Objednávka s chýbajúcim nákladovým strediskom, faktúra, ktorá prekračuje toleranciu, záznam zákazníka s konfliktnými údajmi: to nie sú hraničné prípady v podnikových operáciách. Sú to prípady, keď sa hromadí manuálna práca, klesá úroveň služieb a automatizačné programy strácajú dôveryhodnosť. Vedieť, ako automatizovať spracovanie výnimiek, preto neznamená ani tak vylúčenie ľudí z procesu, ako skôr zameranie ich pozornosti na rozhodnutia, ktoré si skutočne vyžadujú úsudok.
Najsilnejšie programy na spracovanie výnimiek považujú výnimky za prevádzkové signály. Odhaľujú, kde sú údaje neúplné, pravidlá procesov nejasné, kontroly nad systémom slabé alebo kde politiky už neodrážajú fungovanie podniku. Automatizácia dokáže vyriešiť veľkú časť týchto prípadov, ale iba vtedy, keď organizácia navrhla proces, údaje, vlastníctvo a riadenie podľa nich.
Začnite s ekonomikou výnimiek
Mnohé tímy začínajú výberom nástroja na riadenie pracovných postupov alebo pridaním umelej inteligencie do schvaľovacieho frontu. Tento prístup často vedie k rýchlejšej verzii nefunkčného procesu. Pred automatizáciou kvantifikujte prevádzkové náklady na výnimky: ich objem, čas spracovania, mieru prepracovania, starnutie, finančný dopad a vplyv na zákazníkov alebo dodávateľov.
Užitočným východiskovým bodom je oddeliť výnimky podľa frekvencie aj následkov. Výnimka s vysokým objemom a nízkym rizikom, ako napríklad opakujúci sa nesúlad formátovania v súbore dodávateľa, môže byť ideálnym kandidátom na automatickú opravu. Výnimka s nízkym objemom týkajúca sa platobných podmienok, regulovaných údajov alebo podstatnej odchýlky od zmluvy môže vyžadovať kontrolované ľudské preskúmanie. Cieľom nie je automatizovať každú výnimku. Cieľom je aplikovať správnu úroveň automatizácie na každý typ rozhodnutia.
Táto analýza tiež odhaľuje skutočný zdroj práce. Ak zamestnanci oddelenia záväzkov opakovane opravujú ten istý problém s kmeňovými údajmi dodávateľa, efektívnejšie smerovanie týchto faktúr nie je úplným riešením. Lepším riešením môže byť overovacie pravidlo pri nástupe dodávateľa, pracovný postup správy údajov alebo zmena integrácie, ktorá vytvára nesprávny záznam.
Ako automatizovať spracovanie výnimiek pomocou jasnej taxonómie
Spracovanie výnimiek sa stáva zvládnuteľným, keď sú výnimky definované konzistentne vo všetkých systémoch a tímoch. Bez zdieľanej taxonómie môže jeden tím označiť prípad ako problém s údajmi, zatiaľ čo iný ho nazýva výnimkou z politiky. Hlásenie sa stáva nespoľahlivým a pravidlá automatizácie sa ťažko udržiavajú.
Vytvorte praktický klasifikačný model, ktorý zachytáva typ výnimky, zdrojový systém, obchodný proces, úroveň rizika, pravdepodobnú príčinu, požadovaný postup a zodpovedného vlastníka. Model musí byť dostatočne podrobný na podporu rozhodnutí, ale zároveň dostatočne jednoduchý na to, aby ho prevádzkové tímy mohli používať každý deň.
Oddeľte známe výnimky od neznámych udalostí
Známe výnimky majú zavedené vzorce. Medzi príklady patria duplicitné faktúry, chýbajúce referencie objednávok, cenové odchýlky v rámci definovaného rozsahu a neúplné polia zákazníkov. Tieto možno zvyčajne zistiť pomocou obchodných pravidiel, overovania údajov, zistení z procesného dolovania alebo modelov strojového učenia trénovaných na historických výsledkoch.
Neznáme udalosti sú iné. Môžu naznačovať nové správanie dodávateľa, zlyhanie systémovej integrácie, zmenu v dopyte zákazníkov alebo potenciálny podvod. Tieto prípady by sa nemali násilne riešiť súborom pravidiel určeným pre známe scenáre. Presmerujte ich na zodpovedný tím, zachujte kontext a použite výsledok na určenie, či je potrebná nová kategória výnimky alebo kontrola.
Definujte cesty riešenia pred vytvorením automatizácie
Každá kategória potrebuje postup riešenia. Tento postup by mal uvádzať, aké informácie sú potrebné, ktoré pravidlá určujú ďalší postup, kto môže schváliť prepísanie, kedy je potrebná eskalácia a ako sa zaznamenáva výsledok.
Napríklad odchýlka medzi cenou faktúry môže byť automaticky vyrovnaná, ak je pod definovanou prahovou hodnotou a dodávateľ má silnú históriu dodržiavania predpisov. Väčšia odchýlka môže viesť k žiadosti o podpornú dokumentáciu. Ak prípad zostane nevyriešený po termíne na úrovni služieb, môže byť presunutý k vedeniu obstarávania alebo financií. Logika smerovania musí odrážať obchodnú politiku, nie obmedzenia jednej žiadosti.
Vybudujte rozhodovaciu vrstvu na spoľahlivých údajoch
Automatizácia výnimiek je spoľahlivá len tak, ako sú spoľahlivé údaje použité na prijímanie rozhodnutí. Fragmentované hlavné údaje, nekonzistentné identifikátory a oneskorené aktualizácie systému vytvárajú falošne pozitívne a falošne negatívne výsledky. Pracovný postup sa môže zdať efektívny, ale zároveň posielať zamestnancom nesprávne úlohy alebo schvaľovať prípady, ktoré mali byť zastavené.
Stanovte dátové prvky, ktoré vyžaduje každé rozhodnutie o výnimke. V prípade procesu od objednávky po preplatenie to môže zahