.

Nakoniec otestujte model odovzdania. Vaše tímy potrebujú dokumentáciu, školenie, monitorovacie postupy a praktický spôsob, ako zlepšiť automatizácie po nasadení. Niektoré podniky potrebujú centrum excelentnosti; iné potrebujú spravovanú službu s jasnými úrovňami služieb. Správny model závisí od interných zručností a rozsahu programu, ale zodpovednosť musí byť explicitná.

Vytvorte výber okolo skutočného procesu

Najspoľahlivejším spôsobom, ako si vybrať partnera, je hodnotiť firmy na základe skutočného, ​​vysokohodnotného pracovného postupu, a nie na základe všeobecného kontrolného zoznamu schopností. Vyberte si proces s dostatočným objemom, viditeľnými problémami, definovanými zainteresovanými stranami a kombináciou štandardných a výnimočných prípadov. Bežnými kandidátmi sú záväzky voči dodávateľom, zaškolenie zákazníkov, riešenie reklamácií, plánovanie údržby a spracovanie objednávok.

Vyžiadajte si štruktúrovaný pohľad na daný pracovný postup. Odpoveď by mala ukázať budúci stav procesu, závislosti údajov, možnosti automatizácie, návrh riadenia, fázy implementácie, očakávané prínosy a predpoklady. Toto odhalí oveľa viac než len ukážku softvérovej platformy.

Cena by sa mala hodnotiť v rovnakom kontexte. Najnižšia počiatočná ponuka sa môže stať nákladnou, ak automatizuje procesy okolo zlých, závisí od manuálnych opráv alebo vyžaduje integráciu a podporu riešenia od iného dodávateľa. Lepšie komerčné porovnanie zohľadňuje celkové náklady na vlastníctvo, očakávanú údržbu, interné úsilie, čas do dosiahnutia merateľnej hodnoty a schopnosť rozšíriť prístup na susedné procesy.

Vyberte si firmu, ktorá dokáže zabezpečiť, aby prvý pracovný postup fungoval dostatočne dobre na to, aby sa stal opakovateľným vzorom. Takto sa automatizačná iniciatíva stáva trvalou prevádzkovou výhodou, a nie súborom nesúvisiacich projektov.

Ako zlepšiť kvalitu podnikových dát vo veľkom meradle

Finančný tím uzatvára mesiac s použitím jednej hierarchie zákazníkov. Predaj používa inú. Prevádzka má tretiu verziu v tabuľke, pretože záznam ERP je neúplný. Nejde len o problém s údajmi. Je to prevádzkové zlyhanie, ktoré vedie k prepracovaniu, spomaľuje rozhodovanie a robí automatizáciu nespoľahlivou. Vedieť, ako zlepšiť kvalitu podnikových údajov, začína tým, že sa k údajom pristupuje ako k výstupu obchodných procesov, nie ako k čisteniu IT.

V podnikoch s vysokým objemom transakcií je nízka kvalita údajov zriedkakedy spôsobená jedným chybným systémom. Rozvíja sa naprieč odovzdávaním úloh, duplicitnými vstupnými bodmi, nejasným vlastníctvom, nekonzistentnými obchodnými pravidlami a integráciami, ktoré presúvajú chybné záznamy rýchlejšie, ako ich tímy stihnú opraviť. Riešenie si vyžaduje koordinovaný operačný model, ktorý prepája návrh procesov, dátovú architektúru, riadenie a automatizáciu.

Začnite s obchodnými rozhodnutiami, ktoré musia byť podložené údajmi

Programy na zabezpečenie kvality údajov často zlyhávajú, pretože začínajú so širokými cieľmi, ako je napríklad vyčistenie všetkých údajov o zákazníkoch. To vytvára veľký rozsah, neistú hodnotu a nevybavené záležitosti, ktoré nikdy nekončia. Začnite namiesto toho s rozhodnutiami a pracovnými postupmi, kde nekvalitné údaje vytvárajú merateľné náklady alebo riziko.

Napríklad výrobca môže potrebovať presné údaje o produktoch, dodávateľoch a zásobách, aby mohol spoľahlivo plánovať výrobu. Organizácia zdieľaných služieb sa môže spoliehať na kompletné kmeňové údaje dodávateľov na spracovanie faktúr bez výnimiek. Obchodný tím môže potrebovať konzistentnú hierarchiu účtov na prognózovanie tržieb a správu cien.

Najprv definujte obchodný výsledok a potom identifikujte kritické dátové prvky potrebné na jeho dosiahnutie. Toto zúži úsilie na údaje, ktoré majú prevádzkovú hodnotu. Zároveň to dáva vedúcim pracovníkom jasný základ pre investície: menej blokovaných faktúr, rýchlejšie spracovanie objednávok, presnejšie prognózy, nižšia expozícia voči zásobám alebo menej manuálneho zosúladenia.

Užitočný test je jednoduchý: ak pole chýba, je nesprávne, duplicitné alebo sa zobrazuje neskoro, ktorý proces sa preruší a koľko to stojí? Ak neexistuje žiadna zmysluplná odpoveď, daný dátový prvok si nemusí zaslúžiť prioritu.

Mapa, kde v procese zlyháva kvalita

Väčšina organizácií dokáže identifikovať zlé záznamy. Menej z nich dokáže presne vysvetliť, ako sa stali zlými. Toto rozlíšenie je dôležité, pretože oprava bez odstránenia základnej príčiny vytvára stály tím na nápravu.

Zmapujte komplexný proces okolo každej prioritnej dátovej domény. Zahrňte zapojené systémy, ľudí, ktorí vytvárajú alebo menia záznamy, kroky schvaľovania, integrácie, manuálne riešenia a následných spotrebiteľov. Pozorne sa zamerajte na prechodové body. Sú to miesta, kde sa stráca kontext, polia sa prekódujú a lokálne tímy zavádzajú vlastné konvencie.

Napríklad záznam dodávateľa môže pochádzať z obstarávania, byť overený finančným oddelením, obohatený o súlad s predpismi a potom synchronizovaný s niekoľkými finančnými a reportovacími platformami. Ak každá skupina môže meniť rôzne atribúty bez zdieľaných pravidiel, duplicitní dodávatelia a neúplné údaje o platbách sú predvídateľnými výsledkami.

Cieľom nie je zdokumentovať každé pole v každom systéme. Cieľom je odhaliť mechanizmy zlyhania. Medzi bežné príčiny patria povinné polia, ktoré nie sú skutočne overené, referenčné údaje udržiavané nezávisle obchodnými jednotkami, vstupy voľného textu, kde sú potrebné kontrolované hodnoty, a fronty výnimiek bez zodpovedného vlastníka.

Ako zlepšiť kvalitu podnikových dát s jasným vlastníctvom

Kvalitu nemožno úplne delegovať na centrálny dátový tím. IT oddelenie môže spravovať platformy, bezpečnosť, integračné vzorce a technické kontroly, ale nemôže rozhodnúť, či klasifikácia zákazníka odráža komerčný model alebo či je atribút produktu vhodný pre plánovací proces.

Priraďte vlastníctvo na troch úrovniach. Vlastník obchodných údajov stanovuje definíciu, politiku a pravidlá prijateľného použitia pre doménu. Správca údajov riadi každodenné problémy s kvalitou, monitoruje výnimky a koordinuje opravy. Technickí vlastníci zabezpečujú, aby systémy, rozhrania a kontroly tieto požiadavky konzistentne implementovali.

Tento model funguje iba vtedy, keď je zodpovednosť explicitná. Vlastníci potrebujú oprávnenie schvaľovať normy, riešiť konflikty medzi oddeleniami a uprednostňovať opravy. Potrebujú tiež dohodnuté úrovne služieb. Ak je potrebné vyriešiť duplicitné záznamy zákazníkov do dvoch pracovných dní, mal by byť viditeľný zodpovedný tím a postup eskalácie.

Riadenie by malo byť praktické, nie ceremoniálne. Mesačný výbor, ktorý kontroluje dashboardy, ale nemôže meniť pravidlá pracovného postupu, nezlepší údaje. Začleňte zodpovednosť do operačného rytmu obstarávania, financií, dodávateľského reťazca, zákazníckeho servisu a ďalších funkcií, ktoré produkujú alebo spotrebúvajú kľúčové záznamy.

Definujte pravidlá kvality, ktoré zodpovedajú prevádzkovej realite

Úplnosť a presnosť sú nevyhnutné, ale kvalita podnikových údajov je širší pojem než len percento vyplnených polí. Záznam môže byť úplný a stále nepoužiteľný, ak sú jeho hodnoty nekonzistentné, neaktuálne, duplicitné alebo nedostupné, keď ich pracovný postup potrebuje.

Vytvorte pravidlá pre daný obchodný prípad použitia. Pre automatizáciu faktúr môžu byť údaje o platbách dodávateľov kompletné, overené podľa schválených formátov, aktuálne a jedinečné. Pre plánovanie výroby musia byť kusovníky štrukturálne platné, verzovane riadené a synchronizované s technickými zmenami.

Účinné pravidlá kvality sa zvyčajne vzťahujú na päť oblastí:

• Platnosť: Hodnoty zodpovedajú schváleným formátom, rozsahom a zoznamom použitej literatúry.
• Úplnosť: Požadované atribúty sú vyplnené predtým, ako môže záznam pokračovať.
• Konzistencia: Tá istá entita a klasifikácia sú vo všetkých systémoch reprezentované rovnakým spôsobom.
• Jedinečnosť: Duplicitným záznamom sa zabráni alebo sú označené skôr, ako vytvoria následnú prácu.
• Včasnosť: Zmeny sú k dispozícii v časovom rámci požadovanom procesom.

Nepoužívajte rovnaké prahové hodnoty na každú doménu. Cieľ úplnosti 99,5 % môže byť opodstatnený pre daňovo citlivé údaje o dodávateľoch, zatiaľ čo nižší prah môže byť prijateľný pre voliteľné marketingové atribúty. Štandard by mal odrážať obchodné riziko, objem procesov a náklady na intervenciu.

Predchádzajte chybám v mieste ich vzniku

Čistenie historických údajov má svoju hodnotu, najmä pred migráciou, modernizáciou analytických nástrojov alebo rozsiahlym automatizačným programom. Prevencia je však miestom, kde sa vytvára rozsiahly rozpočet. Ak zamestnanci môžu naďalej zadávať neplatné záznamy, dátový dlh sa okamžite vráti.

Prepracujte pracovný postup, v ktorom sa vytvárajú údaje. V prípade potreby nahraďte voľný text riadenými rozbaľovacími hodnotami. Použite logiku overovania, aby ste predišli nemožným kombináciám. Predvyplňte známe hodnoty z dôveryhodných zdrojov. Výnimky smerujte na špecialistov namiesto toho, aby ste používateľom umožnili obísť kontroly. Ak sú potrebné externé referenčné údaje, overte ich pred aktiváciou záznamu.

Existuje kompromis. Príliš prísne kontroly môžu spomaľovať tímy prvej línie a podporiť hľadanie obídnych riešení. Správny návrh rozlišuje medzi poľami s vysokým rizikom, ktoré vyžadujú prísnu validáciu, a poľami s nižším rizikom, ktoré je možné vyplniť neskôr. Vlastníci procesov by mali tieto kontroly pred nasadením otestovať so skutočnými používateľmi, najmä vo vysokoobjemových prostrediach.

Automatizácia by mala tento model posilňovať, nie maskovať slabé vstupy. Automatizované pracovné postupy dokážu porovnať dokumenty s kmeňovými údajmi, identifikovať chýbajúce atribúty, výnimky smerovania a monitorovať opakujúce sa chyby. Nedokážu však spoľahlivo kompenzovať nedefinované vlastníctvo alebo nekonzistentné definície podnikania.

Vytvorte dôveryhodnú dátovú architektúru

Mnohé problémy s kvalitou údajov sú architektonické. Podniky často udržiavajú viacero systémov záznamov pre tú istú entitu s nejasnými pravidlami o tom, ktorý z nich je autoritatívny pre každý atribút. Integračné vrstvy potom rozdeľujú konflikty v rámci krajiny.

Definujte zdroj pravdy podľa dátovej domény a v prípade potreby podľa atribútu. CRM môže vlastniť vzťahy medzi predajnými účtami, ERP môže vlastniť platobné podmienky a identitu podnikového zákazníka môže riadiť platforma na správu kmeňových údajov. Toto je presnejšie ako vyhlásiť jednu aplikáciu za univerzálny zdroj pravdy.

Štandardizované identifikátory, kontrolované referenčné údaje a zdokumentované integračné zmluvy sú rovnako dôležité. Ak jeden systém nazýva obchodnú jednotku North America Industrial a iný používa NA Ind., nekonzistentnosť v hlásení nie je problémom dashboardu. Je to problém riadenia referenčných údajov.

Integrácia v reálnom čase môže znížiť latenciu, ale automaticky nezlepší kvalitu. V niektorých prostrediach je riadený dávkový proces s kontrolami zosúladenia bezpečnejší a ľahšie sa riadi. Správny prístup závisí od obchodnej potreby okamžitosti, zrelosti predchádzajúcich kontrol a dôsledkov šírenia nesprávnej zmeny.

Meranie kvality z obchodného hľadiska

Prehľad plný technických metrík neudrží pozornosť vedenia, pokiaľ nebude prepojený s prevádzkovým výkonom. Sledujte skóre kvality údajov, ale spárujte ich s obchodnými ukazovateľmi, ako je miera priameho spracovania, čas cyklu objednávky, odchýlka prognózy, počet dní do uzavretia, objem výnimiek alebo manuálne úsilie na transakciu.

Toto mení konverzáciu z dodržiavania predpisov o údajoch na vplyv na podnikanie. 3 % zníženie duplicitných dodávateľov je informatívne. Zníženie duplicitných dodávateľov, ktoré eliminuje výnimky z platieb a ušetrí 400 hodín za štvrťrok, je praktické.

Preskúmajte trendy podľa procesu, obchodnej jednotky, zdrojového systému a typu chyby. Jednotné skóre v celom podniku môže skryť závažné lokálne zlyhania. Rovnako nepoužívajte metriky na trestanie tímov za odhalenie problémov. Včasná transparentnosť často zhoršuje kvalitu skôr, ako sa zlepší, pretože sa stanú viditeľnými skryté riešenia.

Zahrňte kvalitu údajov do každého transformačného vydania

Kvalita údajov by mala byť kritériom pre digitalizáciu procesov, modernizáciu ERP, analytiku, umelú inteligenciu a inteligentnú automatizáciu. Ak nový pracovný postup závisí od čistých údajov o zákazníkoch, produktoch alebo dodávateľoch, kontroly kvality, model vlastníctva a proces nápravy musia byť navrhnuté spolu s technológiou.

Tento integrovaný prístup znižuje záťaž na údržbu po spustení. Zároveň chráni návratnosť automatizácie: bot, ktorý rýchlo spracováva tisíce chybných transakcií, problém len škáluje. Spoločnosť Ective pristupuje k modernizácii z tohto hľadiska, pričom zosúlaďuje redizajn procesov a dátovú disciplínu pred rozšírením automatizácie v celom podniku.

Najefektívnejším ďalším krokom nie je rozsiahla čistiaca kampaň. Vyberte si jeden proces s vysokou hodnotou, kde chyby v dátach viditeľne spôsobujú oneskorenie, náklady alebo riziko. Určte vlastníka, opravte bod vzniku, zmerajte prevádzkový výsledok a použite tento dôkaz na vytvorenie opakovateľného podnikového štandardu.

Pripravenosť umelej inteligencie na podnikové operácie v 6 testoch

Pilotný projekt, ktorý sumarizuje servisné lístky alebo návrhy odpovedí na objednávky, môže v zasadacej miestnosti vyzerať pôsobivo. Hovorí len veľmi málo o tom, či organizácia dokáže spoľahlivo prevádzkovať umelú inteligenciu v stovkách pracovných postupov, obchodných jednotiek a kontrolných požiadaviek. Pripravenosť umelej inteligencie na podnikové operácie nie je len o výbere softvéru. Je to prevádzková disciplína potrebná na to, aby sa umelá inteligencia z izolovanej demonštrácie stala merateľným a riadeným zlepšením výkonnosti.

Pre vedúcich prevádzky nie je ústrednou otázkou: „Kde môžeme umelú inteligenciu uplatniť?“, ale: „Ktoré prevádzkové rozhodnutia a pracovné postupy môže umelá inteligencia zlepšiť bez toho, aby vytvorila viac výnimiek, rizík alebo údržby?“ Odpoveď závisí od zrelosti procesov, kvality údajov, architektúry systému, vlastníctva a schopnosti merať výsledky. Slabý článok v ktorejkoľvek z týchto oblastí môže zabrániť škálovaniu sľubného prípadu použitia.

Pripravenosť umelej inteligencie na podnikové operácie začína prácou

Podniková umelá inteligencia sa v transformačnej sekvencii často zavádza príliš neskoro. Tímy identifikujú model, zostavia overenie konceptu a potom zistia, že základný proces má nejasné odovzdávanie, nekonzistentné pravidlá a príliš veľa lokálnych variácií. Model môže fungovať primerane, ale operácie okolo neho nie sú navrhnuté tak, aby absorbovali jeho výstup.

Predstavte si proces splácania faktúr. Umelá inteligencia dokáže klasifikovať faktúry, extrahovať polia a navrhovať kódovanie. Ak sú však kmeňové údaje dodávateľa nekonzistentné, pravidlá schvaľovania sa líšia podľa entity a fronty výnimiek nemajú jasného vlastníka, automatizácia jednoducho rýchlejšie rieši nejednoznačnosť. Výsledkom je väčší počet nevybavených prípadov, ktoré je stále potrebné manuálne vyriešiť.

Posúdenie pripravenosti by sa preto malo začať s vysokoobjemovými, opakovateľnými pracovnými postupmi, kde možno pozorovať oneskorenia, prepracovanie a výnimky. Zmapujte proces od spúšťača po výsledok vrátane zapojených systémov, bodov rozhodovania, ciest výnimiek a ľudí zodpovedných za každú fázu. Toto nie je dokumentácia sama o sebe. Stanovuje, či umelá inteligencia odstráni obmedzenie alebo automatizuje zle navrhnuté obmedzenie.

Proces je zvyčajne pripravený, keď sú jeho účel, vstupy, rozhodovacie pravidlá a požadované výsledky dostatočne dobre pochopené na to, aby sa dali merať. Nemusí byť dokonale štandardizovaný. Určitá variácia je komerčne nevyhnutná, najmä naprieč regiónmi, produktmi alebo segmentmi zákazníkov. Cieľom je oddeliť odôvodnenú variáciu od zbytočnej zložitosti pred nasadením technológie.

Šesť testov operačnej pripravenosti umelej inteligencie

1. Oplatí sa proces vylepšovať vo veľkom meradle?

Začnite s obchodnou hodnotou a prevádzkovým objemom, nie s technickou novinkou. Silní kandidáti majú zmysluplnú kombináciu objemu transakcií, tlaku na čas cyklu, manuálnej práce, nákladov na chyby alebo vplyvu na služby. Majú tiež definovaného vlastníka, ktorý môže robiť rozhodnutia, keď nastanú kompromisy.

Nízkoobjemový proces s vysoko špecializovaným úsudkom môže stále profitovať z pomoci umelej inteligencie, ale je nepravdepodobné, že by bol správnym základom pre podnikový program. Naproti tomu pracovný postup zdieľaných služieb, ktorý spracováva desiatky tisíc podobných požiadaviek, môže priniesť jasnú návratnosť, ak sa zlepší klasifikácia, smerovanie, validácia alebo generovanie odpovedí.

Obchodný prípad musí zahŕňať náklady na výnimky. Mnohé tímy počítajú iba čas ušetrený pri priamych transakciách. Užitočnejší pohľad meria kompletný operačný model: ušetrená práca, znížená prepracovanosť, zlepšená priepustnosť, chránené úrovne služieb a udržiavané kontroly. Ak umelá inteligencia zvýši počet prípadov, ktoré si vyžadujú kontrolu, zdanlivá miera automatizácie môže skryť klesajúci výkon.

2. Sú procesné pravidlá dostatočne explicitné na to, aby sa dali operacionalizovať?

Umelá inteligencia dokáže spracovať jazyk, vzory a pravdepodobnostný úsudok. Nedokáže riešiť obchodné politiky, na ktorých sa nikdy nedohodli. Pred implementáciou identifikujte, ktoré rozhodnutia sa riadia pevnými pravidlami, ktoré vyžadujú ľudský úsudok a ktoré možno podporiť odporúčaniami.

Toto rozlíšenie je dôležité. Výnimka z hľadiska cien môže vyžadovať komerčný kontext správcu účtu. Rozhodnutie o smerovaní požiadaviek možno bezpečne automatizovať, keď je známa kategória, úroveň zákazníka a naliehavosť. Považovanie oboch rozhodnutí za identické „príležitosti umelej inteligencie“ vytvára zbytočné riziko.

Vedúci prevádzky by mali definovať hranice rozhodovania v praxi: čo môže systém vykonávať autonómne, čo môže odporúčať, čo sa musí skontrolovať a čo sa musí eskalovať. Tieto hranice by mali byť zabudované do pracovného postupu a nemali by sa ponechať na neformálne správanie používateľov. Jasné cesty eskalácie chránia kvalitu služieb aj zodpovednosť.

3. Môžu údaje podporiť spoľahlivé rozhodnutia?

Pripravenosť údajov je viac než len mať veľké množstvo záznamov. Podnikové operácie potrebujú údaje, ktoré sú dostupné, relevantné, sledovateľné a dostatočne konzistentné pre prijímané rozhodnutia. Model trénovaný na neúplnej histórii alebo s konfliktnými kmeňovými údajmi bude poskytovať nekonzistentné výstupy bez ohľadu na jeho sofistikovanosť.

Preskúmajte údaje v mieste práce. Sú zdrojové polia štruktúrované? Sú dokumenty uložené vo formátoch, ktoré systém dokáže spracovať? Je možné prepojiť záznamy transakcií s údajmi o zákazníkoch, dodávateľoch, aktívach, produktoch alebo zamestnancoch? Sú časové pečiatky dostatočne spoľahlivé na meranie času cyklu a identifikáciu úzkych miest?

Kvalita údajov má aj prevádzkový rozmer. Ak tímy uchovávajú kritické informácie v e-mailových schránkach, tabuľkách a lokálnych riešeniach, organizácia si nemôže vytvoriť úplný prehľad o procese. V takejto situácii môže byť správnou prvou investíciou organizácia a integrácia údajov, a nie model umelej inteligencie. Čisté a prepojené údaje znižujú úsilie o údržbu dlho po spustení pôvodného prípadu použitia.

4. Je architektúra navrhnutá pre akciu, nielen pre vhľad?

Ovládací panel môže odhaliť problém. Prevádzkové riešenie umelej inteligencie musí prepojiť poznatky so systémami a tímami, ktoré na ne môžu reagovať. To si vyžaduje praktickú integráciu naprieč platformami plánovania podnikových zdrojov, systémami CRM, úložiskami dokumentov, nástrojmi pracovných postupov a vrstvami automatizácie.

Architektúra by mala podporovať riadený pohyb údajov a rozhodnutí. Napríklad služba umelej inteligencie môže extrahovať informácie z prichádzajúceho dokumentu, porovnávať ich so systémovými záznamami, smerovať výnimky do správneho frontu a zapisovať schválené výsledky späť do systému záznamov. Každé odovzdanie vyžaduje definované rozhrania, protokolovanie, spracovanie chýb a postupy obnovy.

Tu sa fragmentované technologické komplexy stávajú drahými. Pridanie samostatných bodových riešení pre extrakciu, orchestráciu, analytiku a generatívnu umelú inteligenciu môže vytvoriť viac integračnej práce ako hodnoty. Zjednotený dizajn nevyžaduje jednu platformu pre každú úlohu. Vyžaduje si jasnú architektúru, opakovane použiteľné komponenty a praktický štandard pre to, ako nové funkcie vstupujú do operačného prostredia.

5. Sú riadenie a kontroly zabudované do pracovného postupu?

Pre podnikové operácie nemôže byť riadenie dokumentom politiky oddeleným od poskytovania. Musí byť viditeľné v spôsobe, akým riešenie spracováva prístup, schválenia, uchovávanie údajov, záznamy auditua výnimky.

Príslušné kontroly závisia od prípadu použitia. Asistent znalostí používaný na navrhovanie interného obsahu si vyžaduje iné záruky ako umelá inteligencia, ktorá odporúča platobné akcie alebo ovplyvňuje oprávnenosť zákazníkov. Rozhodnutia s väčším vplyvom si vyžadujú dôkladnejšie ľudské preskúmanie, jasnejšie dôkazné stopy a prísnejšie monitorovanie.

Generatívna umelá inteligencia vyvoláva ďalšie otázky. Ku ktorým zdrojom má prístup? Môžu citlivé údaje vstupovať do výziev? Ako sú odpovede založené na schválených podnikových znalostiach? Čo sa stane, keď model vygeneruje odpoveď s nízkou istotou? Organizácie nemusia pred začatím eliminovať každé riziko. Musia sa rozhodnúť, ktoré riziká sú prijateľné, kto ich vlastní a ako budú monitorované v produkcii.

6. Môže organizácia po spustení prevádzkovať a vylepšovať systém?

Záverečný test sa často prehliada, pretože je menej viditeľný ako prototyp. Pripravenosť umelej inteligencie si vyžaduje prevádzkový model pre produkciu: vlastníctvo podniku, technickú podporu, monitorovanie výkonnosti, modelovú alebo promptnú údržbu a spôsob, ako môžu zamestnanci hlásiť poruchy alebo príležitosti na zlepšenie.

Pred nasadením by sa mali stanoviť metriky úspešnosti. V závislosti od procesu môžu zahŕňať mieru bezdotykového spracovania, mieru úspešnosti pri prvom pokuse, priemerný čas spracovania, objem výnimiek, čas vybavenia, cenu za transakciu alebo kvalitu reakcie zákazníka. Metrika by mala priamo súvisieť s obchodným problémom, nielen sledovať presnosť modelu.

Presnosť modelu môže byť užitočná, ale zriedkakedy postačujúca. Systém s 95 % presnosťou môže byť cenný pri úlohe klasifikácie s nízkym rizikom a neprijateľný pri finančnej kontrole. Výkonnosť sa musí posudzovať v reálnom pracovnom postupe vrátane kvality a rýchlosti ľudskej kontroly, keď je systém neistý.

Budujte pripravenosť v postupnosti, ktorá znižuje riziko

Najefektívnejšie programy sa nepokúšajú naraz pripraviť každý proces na umelú inteligenciu. Vyberajú malý počet vysokohodnotných pracovných postupov, vytvárajú základy procesov a dát, nasadzujú ich s meranými kontrolami a opätovne používajú to, čo funguje v susedných operáciách.

Táto postupnosť vytvára kumulatívnu hodnotu. Štandardizovaný vzorec spracovania výnimiek môže podporovať procesy v oblasti financií, obstarávania, služieb zákazníkom a dodávateľského reťazca. Dobre spravovaná vrstva údajov dokumentov môže slúžiť viacerým prípadom použitia automatizácie a umelej inteligencie. Spoločné dashboardy môžu poskytnúť vedúcim pracovníkom prehľad o výkonnosti naprieč funkciami v reálnom čase, a nie izolované správy z jednotlivých projektov.

Aj tu je dôležitý integrovaný transformačný model. Redizajn procesov, architektúra dát, inteligentná automatizácia a poskytovanie umelej inteligencie by sa mali navzájom posilňovať. Keď sú riadené ako samostatné iniciatívy, každý tím optimalizuje svoj vlastný rozsah a ponecháva podniku viac úloh. Spoločnosť Ective pristupuje k týmto disciplínam ako k jednému realizačnému programu, pretože prevádzkové výsledky závisia od prepojení medzi nimi.

Praktické rozhodnutie pre vedúcich prevádzky

Nepýtajte sa, či je organizácia „pripravená na AI“ len abstraktne. Posúďte, či je konkrétny pracovný postup pripravený na zlepšenie, či jeho údaje a kontroly dokážu podporiť zamýšľané rozhodnutie a či si podnik môže po spustení prevziať zodpovednosť za výsledok.

Organizácie, ktoré získajú z umelej inteligencie trvalú hodnotu, nemusia byť nevyhnutne prvé, ktoré oznámia pilotný projekt. Budú to práve ony, ktoré uľahčia riadenie každého nasadenia, uľahčia jeho meranie a zvýšia jeho užitočnosť pre ľudí, ktorí danú prevádzku denne riadia.

Služby modernizácie starších systémov, ktoré fungujú

Starší systém zriedka zlyhá v jednom dramatickom momente. Vytvára to trenie výnimkou po výnimke: tím prepočítava údaje do tabuľky, mesačná správa si vyžaduje manuálne zosúladenie a integrácia sa preruší vždy, keď dodávateľ aktualizuje rozhranie. Služby modernizácie starších systémov riešia túto prevádzkovú záťaž bez toho, aby považovali výmenu za jediné riešenie. Cieľom je vytvoriť spoľahlivý a škálovateľný operačný model okolo systémov, ktoré sú pre podnikanie stále dôležité.

Pre vedúcich pracovníkov podnikov nie je otázkou, či je technológia stará. Otázkou je, či procesy, dáta a architektúra systému dokážu podporiť rýchlejšie rozhodnutia, vyššie objemy transakcií, silnejšie kontroly a nové požiadavky na automatizáciu. Ak to nedokážu, modernizácia sa stáva obchodnou prioritou a nie projektom na zlepšenie IT.

Prečo sa staršie prostredia stávajú prevádzkovým obmedzením

Väčšina starších prostredí bola vytvorená na riešenie opodstatnených obchodných problémov. Často obsahujú kritické záznamy, kódujú desaťročia procesných znalostí a podporujú funkcie, ktoré netolerujú prestoje. Ich slabinou nie je len vek. Je to hromadenie prispôsobení, odpojených aplikácií, nezdokumentovaných pravidiel, duplicitných údajov a manuálnych riešení, ktoré sa vyvíjajú so zmenami v organizácii.

Výsledkom je nákladný prevádzkový model. Zamestnanci trávia čas hľadaním informácií namiesto toho, aby na základe nich konali. IT tímy udržiavajú point-to-point integrácie, ktoré sa ťažko testujú a ich zmena je drahá. Vedúci pracovníci dostávajú správy až po uplynutí okamihu na zásah. Keď sa začnú automatizačné alebo umelo vytvorená iniciatíva, stretávajú sa s nekonzistentnými vstupmi a procesmi, ktoré sa líšia v závislosti od tímu, krajiny alebo obchodnej jednotky.

Úplná výmena môže byť opodstatnená, keď základná platforma už nespĺňa regulačné, bezpečnostné alebo funkčné požiadavky. Výmena však so sebou prináša aj značné náklady, zmeny a riziká spojené s dodaním. V mnohých prípadoch je lepšou cestou cielená modernizácia: zachovať stabilné funkcie, zlepšiť to, čo obmedzuje výkon, a vybudovať čistejší základ pre budúce zmeny.

Služby modernizácie starších systémov by mali začať prevádzkou

Modernizačné programy sa často zastavujú, pretože organizácia začína rozhodnutím o nástroji. Nová platforma pre pracovné postupy, dátové jazero, automatizačný balík alebo asistent umelej inteligencie môžu byť užitočné, ale nič z nich neopraví zle navrhnutý proces. Automatizácia zbytočných schvaľovaní alebo extrahovanie údajov z nekonzistentných dokumentov len zrýchľuje chod neefektívneho modelu.

Efektívny program začína identifikáciou dôležitých prevádzkových výsledkov. Medzi ne môžu patriť kratšie cykly od objednávky po preplatenie, menej výnimiek z faktúr, kratšie reakčné časy služieb, zlepšená presnosť plánovania alebo prehľad o výrobe a výkonnosti dodávateľského reťazca v reálnom čase. Rozsah modernizácie by potom mal byť navrhnutý okolo procesov a rozhodnutí, ktoré priamo ovplyvňujú tieto výsledky.

Toto mení tému konverzácie z „Ktorý systém by sme mali nahradiť?“ na „Kde sa prevádzkový výkon zhoršuje a čo sa musí zmeniť, aby sa odstránilo obmedzenie?“. Vytvára sa tým tiež jasnejšia investičná logika. Modernizačná iniciatíva by mala mať merateľný základný výkon, definovaných vlastníkov a dohodnutý spôsob sledovania zlepšenia po nasadení.

Pred zmenou platformy si zmapujte proces

Objavovanie procesov musí ísť nad rámec workshopov a vývojových diagramov. Tímy by mali preskúmať skutočné transakčné cesty, mieru výnimiek, odovzdávanie úloh, prepracovanie, oneskorenia schvaľovania a lokálne variácie. Dolovanie procesov a analýza úloh môžu pomôcť odhaliť rozdiel medzi zdokumentovaným pracovným postupom a prácou, ktorú zamestnanci vykonávajú každý deň.

Tieto dôkazy sú obzvlášť cenné v zdieľaných službách a operáciách s veľkým objemom. Proces spracovania záväzkov sa môže zdať štandardizovaný, kým údaje neukážu, že malý počet formátov dodávateľov alebo výnimiek z objednávok vytvára väčšinu manuálnej práce. Môže sa zdať, že proces poskytovania služieb potrebuje viac personálu, keď skutočným problémom sú neúplné hlavné údaje pri vytváraní prípadu.

Vďaka tomuto prehľadu môžu modernizačné tímy zjednodušiť pravidlá pred ich digitalizáciou. Môžu tiež rozhodnúť, kde zostáva staršia aplikácia systémom záznamov, kde postačuje integračná vrstva a kde je potrebné vyradiť zastaraný komponent.

Zaobchádzajte s údajmi ako so súčasťou operačného modelu

Čisté dáta nie sú technickou úlohou, ktorú by sa dalo odložiť na neskôr. Je to predpoklad spoľahlivej automatizácie, analytiky a umelej inteligencie. Ak sú záznamy o zákazníkoch, produktoch, dodávateľoch alebo aktívach fragmentované medzi systémami, každý pracovný postup so sebou prináša neistotu. Tímy to kompenzujú manuálnymi kontrolami, zatiaľ čo dashboardy produkujú protichodné odpovede.

Plán modernizácie by mal stanoviť vlastníctvo kritických dátových domén, jasné pravidlá kvality a praktickú architektúru pre zdieľanie údajov medzi aplikáciami. To si nevyžaduje vždy rozsiahly centrálny dátový program. Vyžaduje si to dohodu o tom, ktoré údaje sú smerodajné, ako sa aktualizujú a ako sa riadia zmeny.

Architektúra by mala tiež podporovať včasný prístup k prevádzkovým informáciám. Napríklad finančný manažér by nemal musieť čakať na mesačný konsolidačný cyklus, aby pochopil príčiny sporov alebo pohľadávok po splatnosti. Manažér výroby by mal byť schopný vidieť výnimky hneď, ako sa vyvíjajú, nie po skončení zmeny. Prehľadnosť v reálnom čase alebo takmer v reálnom čase premieňa modernizáciu na schopnosť prevádzkového riadenia.

Disciplinovaný prístup k modernizácii znižuje riziko dodania

Najsilnejšie programy menia postupnosť. Nepokúšajú sa prepracovať každý proces, migrovať každú sadu údajov a nasadiť každú novú technológiu v jednom vydaní. Veľké transformácie si stále vyžadujú podnikovú víziu, ale realizácia by mala prebiehať kontrolovanými, na hodnotu zameranými krokmi.

Praktický prístup má štyri prepojené fázy:

• Posúďte súčasné prostredie. Stanovte základnú líniu procesu, závislosti aplikácií, problémy s kvalitou údajov, bezpečnostné požiadavky, technický dlh a obchodné riziko nečinnosti.
• Navrhnite cieľový operačný model. Definujte budúce pracovné postupy, rozhodovacie práva, dátové štandardy, integračné vzorce, možnosti automatizácie a metriky, ktoré preukážu hodnotu.
• Modernizujte v prioritných vlnách. Najprv poskytnite vysokoúčinné funkcie, ako napríklad digitálny príjem, orchestráciu pracovných postupov, integráciu založenú na rozhraní API, inteligentné spracovanie dokumentov alebo prevádzkové dashboardy.
• Prevádzkujte a zlepšujte. Monitorujte zavádzanie, vzorce výnimiek, výkon automatizácie, kvalitu údajov a obchodné výsledky. Modernizácia je udržiavaná prostredníctvom riadenia a neustáleho zlepšovania, nie konečným odovzdaním projektu.

Priority sa budú líšiť. Výrobca môže potrebovať prepojiť dáta z výrobnej haly, kvality a plánovania pred aplikáciou prediktívnej analytiky. Zdravotnícka organizácia môže potrebovať silnejšiu interoperabilitu a kontroly prístupu pred prepracovaním pracovných postupov správy pacientov. Obchodný podnik môže získať okamžitú hodnotu automatizáciou výnimiek objednávok a vytvorením spoľahlivého prehľadu o zásobách. Metóda zostáva konzistentná: zlepšiť proces, usporiadať dáta a potom škálovať technológiu okolo oboch.

Kde automatizácia a umelá inteligencia vytvárajú hodnotu

Automatizácia je najefektívnejšia, keď je prepojená s prepracovanými pracovnými postupmi a riadenými dátami. V stabilných procesoch založených na pravidlách môže robotická automatizácia procesov znížiť opakované zadávanie údajov a zrýchliť vykonávanie v rámci starších rozhraní. Tam, kde prácu riadia dokumenty, e-maily alebo neštruktúrované požiadavky, inteligentné spracovanie dokumentov dokáže klasifikovať informácie, extrahovať relevantné polia a smerovať prípady do správneho pracovného postupu.

AI a GenAI majú odlišnú úlohu. Môžu podporovať vyhľadávanie znalostí, navrhovať odpovede, sumarizovať prípady, pomáhať s klasifikáciou a pomáhať zamestnancom orientovať sa v zložitých postupoch. Nemali by byť umiestnené ako náhrada za vlastníctvo procesov alebo dátovú disciplínu. Asistent GenAI pripojený k neúplným údajom alebo nejednoznačným politikám môže šíriť chyby rýchlejšie ako manuálny proces.

Správny prípad použitia závisí od rizika rozhodovania. Úlohy s nízkym rizikom a vysokým objemom sú často dobrými kandidátmi na asistovanú automatizáciu. Rozhodnutia týkajúce sa dodržiavania predpisov, záväzkov voči zákazníkom, finančného účtovania alebo bezpečnosti si zvyčajne vyžadujú prísnejšie kontroly, prahy spoľahlivosti, audítorské záznamy a ľudské preskúmanie. Hodnota podniku pramení z kombinácie rýchlosti s riadením.

Ako vyhodnotiť modernizačného partnera

Mnohé organizácie si nahromadili samostatných poskytovateľov pre stratégiu, integráciu, automatizáciu, dáta a podporu. To môže viesť k fragmentovanej zodpovednosti: každý dodávateľ dodáva svoju súčast, ale nikto nevlastní komplexný obchodný výsledok. V prípade modernizácie tento model často zvyšuje náklady na koordináciu a spomaľuje rozhodovanie.

Schopný partner by mal prepojiť redizajn procesov, dátovú architektúru, vývoj na mieru, automatizáciu, umelú inteligenciu a priebežnú podporu v rámci jedného modelu realizácie. Partner by mal byť tiež schopný pracovať s existujúcimi podnikovými platformami, a nie nútiť k rozsiahlemu technologickému resetu. Skúsenosti v zložitých prostrediach sú dôležité, pretože modernizácia si vyžaduje starostlivé riadenie integrácií, kontrol, zavádzania a prevádzkovej kontinuity.

Požiadajte o dôkazy o tom, ako poskytovateľ meria výsledky. Technická aktivita nie je to isté ako obchodný vplyv. Medzi užitočné miery patrí čas spracovania transakcií, miera priameho spracovania, objem výnimiek, čas cyklu, úrovne služieb, zlepšenie kvality údajov a náklady na transakciu. Plán dodávok by mal ukazovať, ako budú tieto miery porovnávané s východiskovými hodnotami a ako budú preskúmané po každom vydaní.

Spoločnosť Ective pristupuje k modernizácii ako k integrovanému transformačnému úsiliu, ktoré spája zlepšovanie procesov, správu údajov, automatizáciu a umelú inteligenciu, aby podniky mohli zlepšiť výkon bez vytvorenia ďalšej neprepojenej technologickej vrstvy.

Budujte pre zmenu, nielen pre migráciu

Úspešný modernizačný program umožňuje organizácii lepšie sa prispôsobiť. To znamená zníženie závislosti od krehkého vlastného kódu, nahradenie manuálneho odovzdávania úloh riadenými pracovnými postupmi, sprístupnenie opakovane použiteľných služieb prostredníctvom dobre riadených integrácií a sprístupnenie prevádzkových údajov ľuďom zodpovedným za výsledky.

Znamená to tiež byť selektívny. Nie každý starší komponent potrebuje okamžitú výmenu a nie každý proces potrebuje umelú inteligenciu. Najlepšia investícia je tá, ktorá odstráni zmysluplné prevádzkové obmedzenie a zároveň vytvorí možnosti pre ďalšie zlepšenie. Začnite tam, kde sú viditeľné náklady na trenie, zaveďte merateľnú kontrolu a využite každú dodanú funkciu na uľahčenie ďalšej zmeny.

Budúcnosť podnikovej automatizácie vo veľkom meradle

Finančný tím uzatvára mesiac so stovkami výnimiek, ktoré stále ležia v e-mailoch. Servisné stredisko prepočítava tie isté údaje o zákazníkoch v troch systémoch. Manažér závodu dostane včerajšiu správu o produkcii po tom, čo už boli prijaté rozhodnutia, na ktorých mohla byť založená. Nejde o izolované problémy s produktivitou. Sú to signály, že budúcnosť automatizácie podnikov sa musí posunúť od robotov na úrovni úloh smerom k prepojeným, merateľným operačným modelom.

Pre vedúcich pracovníkov podnikov už otázka neznie, či automatizácia dokáže znížiť manuálnu prácu. Dokáže. Dôležitejšou otázkou je, či automatizácia dokáže zlepšiť fungovanie organizácie: rýchlejšie rozhodovanie, menej chýb, nižšie náklady na služby, silnejšie kontroly a lepšiu schopnosť prispôsobiť sa zmene objemov, predpisov alebo očakávaní zákazníkov.

Budúcnosť podnikovej automatizácie je prevádzkový model

Prvá generácia podnikovej automatizácie sa často zameriavala na jednotlivé úlohy. Robotický bot na automatizáciu procesov kopíroval dáta z jedného systému do druhého. Pracovný postup smeroval schválenie. Skript vygeneroval správu. Toto úsilie prinieslo hodnotu tam, kde bola práca stabilná a pravidlá jasné, ale zároveň vytvorilo známy problém: rastúci súbor automatizácií, ktoré sa ťažko udržiavali, boli navzájom zle prepojené a závislé od krehkých procesov.

Ďalšia fáza nie je definovaná jednou technológiou. Je definovaná tým, ako spolupracujú návrh procesov, dátová architektúra, automatizácia, umelá inteligencia a riadenie výkonu. Automatizácia sa stáva súčasťou operačného modelu, a nie samostatnou IT iniciatívou.

Toto rozlíšenie je dôležité. Automatizácia neefektívneho procesu jednoducho zrýchľuje neefektívnosť. Aplikácia umelej inteligencie na nekonzistentné údaje produkuje nekonzistentné odporúčania rýchlejšie. Nasadenie novej platformy bez jasného zodpovednosti môže pridať ďalšiu vrstvu do už aj tak fragmentovanej technologickej krajiny. Udržateľné výsledky si vyžadujú postupnosť: pochopiť prácu, zjednodušiť ju, štruktúrovať údaje, automatizovať správne rozhodnutia a akcie a potom zmerať výsledok.

Preto majú organizácie, ktoré pristupujú k automatizácii ako k portfóliu softvérových nákupov, často problém so škálovaním. Obmedzením je zriedkakedy nedostatok nástrojov. Je to absencia integrovaného modelu realizácie.

Prepracovanie procesov predchádza väčšej automatizácii

Podnikové procesy sú zriedkavo navrhnuté od začiatku do konca. Vyvíjajú sa prostredníctvom akvizícií, zmien systému, lokálnych riešení, požiadaviek na dodržiavanie predpisov a rokov neformálnych znalostí. Výsledkom sú často duplicitné kontroly, nejasné odovzdávanie úloh, cesty k výnimkám, ktoré sa stali štandardnou praxou, a tímy používajúce tabuľky na preklenutie medzier medzi základnými systémami.

Pred rozšírením automatizácie potrebujú vedúci pracovníci prehľad o tom, ako práca v skutočnosti prebieha, založený na dôkazoch. To znamená pozrieť sa za hranice zdokumentovaných postupov a preskúmať údaje o transakciách, časy cyklov, prepracovanie, mieru výnimiek, čakacie doby a vlastníctvo naprieč funkciami. V mnohých prípadoch najväčšou príležitosťou nie je automatizácia úlohy. Je to odstránenie kroku, štandardizácia rozhodnutia alebo eliminácia odovzdávania, ktoré neprináša žiadnu obchodnú hodnotu.

Zvážte spracovanie faktúr. Bot môže skrátiť čas potrebný na zadanie údajov z faktúr, ale nevyrieši opakujúce sa nezhody medzi dodávateľmi, nekonzistentné postupy pri objednávkach ani nejasné prahy schvaľovania. Prepracovanie procesu môže zahŕňať štandardizáciu nástupu dodávateľov, definovanie kategórií výnimiek, zlepšenie kmeňových údajov a smerovanie iba skutočných výnimiek k ľuďom. Automatizácia potom podporuje čistejší proces s oveľa nižšou záťažou na údržbu.

Tento prístup tiež mení spôsob merania návratnosti investícií. Namiesto počítania nasadených botov môžu organizácie merať mieru bezdotykového spracovania, presnosť prvého prechodu, počet dní neuhradených predajov, náklady na transakciu a zníženie počtu manuálnych výnimiek. To sú metriky, ktoré spájajú investície do automatizácie s výkonnosťou podniku.

Čisté dáta určia, ktoré iniciatívy v oblasti umelej inteligencie sa budú dať škálovať

Generatívna umelá inteligencia a jej agenti vytvárajú pochopiteľnú naliehavosť. Dokážu zhrnúť dokumenty, klasifikovať požiadavky, navrhovať odpovede, extrahovať informácie z neštruktúrovaných súborov a podporovať zamestnancov pracujúcich s rozsiahlymi znalostnými bázami. Pri správnom využití môžu tieto funkcie zlepšiť procesy v oblasti služieb, financií, obstarávania, údržby a obchodných procesov.

Ale umelá inteligencia neodstraňuje potrebu dátovej disciplíny. Zvyšuje štandard.

Pracovný postup s podporou umelej inteligencie potrebuje prístup k relevantným, aktuálnym a riadeným informáciám. Potrebuje jasné definície pre zákazníkov, produkty, dodávateľov, aktíva a finančné subjekty. Potrebuje príslušné povolenia, sledovateľnosť a zásady pre manipuláciu s citlivými údajmi. Bez týchto základov môže umelá inteligencia spôsobiť, že proces bude vyzerať inteligentnejšie, a zároveň zvýšiť riziko nesprávnych výstupov, nekonzistentných rozhodnutí alebo nekontrolovaného prístupu k informáciám.

Praktickou príležitosťou je uplatnenie umelej inteligencie tam, kde zlepšuje definovanú časť riadeného pracovného postupu. Napríklad umelá inteligencia dokáže interpretovať prichádzajúci e-mail od zákazníka, identifikovať zámer, extrahovať relevantné fakty a navrhnúť ďalší postup. Modul pracovného postupu dokáže overiť požiadavku podľa obchodných pravidiel, načítať údaje z podnikových systémov, smerovať výnimky a zaznamenať rozhodnutie. Človek môže zostať zodpovedný za prípady s vysokou hodnotou, vysokým rizikom alebo nejednoznačné prípady.

Toto rozdelenie práce je kľúčové pre budúcnosť podnikovej automatizácie. AI sa dobre hodí na interpretáciu, predikciu a generovanie obsahu. Deterministická automatizácia zostáva cenná pre opakujúce sa vykonávanie založené na pravidlách. Ľudia zabezpečujú úsudok, zodpovednosť a riadenie eskalácie. Najsilnejšie návrhy kombinujú všetky tri prvky, namiesto toho, aby každý proces nútili do autonómneho modelu.

Architektúra automatizácie musí byť navrhnutá s ohľadom na zmenu

Škálovateľné automatizované prostredie si vyžaduje viac než len súbor bodových riešení. Potrebuje jasnú architektúru na prepojenie systémov, údajov, pracovných postupov, služieb umelej inteligencie a nástrojov na meranie.

Pre mnohé podniky to znamená zníženie priamych, jednorazových integrácií a zavedenie opakovane použiteľných vzorcov pre výmenu a orchestráciu údajov. Základné systémy, ako sú ERP, CRM, riadenie výroby a servisné platformy, by mali zostať dôveryhodnými systémami záznamov. Vrstvy automatizácie by mali koordinovať prácu medzi nimi bez vytvárania tieňových údajov alebo nezdokumentovanej logiky.

Rozhodnutia o architektúre by mali tiež odrážať tempo zmien. Proces, ktorý je stabilný, s vysokým objemom transakcií a riadený pravidlami, môže odôvodniť hlbšiu automatizáciu. Proces ovplyvnený častými zmenami politík alebo vyvíjajúcimi sa požiadavkami zákazníkov môže vyžadovať flexibilné pracovné postupy a body ľudskej kontroly. Správny návrh závisí od objemu transakcií, variácií procesu, regulačnej expozície, zrelosti integrácie a nákladov na zlyhanie.

Riadenie nie je možné pridať po nasadení. Každá automatizácia produkcie by mala mať vlastníka firmy, technického vlastníka, zdokumentovaný účel, základnú líniu výkonnosti, proces zmien a definovanú cestu k výnimkám. Procesy s podporou umelej inteligencie vyžadujú dodatočné kontroly pre promptnú správu, výkon modelu, prístupové práva, kontrolu výstupov a auditovateľnosť.

Môže to znieť formálne, ale práve to umožňuje rýchlosť bez vytvárania neriadeného rizika. Keď je vlastníctvo a štandardy jasné, tímy môžu opätovne používať komponenty, vykonávať zmeny s istotou a škálovať automatizáciu naprieč funkciami.

Viditeľnosť v reálnom čase premení automatizáciu na manažérske schopnosti

Automatizácia generuje prevádzkové signály: kde sa transakcie zastavujú, ktoré výnimky sa opakujú, ako dlho trvajú schválenia, ako často zasahujú zamestnanci a kde pravidlá politiky vytvárajú úzke miesta. Príliš často tieto informácie zostávajú skryté v protokoloch pracovných postupov alebo sa kontrolujú až po eskalácii problému.

Zrelší model prináša tieto údaje do prevádzkových dashboardov, ktoré vedúci pracovníci a vlastníci procesov používajú každý deň. Namiesto toho, aby sa pýtali, či automatizácia beží, môžu vidieť, či proces funguje. Môžu identifikovať, či je pokles bezdotykového spracovania viazaný na konkrétneho dodávateľa, región, kategóriu produktov alebo zmenu systému. Môžu rozlíšiť medzi zlyhaním automatizácie a problémom v návrhu procesu.

Táto viditeľnosť tiež umožňuje neustále zlepšovanie. Automatizácia by sa nemala považovať za jednorazový projekt s pevne stanoveným konečným termínom. Je to prevádzková schopnosť, ktorá si vyžaduje monitorovanie, zdokonaľovanie a rozširovanie na základe nameraných výsledkov.

Pre vedúceho oddelenia zdieľaných služieb to môže znamenať monitorovanie výkonnosti na úrovni služieb a objemov výnimiek v rámci záväzkov voči zákazníkom, správy objednávok a služieb pre zamestnancov. Pre prevádzkového manažéra to môže znamenať prepojenie údajov o výrobe, údržbe, zásobách a kvalite s cieľom skrátiť reakčné časy. Opatrenia sa líšia, ale princíp je rovnaký: automatizácia sa stáva cennejšou, keď prináša užitočné manažérske poznatky.

Čo by mali lídri podnikov urobiť teraz

Najefektívnejšie plány automatizácie začínajú obchodnými prioritami, nie užším zoznamom technológií. Vedúci pracovníci by mali identifikovať procesy, v ktorých vysoké objemy transakcií, slabá viditeľnosť, opakujúce sa chyby alebo dlhé cykly vytvárajú významné obchodné náklady. Následne by mali posúdiť zrelosť procesov, kvalitu údajov, závislosti systému, požiadavky na kontrolu a uskutočniteľnosť redizajnu.

Fázový plán je zvyčajne efektívnejší ako široký automatizačný mandát. Začnite s procesnou doménou, kde je možné jasne merať hodnotu a kde organizácia môže stanoviť opakovane použiteľné štandardy. Túto prácu využite na vybudovanie architektúry, modelu riadenia, metód dodávania a prevádzkového reportovania potrebného pre širší rozsah.

Aj v tomto prípade môže integrovaný partnerský model znížiť trenie. Spoločnosť Ective pristupuje k modernizácii podniku prepojením zlepšovania procesov, správy údajov, umelej inteligencie, automatizácie a merania výkonnosti v jednom modeli. Tým sa zabráni bežnému presúvaniu zodpovednosti medzi strategické tímy, dátových špecialistov, dodávateľov automatizácie a poskytovateľov podpory, kde sa zodpovednosť môže rozdrobiť.

Cieľom nie je automatizovať všetko. Niektoré práce by mali zostať riadené ľuďmi, pretože závisia od empatie, zložitého vyjednávania, zodpovednosti alebo kontextu, ktorý nemožno spoľahlivo štandardizovať. Cieľom je organizovať prácu tak, aby ľudia trávili menej času prenosom informácií a riešením výnimiek, ktorým sa dá vyhnúť, a viac času rozhodnutiami, ktoré zlepšujú výsledky.

Najviac z automatizácie získajú tie podniky, ktoré budú ku každému automatizovanému procesu pristupovať ako k riadenému obchodnému aktívu: navrhnutému na základe jasného výsledku, podloženému dôveryhodnými údajmi, riadenému disciplinovane a vylepšovanému podľa zmien prevádzkových podmienok. To je praktická cesta od izolovaných zvýšení efektívnosti k responzívnejšiemu podniku.

Škálovateľné služby modernizácie podnikov

Tím zdieľaných služieb môže automatizovať tisíce kontrol faktúr a stále nedokáže zlepšiť výkonnosť, ak schválenia zostávajú nejasné, hlavné dáta sú nespoľahlivé a výnimky sa prenášajú prostredníctvom e-mailu. To je ústredná výzva, ktorú musia vyriešiť služby modernizácie podnikov: nepridávať technológie do oddelenej práce, ale prepracovať spôsob, akým práca, dáta, rozhodnutia a kontroly fungujú spoločne.

Pre organizácie s vysokou prevádzkovou náročnosťou je modernizácia zriedkavo blokovaná nedostatkom platforiem. Väčšina z nich už má ERP, nástroje na tvorbu pracovných postupov, prostredia na tvorbu reportov a rozširujúcu sa kolekciu automatizačných alebo umelých inteligencií. Obmedzením je, že tieto prostriedky sa často implementujú izolovane. Tímy automatizujú úlohu bez toho, aby opravili proces okolo nej, vytvárajú dashboardy na základe nekonzistentných definícií alebo zavádzajú umelú inteligenciu skôr, ako sú informácie, ktoré potrebuje, riadené a sprístupnené.

Výsledkom je zložitejšie prevádzkové prostredie, nie efektívnejšie. Modernizačný program získava svoju hodnotu, keď toto prostredie zjednodušuje a zároveň prináša merateľné zlepšenia v rýchlosti, nákladoch, riadení a kvalite rozhodovania.

Prečo izolovaná automatizácia prestáva prinášať výsledky

Malý automatizačný projekt môže priniesť rýchly lokálny zisk. To neznamená, že sa dá škálovať na financie, obstarávanie, zákaznícke operácie, dodávateľský reťazec alebo zdieľané služby. Podniková škála prináša varianty procesov, systémové závislosti, bezpečnostné požiadavky, politiky špecifické pre danú krajinu, cesty výnimiek a otázky vlastníctva, ktorým sa pilotný projekt môže vyhnúť.

Zvážte proces od obstarania po platbu. Automatizácia zaznamenávania faktúr môže znížiť manuálne zadávanie, ale nevyrieši problém duplicitných dodávateľov, chýbajúce referencie objednávok, nejasné limity schvaľovania alebo nekonzistentné kódovanie. Každý nevyriešený problém sa stáva výnimkou. S rastúcim objemom transakcií sa front výnimiek stáva skutočným procesom a pôvodný obchodný prípad slabne.

Preto programy zamerané na technológie často vytvárajú rastúcu záťaž v oblasti údržby. Boti vyžadujú opakované opravy. Správy vytvárajú hádky o tom, čí čísla sú správne. Zamestnanci naďalej pracujú obchádzaním systémov, pretože navrhnutý pracovný postup neodráža prevádzkovú realitu. Organizácia zhromažďuje nástroje bez toho, aby si vybudovala spoľahlivý model vykonávania.

Modernizácia podniku by preto mala začať náročnejšou otázkou: čo sa musí zmeniť v prevádzkovom procese, aby sa zlepšil obchodný výsledok? Odpoveďou môže byť automatizácia, umelá inteligencia, nové rozhrania alebo dátové produkty. To sú však súčasti riešenia, nie východiskový bod.

Služby modernizácie podnikov potrebujú jeden operačný model

Efektívne služby modernizácie podnikov spájajú päť disciplín, ktoré sú príliš často riadené samostatne: zlepšovanie procesov, správu a architektúru údajov, digitalizáciu, inteligentnú automatizáciu a podporu rozhodovania s využitím umelej inteligencie. Hodnota spočíva v ich postupnosti a integrácii.

Redizajn procesu stanovuje cieľový stav. Identifikuje zbytočné odovzdávanie úloh, duplicitné kontroly, medzery v politikách, zbytočné schválenia a nákladné výnimky. Práca s dátami potom vytvára spoločné definície, vlastníctvo, pravidlá kvality a použiteľné prepojenia naprieč systémami, ktoré podporujú proces. Až potom je možné navrhnúť automatizáciu na základe stabilných pravidiel a známych ciest výnimiek.

Umelá inteligencia a genealogická umelá inteligencia môžu byť významným prínosom, najmä pri práci s rozsiahlou dokumentáciou a znalostnou náročnosťou. Dokážu klasifikovať požiadavky, extrahovať a sumarizovať informácie, pomáhať agentom, identifikovať vzory a odporúčať ďalšie kroky. Ich účinnosť však závisí od kontextu, riadených údajov, vhodných kontrol a jasného modelu ľudského rozhodovania. Asistent s umelou inteligenciou vyškolený na prácu s slabo organizovaným obsahom bude slabé odporúčania vydávať rýchlejšie. V prípade regulovaných alebo vysoko vplyvných rozhodnutí zostáva ľudská kontrola a sledovateľnosť nevyhnutná.

Nakoniec, dashboardy a meracie systémy zviditeľňujú výkon. Lídri potrebujú viac než len počet nasadených botov alebo spracovaných dokumentov. Potrebujú vidieť čas cyklu, výťažnosť prvého prechodu, mieru bezdotykového spracovania, príčiny výnimiek, starnutie nevybavených objednávok, náklady na transakciu, dodržiavanie úrovne služieb a obchodný dopad zmien procesov.

Jeden integrovaný model tiež znižuje fragmentáciu dodávateľov. Keď stratégiu, dáta, návrh procesov, automatizáciu a podporu vlastnia samostatní poskytovatelia, problémy na hraniciach sú predvídateľné. Jeden tím môže viniť zdrojové dáta, iný môže viniť návrh pracovného postupu a tretí môže byť zodpovedný iba za bota. Zjednotený dodávateľský partner môže riadiť celý reťazec od diagnostiky až po implementáciu a priebežnú optimalizáciu.

Disciplinovaná cesta od procesnej bolesti k výkonu

Modernizácia funguje najlepšie ako štruktúrovaný realizačný program, nie ako súbor nesúvisiacich inovačných iniciatív. Správne tempo závisí od naliehavosti podnikania, technického dlhu a dostupnosti vlastníkov procesov. Postup by však mal byť jasný.

1. Stanovte si východiskový bod a stanovte si priority práce

Začnite s prevádzkovými faktami. Zmapujte komplexný proces vrátane skutočných odchýlok, ktoré sa vyskytujú mimo formálnej dokumentácie. Merajte objemy, časy spracovania, prepracovania, miery výnimiek, stavy čakania, dotknuté systémy a kontrolné body. Dolovanie procesov môže pomôcť tam, kde sú k dispozícii údaje o udalostiach, ale rozhovory a pozorovanie v prvej línii zostávajú potrebné, keď údaje nezachytávajú manuálnu prácu.

Stanovenie priorít by malo vyvážiť hodnotu a uskutočniteľnosť. Vysokoobjemová, opakovateľná práca s jasnými pravidlami môže byť silným kandidátom na automatizáciu. Fragmentovaný, ale strategicky dôležitý proces môže vyžadovať redizajn a nápravu údajov predtým, ako bude vhodná akákoľvek automatizácia. Portfólio by malo zahŕňať krátkodobé vylepšenia, ktoré budujú dôveru, a základnú prácu, ktorá umožňuje škálovanie.

2. Pred výberom riešenia navrhnite cieľový proces

Návrh budúceho stavu by mal rozhodnutia explicitne umožňovať. Čo spúšťa proces? Ktoré údaje sú smerodajné? Ktoré kroky možno eliminovať? Kedy práca postupuje priamo a kedy sa musí skontrolovať? Kto je vlastníkom výnimiek? Aké dôkazy sú potrebné na audit a dodržiavanie predpisov?

V tejto fáze sa organizácie vyhýbajú bežnej chybe digitalizácie neefektívnej práce. Ak tri tímy overujú tú istú oblasť, pretože nikto nedôveruje pôvodným údajom, samotné zrýchlenie všetkých troch validácií nezlepší návrh. Lepším riešením môže byť jednotná kontrola kvality údajov pri zdroji, podporená jasným vlastníctvom a monitorovaním.

3. Vybudujte základ pre dáta a integráciu

Čisté dáta neznamenajú, že každý problém s dátami musí byť vyriešený pred začatím modernizácie. Znamená to, že informácie potrebné pre prioritizovaný proces sú definované, prístupné, monitorované a riadené na úrovni potrebnej na spoľahlivé vykonávanie.

To môže zahŕňať štandardizáciu záznamov o zákazníkoch alebo dodávateľoch, vytvorenie kanonického dátového modelu, integráciu údajov ERP a CRM, definovanie prahových hodnôt kvality údajov alebo vytvorenie vrstvy udalostí pre prehľad o procesoch v reálnom čase. Architektúra by mala zodpovedať prostrediu a rizikovému profilu organizácie. Úplná výmena platformy je niekedy opodstatnená, ale cielená stratégia integrácie a správy údajov často prináša rýchlejšie získanie hodnoty s menším narušením.

4. Automatizujte, rozširujte a kontrolujte vo veľkom meradle

Vďaka zavedenému procesnému a dátovému základu si tímy môžu vybrať správnu technológiu vykonávania. Platformy pracovných postupov sú užitočné pre orchestráciu a schvaľovanie. Inteligentné spracovanie dokumentov podporuje neštruktúrované vstupy. Robotická automatizácia procesov dokáže preklenúť staršie rozhrania tam, kde nie sú k dispozícii rozhrania API. Umelá inteligencia dokáže klasifikovať, sumarizovať, získavať znalosti a podporovať prácu založenú na úsudku.

Najlepší návrh je zriedkakedy ten s najpokročilejšou technológiou. Je to ten, ktorý efektívne riadi výnimky, poskytuje jasné audítorské záznamy, podporuje bezpečnostné požiadavky a možno ho prevádzkovať bez špecializovaného záchranného tímu. Automatizácia by sa mala monitorovať ako každá iná výrobná kapacita, vrátane vlastníctva, úrovní služieb, riadenia zmien a spracovania porúch.

5. Merajte výsledky a neustále sa zlepšujte

Modernizácia nie je dokončená spustením. Údaje o výkonnosti by mali odhaliť, či cieľový operačný model prináša zamýšľaný výsledok a kde dochádza k odchýlkam v procese. Ak dochádza k zlyhaniu bezdotykového spracovania, vedúci pracovníci by mali zistiť, či je príčinou kvalita údajov, zmena politiky, správanie dodávateľa alebo problém so systémovou integráciou.

Táto spätná väzba premieňa modernizáciu na prevádzkovú disciplínu. Zároveň vytvára lepšie investičné rozhodnutia. Namiesto financovania technológií na základe všeobecných sľubov môžu lídri rozširovať iniciatívy, ktoré preukazujú nižšie náklady na transakciu, zlepšenú úroveň služieb, silnejšiu kontrolu alebo kratšie cykly.

Čo by mali lídri požadovať od modernizačného partnera

Rozhodnutie o výbere partnera by sa nemalo zameriavať len na certifikácie platformy alebo katalóg automatizačných nástrojov. Tie sú dôležité, ale nedokazujú schopnosť zmeniť výkonnosť podniku. Vedúci pracovníci by mali hľadať tím, ktorý dokáže pracovať naprieč obchodnými operáciami a technológiami, spochybňovať neefektívne predpoklady procesov a zostať zodpovedný aj po implementácii.

Predtým, ako partner navrhne riešenie, sa opýtajte, ako identifikuje a kvantifikuje hodnotu. Opýtajte sa, ako sa rieši kvalita údajov, riadenie, kybernetická bezpečnosť a prijímanie zmien. Opýtajte sa, kto podporuje prostredie po zavedení pracovných postupov, automatizácie a funkcií umelej inteligencie. A čo je najdôležitejšie, požiadajte o dôkazy o tom, že poskytovateľ dokáže prejsť z lokálneho prípadu použitia na riadenú, opakovane použiteľnú podnikovú funkciu.

Spoločnosť Ective pristupuje k tejto práci ako k prepojenému transformačnému programu: organizuje pracovné postupy, štruktúruje a prepája dáta, automatizuje správnu prácu a vytvára prehľad o výkonnosti v reálnom čase. Tento prístup je navrhnutý tak, aby zmenšil rozdiel medzi sľubným pilotným projektom a spoľahlivým prevádzkovým modelom.

Lídri v oblasti kompromisov musia riadiť

Vždy existuje tlak na rýchle konanie. V niektorých prípadoch môže uzavretá automatizácia priniesť okamžitú úľavu a nemala by čakať na rozsiahly transformačný plán. Rýchlosť bez dizajnu však vytvára dlh, najmä keď sa krátkodobé riešenie stane kritickým pre podnikanie.

Praktickou odpoveďou nie je vyberať si medzi rýchlymi výhrami a základmi. Je to prinášanie rýchlych výhier, ktoré sú v súlade s dohodnutou architektúrou, procesným štandardom a modelom merania. Každá iniciatíva by mala organizácii zanechať čistejšie dáta, jasnejšie vlastníctvo, opakovane použiteľné komponenty alebo lepšiu viditeľnosť ako predtým.

Organizácie, ktoré z modernizácie získajú najviac, ju nepovažujú za nákup technológie. Považujú ju za merateľnú zmenu fungovania podniku. Začnite s procesom, ktorý vytvára najväčšie trenie, zistite fakty a odtiaľ budujte s disciplínou potrebnou na škálovanie.

7 najväčších úzkych miest v podnikových pracovných postupoch, ktoré treba odstrániť

Pracovný postup zriedkakedy zlyhá preto, že jeden zamestnanec je príliš pomalý. Zlyhá preto, lebo práca sa opakovane zastavuje pri rovnakých odovzdávaniach: chýbajúce dátové pole, schvaľovací front, výnimka, ktorá nemá vlastníka, alebo systém, ktorý si nemôže vymieňať informácie, ktoré potrebuje iný tím. Najväčšie úzke miesta v podnikovom pracovnom postupe, ktoré treba odstrániť, preto nie sú izolované problémy s produktivitou. Sú to štrukturálne obmedzenia, ktoré zvyšujú náklady na transakciu, oneskorujú rozhodnutia, oslabujú úroveň služieb a obmedzujú hodnotu automatizácie.

Pre vedúcich prevádzky nie je cieľom len rýchlejšie vykonávať úlohy. Ide o návrh kontrolovaného toku práce, v ktorom sú dáta spoľahlivé, vlastníctvo jasné, rozhodnutia sa prijímajú v správnom okamihu a automatizácia sa dá škálovať bez vytvárania väčšieho počtu nevybavených výnimiek. To si vyžaduje pohľad za hranice jednotlivých nástrojov a spoločnú diagnostiku problémov s procesmi, dátami a riadením.

1. Manuálne zadávanie údajov a opätovné zadávanie

Manuálne zadávanie zostáva jedným z najdrahších zdrojov oneskorenia pracovného postupu, najmä tam, kde tímy prenášajú informácie medzi ERP, CRM, obstarávaním, systémom správy lístkov, správou dokumentov a systémami špecifickými pre dané odvetvie. Zamestnanec môže stráviť zadávaním objednávky, faktúry, servisnej požiadavky alebo záznamu o zhode len niekoľko minút. Pri veľkom objeme sa tieto minúty stávajú významnými prevádzkovými nákladmi. A čo je dôležitejšie, každé opätovné zadanie hodnoty vytvára novú príležitosť na chybu, ktorú je potrebné neskôr preskúmať a opraviť.

Správnou odpoveďou nie je automatizovať každé pole okamžite. Najprv identifikujte, prečo sa údaje zadávajú viackrát. V niektorých prípadoch je problémom chýbajúca integrácia. V iných sú zdrojové údaje neštruktúrované, overovacie pravidlá sú nekonzistentné alebo prijímajúci systém vyžaduje polia, ktoré nepridávajú žiadnu rozhodovaciu hodnotu.

Začnite s transakciami s vysokým objemom a merajte čas spracovania, mieru chybovosti, mieru prepracovania a oneskorenia v následných procesoch. Štandardizujte dátový model, overujte informácie v mieste ich zachytenia a prepojte systémy tam, kde to obchodný prípad podporuje. Inteligentné spracovanie a automatizácia dokumentov potom dokážu zvládnuť opakovanú extrakciu a zaúčtovanie s jasnými pravidlami výnimiek.

2. Schvaľovacie reťazce, ktoré nezodpovedajú riziku

Mnohé organizácie majú schvaľovacie pracovné postupy navrhnuté pre predchádzajúci prevádzkový model. Nákup s nízkou hodnotou, rutinný účtovný zápis, aktualizácia zákazníka alebo servisná požiadavka môže prejsť cez niekoľko manažérov, pretože politika bola postavená na kontrole a nie na proporcionálnom riziku. Výsledok je predvídateľný: práca čaká v schránkach doručenej pošty, zamestnanci obchádzajú proces a vedúci schvaľovatelia trávia čas rozhodnutiami, ktoré by mali byť rutinné.

Úzkym hrdlom nie je samotné schvaľovanie. Podniky potrebujú kontroly, najmä vo financiách, zdravotníctve, výrobe a regulovaných prevádzkach. Otázkou je, či logika schvaľovania odráža hodnotu, riziko a úroveň výnimky transakcie.

Prepracujte schvaľovacie postupy podľa prahových hodnôt a podmienok. Jednoduchá práca v súlade s politikami by mala prebiehať automaticky alebo s jedným zodpovedným kontrolórom. Výnimky s vyšším rizikom by mali byť smerované k príslušnému orgánu s už pripojeným požadovaným kontextom. Tento prístup zvyšuje rýchlosť bez oslabenia riadenia. Taktiež vytvára auditovateľnú rozhodovaciu stopu, namiesto toho, aby nútil tímy rekonštruovať rozhodnutia z e-mailových vlákien.

3. Fragmentované vlastníctvo pri medzifunkčných odovzdávaniach

Väčšina podnikových procesov prekračuje funkčné hranice. Od objednávky k hotovosti prechádza cez predaj, zákaznícky servis, prevádzku, financie a logistiku. Zaškolenie zamestnancov zahŕňa ľudské zdroje, IT, zariadenia, bezpečnosť a liniový manažment. Keď je vlastníctvo pri každom odovzdaní nejasné, úlohy sa nachádzajú v zdieľaných frontoch, zatiaľ čo tímy diskutujú o tom, kto by mal konať ďalej.

Toto sa často mylne diagnostikuje ako problém s personálnym obsadením. Pridanie ľudí môže na krátke obdobie znížiť počet nevybavených zákaziek, ale neodstráni nejednoznačnosť, ktorá ich spôsobila. Trvalejším riešením je zmapovať komplexný proces okolo zákazníka alebo obchodného výsledku, nie okolo činnosti oddelenia.

Definujte vlastníka procesu s právomocami naprieč funkciami. Potom stanovte jasné očakávania týkajúce sa služieb pre každé odovzdanie vrátane toho, aké informácie musia byť kompletné predtým, ako sa môže práca pohnúť ďalej, kto je vlastníkom výnimiek a kedy je potrebná eskalácia. Matica zodpovednosti môže pomôcť, ale musí sa odrážať v skutočnom pracovnom postupe a manažérskom reportingu. Dokumentácia, ktorá sa nachádza mimo operačného systému, nebude kontrolovať každodenné správanie.

4. Nízka kvalita údajov a nesúvisiace kmeňové údaje

Automatizácia zosilňuje všetko, čo prijíma. Ak sú záznamy o zákazníkoch duplicitné, údaje o dodávateľoch sú neúplné, atribúty produktov sú v konflikte alebo referenčné údaje sú rozptýlené v lokálnych tabuľkách, automatizované pracovné postupy budú rýchlejšie presúvať nesprávne informácie. To spôsobuje neúspešné transakcie, nesprávne reportovanie, problémy so zákazníkmi a nákladné manuálne zásahy.

Kvalita údajov sa často chápe ako projekt čistenia, ktorý môže počkať až do automatizácie procesov. V praxi je to predpoklad škálovateľnej automatizácie. Čisté údaje neznamenajú dokonalosť v každom historickom zázname. Znamená to, že údaje potrebné na vykonanie a meranie procesu sú riadené, štandardizované a dostupné, keď ich pracovný postup potrebuje.

Najprv sa zamerajte na kritické dátové prvky. Vytvorte systém záznamov, definujte vlastníctvo kmeňových dát , aplikujte overovacie pravidlá a zviditeľnite kvalitu dát prostredníctvom merateľných kontrol. V prípadoch, kde musí viacero systémov uchovávať dáta, definujte, ako sa záznamy synchronizujú a ako sa riešia konflikty. Tento základ znižuje úsilie o údržbu a robí budúce automatizačné iniciatívy predvídateľnejšími.

5. Ošetrovanie výnimiek, ku ktorému dochádza mimo pracovného postupu

Výnimky sú v podnikových operáciách bežné. Objednávka sa nezhoduje s faktúrou. V žiadosti zákazníka chýbajú požadované informácie. Strojovo vygenerované odporúčanie si vyžaduje odborné posúdenie. Problém začína, keď výnimky opustia formálny proces a presunú sa do e-mailov, chatovacích správ, tabuliek alebo neformálnych hovorov.

Keď sa to stane, operácie strácajú prehľad. Tímy nevidia, prečo sa práca oneskoruje, ako dlho zostávajú výnimky otvorené, ktoré dôvody sa opakujú alebo či konkrétny dodávateľ, zákazník, lokalita alebo politika generuje objem, ktorému sa dá vyhnúť. Miera automatizácie sa môže zdať pôsobivá, zatiaľ čo skutočné pracovné zaťaženie sa presúva do nemeraného radu výnimiek.

Od začiatku zaraďte do pracovného postupu cesty k výnimkám. Každá výnimka by mala mať klasifikáciu, vlastníka, prioritu, cieľ služby a výsledok riešenia. Pracovný postup by mal zachovať súvisiace dokumenty a kontext transakcie, aby kontrolóri nemuseli prehľadávať systémy. Analýza výnimiek by časom mala viesť k zmenám v procese: lepšia validácia zdrojových údajov, revidované politiky, vylepšené zaškolenie dodávateľov alebo cielená automatizácia pre opakujúce sa prípady.

6. Dávkové spracovanie a oneskorená prevádzková viditeľnosť

Proces sa môže zdať stabilný, kým si vedúci pracovníci nepoložia základnú otázku: čo práve teraz čaká, kde to čaká a čo nesplní svoj cieľ služby? Organizácie, ktoré sa spoliehajú na denné výpisy, týždenné správy o stave alebo manuálne pripravené tabuľky, nedokážu riadiť prácu v reálnom čase. V čase, keď je nevybavená zásielka viditeľná, už môže ovplyvňovať zákazníkov, výrobné harmonogramy, peňažné toky alebo termíny dodržiavania predpisov.

Nie každý pracovný postup vyžaduje monitorovanie sekundu po sekunde. Správna úroveň prehľadnosti závisí od objemu transakcií, volatility a obchodného rizika. Procesy s vysokým dopadom však potrebujú aktuálne prevádzkové merania, ktoré ukazujú veľkosť frontu, starnutie, priepustnosť, dokončenie prvého prechodu, mieru výnimiek a pracovné zaťaženie podľa tímu alebo lokality.

Dashboardy sú užitočné iba vtedy, keď sú prepojené s jasnými akciami. Metrika starnutia frontu by mala spustiť prioritizáciu alebo eskaláciu. Rastúca miera výnimiek by mala iniciovať analýzu základných príčin. Pokles priameho spracovania by mal odhaliť, či problémom sú dáta, výkon systému, zmena politiky alebo návrh procesu. Prehľadnosť sa stáva cennou, keď skracuje vzdialenosť medzi signálom a rozhodnutím.

7. Automatizácia postavená na nefunkčných procesoch

Bežným vzorcom zlyhania je automatizácia procesu presne v jeho súčasnej podobe, pretože súčasné kroky sú známe a ľahko sa dokumentujú. To môže priniesť rýchle úspechy, ale zároveň to zhoršuje proces zbytočného schvaľovania, duplicitných kontrol, zle navrhnutých formulárov a fragmentovaných zodpovedností v technologickom prostredí. Organizácia získava rýchlosť pri jednotlivých úlohách a zároveň si zachováva zložitosť, ktorá robí proces nákladným na prevádzku.

Pred výberom metód automatizácie zjednodušte pracovný postup. Odstráňte kroky, ktoré neprinášajú hodnotu, konsolidujte pravidlá, štandardizujte vstupy a rozhodnite sa, ktoré rozhodnutia sa môžu robiť na základe politík. Potom vyberte vhodnú technológiu pre prepracovaný proces. Základná integrácia môže postačovať pre štruktúrovaný a opakovateľný presun údajov. orchestrácia pracovného postupu . Umelá inteligencia môže podporovať klasifikáciu, extrakciu, sumarizáciu alebo pomoc pri rozhodovaní v prípade neštruktúrovaných informácií, za predpokladu, že sú definované kontroly, prahy spoľahlivosti a ľudské preskúmanie.

Táto postupnosť je dôležitá. Optimalizácia procesov a návrh dát znižujú počet potrebných automatizácií, zlepšujú spoľahlivosť a znižujú dlhodobé náklady na podporu. Spoločnosť Ective pristupuje k transformácii týmto spôsobom, pretože výkonnosť podniku závisí od celého operačného modelu, nie od súboru odpojených botov.

Ako uprednostniť najdôležitejšie úzke miesta

Nezačínajte s najhlasnejšou sťažnosťou alebo najviditeľnejšou manuálnou úlohou. Uprednostňujte úzke miesta pomocou kombinácie objemu transakcií, vplyvu na dobu cyklu, nákladov na prepracovanie, rizika pre zákazníka alebo dodržiavanie predpisov a uskutočniteľnosti zmeny. Proces s nízkym objemom s veľkým regulačným rizikom si môže zaslúžiť pozornosť pred úlohou s vysokým objemom s obmedzeným finančným dopadom. Naopak, malé oneskorenie v procese základnej objednávky alebo faktúry môže vytvoriť významnú hodnotu, keď sa vynásobí tisíckami transakcií.

Na overenie predpokladov použite procesné dáta. Merajte skutočný čas čakania medzi krokmi, nielen čas aktívneho spracovania. Porovnávajte varianty toho istého procesu medzi obchodnými jednotkami. Skontrolujte dôvody výnimiek a podiel práce dokončenej bez ľudského zásahu. Tieto fakty často odhaľujú, že obmedzenie sa nachádza nad tímom, ktorý zažíva nevybavené záležitosti.

Najefektívnejšie programy na zlepšenie berú úzke miesta v pracovných postupoch ako prevádzkovú výzvu, nie ako nákup softvéru. Keď vedúci predstavitelia urobia zodpovednosť za procesy, čisté dáta, kontrolované výnimky a meranie v reálnom čase nevyhnutnými, automatizácia má stabilný základ pre dosiahnutie merateľných výsledkov. Ďalším produktívnym krokom je vybrať jeden vysoko hodnotný pracovný postup, odhaliť jeho čakacie body s dôkazmi a prepracovať podmienky, ktoré spôsobujú zastavenie práce.

Riešenia prevádzkových panelov, ktoré podnecujú akciu

Manažér výroby by nemal potrebovať tri tabuľky, dva e-maily a stretnutie, aby zistil, prečo objednávky meškajú. To je však realita v mnohých podnikových operáciách. Riešenia prevádzkových dashboardov riešia túto medzeru tým, že spájajú dôležité ukazovatele do spoločného a včasného prehľadu – aby vedúci pracovníci a tímy mohli identifikovať výnimky, priradiť zodpovednosť a konať skôr, ako sa problémy s výkonom stanú problémami so zákazníkmi.

Samotný dashboard nie je transformáciou. Je to vrstva operačnej kontroly postavená na prepracovaných procesoch, spoľahlivých údajoch a jasne definovaných rozhodnutiach. Keď tieto základy chýbajú, dashboardy sa stávajú atraktívnymi plochami na podávanie správ, ktoré potvrdzujú to, čo ľudia už vedia, často príliš neskoro na to, aby zmenili výsledok.

Prečo riešenia prevádzkových dashboardov často zlyhávajú

Mnohé iniciatívy týkajúce sa dashboardov začínajú požiadavkou na prehľadnosť. Požiadavka je rozumná, ale môže byť neúplná. Obchodná jednotka požiada o prehľad o priepustnosti, nevybavených zákazkách, úrovniach služieb alebo výkonnosti automatizácie a projekt začína výberom grafov. Výsledok môže vyzerať uhladene, pričom základná prevádzková otázka zostáva nezodpovedaná: čo by mal niekto urobiť inak, keď sa metrika zmení?

Bežné sú tri problémy. Po prvé, organizácie merajú výstupy bez toho, aby ich prepojili s procesnými podmienkami, ktoré ich vytvárajú. Miera oneskorených objednávok je užitočná, ale nevysvetľuje, či sú príčinou chýbajúce hlavné údaje, úzke miesto v schvaľovaní, alokácia zásob alebo zlyhanie systémovej integrácie. Po druhé, tímy sa spoliehajú na nekonzistentné definície. Financie, prevádzka a zákaznícky servis môžu hlásiť odlišný počet nevybavených objednávok, pretože používajú rôzne časové pečiatky, pravidlá stavu alebo zdrojové systémy.

Po tretie, dashboardy sa považujú skôr za IT výstupy než za operačné mechanizmy. Ak žiadny vlastník nekontroluje výnimky, nie je dohodnutý žiadny prah úrovne služieb a neexistuje žiadna cesta eskalácie, údaje v reálnom čase majú malú hodnotu. Viditeľnosť bez zodpovednosti sa stáva ďalšou povinnosťou podávania správ.

Začnite s prevádzkovými rozhodnutiami, nie s vizuálnymi prvkami

Najefektívnejší program dashboardov začína rozhodnutiami, ktoré sa musia robiť opakovane. Pre lídra v oblasti zdieľaných služieb to môže znamenať rozhodnutie, ktoré výnimky z faktúr vyžadujú zásah pred termínmi platieb. Pre lídra vo výrobe to môže znamenať rozhodnutie, či obmedzenie výroby ovplyvní týždenný plán dodávok. Pre vlastníka automatizácie to môže znamenať rozhodnutie, ktoré zlyhania procesov si vyžadujú okamžitú nápravu a ktoré je možné vyriešiť v ďalšom cykle vydávania.

Každé rozhodnutie by malo mať definovaného používateľa, kadenciu, prahovú hodnotu a akciu. To vytvára disciplínu okolo návrhu dashboardu. Namiesto toho, aby sa organizácia pýtala na každú dostupnú metriku, identifikuje niekoľko signálov, ktoré umožňujú tímu včas zasiahnuť.

Užitočná operačná tabuľa by mala odpovedať na štyri praktické otázky:

• Čo sa deje teraz a kde je výkon mimo očakávaného rozsahu?
• Prečo sa to deje na základe fáz procesu, prípadov, lokalít alebo zapojených systémov?
• Kto je zodpovedný za ďalšiu akciu a kedy musí byť dokončená?
• Zlepšil intervenčný program výsledok v priebehu času?

Tento prístup tiež oddeľuje strategické reportovanie od operačného riadenia. Vedúci pracovníci môžu potrebovať mesačný prehľad o nákladoch na služby, prevádzkovom kapitáli alebo prínosoch transformácie. Manažéri prvej línie potrebujú prehľad o starnúcej práci, blokovaných transakciách, kapacite a výnimkách takmer v reálnom čase. Obe sú cenné, ale vyžadujú si rôzne úrovne detailov a rôzne cykly obnovy.

Definujte metriky, ktorým možno dôverovať

Metrika je užitočná iba vtedy, keď je jej definícia stabilná a zrozumiteľná. Zvážte riešenie na prvom prechode. Zahŕňa prípady znovu otvorené do siedmich dní? Zastaví sa čas počas čakania na odpoveď zákazníka? Vypočítava sa miera z platformy pracovných postupov, systému ERP alebo manuálne udržiavaného frontu?

Tieto otázky sa môžu zdať technické, ale určujú, či vedúci pracovníci dôverujú dashboardu. Vytvorte obchodný glosár pre prioritné opatrenia, priraďte vlastníka údajov a zdokumentujte logiku výpočtu. Cieľom nie je nadmerné riadenie. Cieľom je zabrániť tímom, aby trávili stretnutia debatou o čísle namiesto toho, aby rozhodovali, čo s ním robiť.

Najprv vybudujte procesnú a dátovú základňu

Dashboardy odhaľujú prevádzkové variácie. To je ich hodnota, ale zároveň to znamená, že odhaľujú slabý návrh procesov a fragmentované dáta. Ak proces obsahuje zbytočné odovzdávania, nejasné pravidlá schvaľovania alebo nekontrolované cesty výnimiek, dashboard problém zviditeľní bez toho, aby ho odstránil.

Z tohto dôvodu by mala byť práca na dashboarde prepojená so zlepšovaním procesov. Zmapujte komplexný pracovný postup, identifikujte jeho kritické kontrolné body a rozlíšte bežné odchýlky od prepracovania, ktorému sa dá vyhnúť. Potom určte, ktoré udalosti a dátové polia sú potrebné na presné meranie procesu. To si často vyžaduje prepojenie platforiem ERP, CRM, pracovných postupov, výroby, správy dokumentov a automatizácie.

Architektúra dát je rovnako dôležitá ako vizualizácia. Dashboard by nemal závisieť od používateľov, ktorí exportujú súbory, manuálne opravujú hodnoty alebo zosúlaďujú prehľady pred dennou kontrolou. Automatizované dátové kanály, overené referenčné údaje a konzistentné identifikátory znižujú úsilie o údržbu a poskytujú spoľahlivý základ pre škálovanie.

Vhodná architektúra závisí od prípadu použitia. Prehľad výnimiek na úrovni výrobnej haly môže vyžadovať časté obnovy a priamu integráciu s operačnými systémami. Prehľad finančnej výkonnosti sa môže obnovovať denne po dokončení kontrol zosúladenia. Informácie v reálnom čase sú cenné iba vtedy, keď podnik dokáže reagovať v reálnom čase. V opačnom prípade zvyšujú náklady a šum bez zlepšenia rozhodnutí.

Navrhnite architektúru dashboardu pre rôzne role

Jedna obrazovka len zriedka dobre slúži každému publiku. Podnikové operácie profitujú z viacvrstvového dizajnu, ktorý sa presúva od výkonnosti podniku ku konkrétnemu prípadu, transakcii alebo kroku procesu vyžadujúcemu pozornosť.

Na úrovni vedenia by mali dashboardy zobrazovať ukazovatele výsledkov: výkonnosť služieb, náklady, čas cyklu, využitie kapacity, vplyv na hotovosť, expozíciu voči dodržiavaniu predpisov alebo hodnotu automatizácie. Tieto ukazovatele odhaľujú, či sa prevádzkový model zlepšuje.

Na úrovni riadenia potrebujú tímy faktory a trendy. Mali by byť schopné vidieť výkonnosť podľa regiónu, obchodnej jednotky, produktového radu, segmentu zákazníkov alebo radu, spolu s príčinami nesplnených cieľov. Na úrovni vykonávania by mal dashboard fungovať ako nástroj na riadenie práce, zobrazujúci prioritné výnimky, starnutie, pridelených vlastníkov a požadované ďalšie kroky.

Možnosť detailnejšej analýzy je užitočná, ale mala by mať svoj účel. Každá úroveň detailov by mala pomôcť používateľom prejsť od signálu o výkone k operačnému zásahu. Viac grafov nevytvára väčšiu kontrolu. Jasná hierarchia ukazovateľov áno.

Urobte z prijatia súčasť riešenia

Prehľad, ktorý nie je súčasťou manažérskych postupov, nezmení výkon. Implementácia si vyžaduje viac než len školenie. Tímy potrebujú dohodnutú frekvenciu kontrol, jasné vysvetlenie toho, ako opatrenia ovplyvňujú priority, a istotu, že údaje sú spravodlivé a použiteľné.

Napríklad denné stretnutie o prevádzke môže začať výnimkami, ktoré ohrozujú záväzky voči zákazníkom, po ktorých nasledujú vlastníci, termíny splatnosti a rozhodnutia o eskalácii. Týždenné preskúmanie procesov sa môže zamerať na opakujúce sa vzorce zlyhania a na to, či je potrebná automatizácia, redizajn procesov alebo zmeny politík. Vytvára sa tak uzavretý cyklus medzi meraním a zlepšovaním.

V spoločnosti Ective sa práve tu prepája poskytovanie dashboardov so širšou realizáciou transformácie. Redizajn procesov, správa údajov, automatizácia a meranie výkonnosti sa musia navzájom posilňovať. Ak sa s nimi zaobchádza ako s oddelenými pracovnými postupmi, vytvára sa duplicitné úsilie a vedúcim pracovníkom sa len čiastočne nedarí prehľad.

Praktická postupnosť doručenia

Kontrolované zavádzanie znižuje riziko a včas zviditeľňuje hodnotu. Práca by mala postupovať od vysokohodnotného prevádzkového prípadu použitia, a nie od celopodnikového reportingového inventára.

1. Vyberte jeden proces, v ktorom je riziko oneskorenia, objemu, nákladov alebo dodržiavania predpisov významné a merateľné.
2. Definujte rozhodnutia, používateľov, opatrenia, prahové hodnoty a akcie potrebné na riadenie tohto procesu.
3. Pred vytvorením vizualizácií overte zdrojové údaje, udalosti procesov, pravidlá vlastníctva a definície metrík.
4. Spustite s pilotnou skupinou, zahrňte spätnú väzbu zo skutočných hodnotiacich stretnutí a potom rozšírte model na súvisiace procesy.

Pilotný projekt by mal preukázať viac než len technickú uskutočniteľnosť. Mal by demonštrovať rýchlejšiu detekciu problémov, nižšiu náročnosť manuálneho hlásenia, lepší výkon služieb alebo skrátené starnutie výnimiek. Tieto výsledky vytvárajú obchodný argument pre širšie investície.

Ako vyzerá dobro v praxi

Zrelé prostredie prevádzkového panela nenúti manažérov hľadať informácie. Zdôrazňuje prácu, ktorá si vyžaduje pozornosť, ukazuje prevádzkové faktory, ktoré stoja za problémom, a poskytuje dostatočný kontext na to, aby bolo možné s istotou priradiť ďalší krok.

Taktiež vytvára spoločný jazyk naprieč funkciami. Prevádzka môže vidieť vplyv kvality údajov na priepustnosť. IT môže uprednostniť integráciu alebo systémové problémy na základe obchodného vplyvu. Finančné oddelenie môže sledovať výkonnosť procesov vzhľadom na náklady, hotovosť a kontrolné výsledky. Tímy automatizácie môžu identifikovať, kde boty skutočne znižujú prácu a kde jednoducho presúvajú výnimky ďalej.

Najsilnejšie riešenia prevádzkových dashboardov sa stávajú súčasťou fungovania firmy, nie samostatným miestom na podávanie správ. Začnite s rozhodnutím, ktoré je tento týždeň dôležité, vybudujte proces a dátovú disciplínu na jeho podporu a využite výsledné poznatky na uľahčenie realizácie ďalšieho prevádzkového vylepšenia.

Ako si vybrať partnera pre inteligentnú automatizáciu

Bot, ktorý presúva dáta medzi systémami, môže ušetriť niekoľko hodín. Neopraví schvaľovací proces s piatimi zbytočnými odovzdaniami, nekonzistentnými kmeňovými dátami a bez vlastníka zodpovedného za výnimky. Tento rozdiel je dôvodom, prečo je výber partnera pre inteligentnú automatizáciu obchodným rozhodnutím, nie procesom obstarávania softvéru.

V prípade podnikových tímov automatizácia zriedka zlyhá preto, že technológia nedokáže vykonať úlohu. Zlyhá preto, lebo proces nebol nikdy prepracovaný, dáta neboli pripravené, integrácie boli považované za dodatočnú myšlienku alebo zodpovednosť bola rozdrobená medzi niekoľkých dodávateľov. Výsledkom je rastúca zbierka skriptov, botov a pilotných projektov, ktorých údržba je drahá a ich škálovanie je ťažké.

Správny partner spája zlepšovanie procesov, dátovú architektúru, automatizáciu, umelú inteligenciu a prevádzkové meranie do jedného modelu. To vytvára základ pre automatizáciu, ktorá zlepšuje výkon namiesto pridávania ďalšej vrstvy zložitosti.

Prečo výber partnera určuje výsledky automatizácie

Inteligentná automatizácia kombinuje technológie ako orchestrácia pracovných postupov, robotická automatizácia procesov, inteligencia dokumentov, systémová integrácia, strojové učenie a generatívna umelá inteligencia. Pri správnom použití tieto funkcie znižujú manuálnu námahu a zároveň zlepšujú rýchlosť, presnosť, kontrolu a prehľadnosť. Samostatne použité môžu jednoducho automatizovať chybnú verziu aktuálneho stavu.

Predstavte si pracovný postup pre splatenie faktúr. Úzko zameraný poskytovateľ môže automatizovať zadávanie údajov z faktúr. To môže byť cenné, ale zadávanie je len jednou časťou prevádzkového problému. Duplicitní dodávatelia, nejasné pravidlá párovania objednávok, nekonzistentné kódovanie a fronty výnimiek môžu stále brániť rýchlejšiemu uzatváraniu financií. Zmysluplnejšou príležitosťou je prepracovať komplexný pracovný postup, stanoviť spoľahlivé pravidlá pre údaje, automatizovať rozhodnutia tam, kde je to vhodné, a poskytnúť vlastníkom procesov prehľad o priepustnosti a výnimkách v reálnom čase.

Tu je dôležitý integrovaný partnerský model. Znižuje mieru odovzdávania úloh medzi manažérskymi konzultantmi, dátovými špecialistami, poskytovateľmi softvéru, vývojármi a tímami podpory. A čo je dôležitejšie, robí jeden tím zodpovedným za obchodný výsledok, a nie za dokončenie technického pracovného postupu.

To neznamená, že každá organizácia potrebuje jedného poskytovateľa pre každé technologické rozhodnutie. Spoločnosť s rozvinutým centrom excelentnosti v automatizácii a silnou internou architektúrou môže potrebovať špecializovanú podporu pre definovanú funkciu. Organizácie, ktoré čelia fragmentovaným procesom, viacerým podnikovým systémom alebo zastaveným automatizačným programom, však zvyčajne profitujú z partnera, ktorý dokáže pracovať v celom transformačnom reťazci.

Čo musí byť partner pre inteligentnú automatizáciu schopný dodať

Najsilnejší partneri nezačínajú s katalógom botov alebo preferovaným prípadom použitia umelej inteligencie. Začnú identifikáciou oblastí, kde je prevádzkový výkon obmedzený a čo sa musí zmeniť, aby sa toto obmedzenie odstránilo.

Redizajn procesov pred automatizáciou

Dôveryhodný partner by mal byť schopný zmapovať súčasný proces, kvantifikovať oneskorenia a prepracovania, identifikovať kontroly a rozlíšiť aktivity s pridanou hodnotou od práce vytvorenej zlým návrhom. To si vyžaduje viac než len rozhovory so zainteresovanými stranami. Vyžaduje si to dôkazy z procesných údajov, objemov transakcií, výkonnosti na úrovni služieb, vzorcov výnimiek a správania systému.

Cieľom nie je automatizovať každý krok. Niektoré kroky by sa mali eliminovať, štandardizovať, preradiť alebo presunúť do samoobsluhy. Iné si vyžadujú ľudský úsudok a mali by zostať riadené človekom, podporované lepšími informáciami. Automatizácia je najefektívnejšia, keď sa aplikuje po zjednodušení procesu.

Opýtajte sa potenciálnych partnerov, ako rozhodujú, či by sa mal proces automatizovať, prepracovať alebo ponechať tak, ako je. Ak odpoveď začína a končí ukážkou nástroja, zapojenie môže viesť k aktivite bez zmysluplného prevádzkového zlepšenia.

Dáta a architektúra, ktoré podporujú škálovateľnosť

Automatizácia závisí od kvality údajov, dostupnosti údajov a jasného vlastníctva. Keď pracovný postup získava konfliktné záznamy o zákazníkoch z troch systémov, žiadna orchestrácia nevytvorí dôveryhodné rozhodnutie. Keď dokumenty prichádzajú v nekonzistentných formátoch bez overovacích pravidiel, model extrakcie s umelou inteligenciou môže zvýšiť rýchlosť, ale stále môže spôsobiť chyby v následných procesoch.

Schopný partner posudzuje dátovú základňu spolu s pracovným postupom. To zahŕňa kvalitu zdrojového systému, riadenie kmeňových dát, integračné vzory, bezpečnosť, riadenie prístupu a architektúru potrebnú na spoľahlivú výmenu informácií. Táto práca je často menej viditeľná ako nové digitálne rozhranie alebo asistent umelej inteligencie, ale práve to zabraňuje tomu, aby sa automatizácia stala krehkou.

Architektúra ovplyvňuje aj náklady na zmenu. Integrácie typu point-to-point môžu priniesť rýchly úspech, no môžu sa stať nákladnými, keď sa proces rozšíri naprieč obchodnými jednotkami alebo keď sa zmení základná platforma. Praktický partner vyvažuje rýchlosť s dlhodobou udržiavateľnosťou. Správny návrh závisí od objemu transakcií, systémového prostredia, regulačných požiadaviek, interných možností a očakávanej životnosti riešenia.

Automatizácia, umelá inteligencia a ľudská zodpovednosť

Inteligentná automatizácia by mala zabezpečiť prácu so správnou kombináciou technológií a ľudí. Úlohy založené na pravidlách, ako sú overovania, smerovanie, zosúladenie a oznámenia, sú často dobrými kandidátmi na konvenčnú automatizáciu. Neštruktúrované dokumenty, e-maily a požiadavky založené na vedomostiach môžu profitovať z inteligencie dokumentov alebo generatívnej umelej inteligencie. Rozhodnutia týkajúce sa významného finančného, ​​klinického, právneho alebo zákazníckeho vplyvu si vyžadujú definovaný ľudský dohľad.

Toto rozlíšenie je obzvlášť dôležité pri generatívnej umelej inteligencii. Môže urýchliť klasifikáciu dokumentov, tvorbu odpovedí, vyhľadávanie znalostí a triedenie výnimiek. Nemala by sa nasadzovať ako neriadený rozhodovací proces vo vysoko rizikových procesoch. Partneri by mali pred škálovaním pracovných postupov s podporou umelej inteligencie definovať schválené prípady použitia, prahové hodnoty spoľahlivosti, audítorské záznamy, eskalačné cesty a testovacie metódy.

Meranie a prevádzkové vlastníctvo

Transformácia nie je dokončená spustením. Podniková automatizácia si vyžaduje monitorovanie, správu výnimiek, kontrolu zmien, reportovanie výkonnosti a jasný model podpory. Bez týchto prvkov môžu malé zmeny v systéme ERP, šablóne dokumentu alebo obchodnom pravidle narušiť výrobné pracovné postupy.

Partner by mal pred implementáciou stanoviť východiskovú úroveň a po nasadení podať správu o výsledkoch. Medzi užitočné miery patrí čas cyklu, miera bezdotykového spracovania, miera výnimiek, presnosť prvého prechodu, náklady na transakciu, starnutie nevybavených objednávok a uvoľnená kapacita zamestnancov. Vybrané metriky by mali odrážať obchodný prípad, nielen technickú aktivitu. Vysoký počet automatizovaných transakcií má malú hodnotu, ak sa zvyšuje počet výnimiek alebo sa zhoršujú reakčné časy zákazníkov.

Otázky, ktoré si treba položiť pred výberom partnera

Predajná prezentácia by nemala byť primárnym testom. Požiadajte o dôkazy o tom, ako poskytovateľ funguje, keď proces prechádza cez funkcie, systémy a dátové domény. Obzvlášť výpovedné sú štyri otázky:

• Môže tím prepracovať proces a vytvoriť riešenie, alebo sa spolieha na samostatných poskytovateľov stratégie, údajov a dodávok?
• Ako posudzuje pripravenosť údajov a zložitosť integrácie predtým, ako sa zaviaže k očakávaným úsporám?
• Aké riadenie sa vzťahuje na umelú inteligenciu vrátane bezpečnosti, hodnotenia modelov, kontroly človekom a auditovateľnosti?
• Ako bude merať hodnotu, podporovať riešenie po spustení a prenášať kapacity na interné tímy?

Vyžiadajte si príklady porovnateľné s vaším prostredím. Úspešný pilotný projekt na úrovni oddelenia nie je dôkazom, že poskytovateľ dokáže riadiť rozsiahle, obchodne kritické pracovné postupy v rámci zdieľaných služieb, výrobných operácií alebo regulovaných funkcií. Hľadajte dôkazy o rozsahu, trvalom výkone a schopnosti zvládať výnimky, a nie len o šťastnej ceste.

Preskúmajte aj komerčné zosúladenie. Dodanie s pevným rozsahom môže byť vhodné pre dobre definovaný pracovný postup so stabilnými požiadavkami. Transformačný plán zahŕňajúci objavovanie procesov, nápravu údajov a niekoľko vĺn automatizácie môže vyžadovať flexibilnejší model. V oboch prípadoch by mali byť míľniky viazané na pozorovateľné výstupy a obchodné ukazovatele, nie na vágne sľuby inovácií.

Budujte vzťah okolo transformačného plánu

Najproduktívnejšie projekty začínajú skôr prioritným portfóliom než jedným izolovaným prípadom použitia. Toto portfólio by malo identifikovať rýchle úspechy, základnú prácu, závislosti, očakávanú hodnotu, riziko a postupnosť. Manuálny proces s veľkým objemom môže byť atraktívnym prvým kandidátom, ale iba ak sú pripravené potrebné údaje a systémy. V niektorých prípadoch prináša vyriešenie problému s kmeňovými údajmi alebo štandardizácia pravidiel príjmu väčšiu hodnotu ako okamžité vytvorenie bota.

Plán by mal potom prechádzať disciplinovanými fázami: posúdenie procesnej a dátovej krajiny, prepracovanie cieľových pracovných postupov, vytvorenie a testovanie riešenia, nasadenie s kontrolnými mechanizmami a meranie výsledkov v prevádzke. Každá fáza by mala mať menovaných vlastníkov z obchodného, ​​IT, dátového, rizikového a prevádzkového tímu. Tým sa zabráni tomu, aby sa automatizácia stala IT projektom oddeleným od ľudí zodpovedných za každodenný výkon.

Spoločnosť Ective uplatňuje tento integrovaný prístup prepojením zlepšovania procesov, správy údajov, umelej inteligencie, automatizácie a prevádzkovej viditeľnosti v jednom modeli. Cieľom nie je len nasadiť viac technológií. Ide o vytvorenie organizovaných pracovných postupov, ktoré sa dokážu prispôsobiť zmenám objemov transakcií, predpisov, očakávaní zákazníkov a obchodných priorít.

Najlepší partnerský vzťah uľahčuje riadenie automatizácie šesť mesiacov po spustení, ako to bolo v prvý deň. Vyberte si tím, ktorý dokáže zlepšiť proces v rámci technológie, preukázať hodnotu v prevádzkových metrikách a zostať zodpovedný, keď príde ďalšia zmena.

Spravovať súhlas Spravovať súhlas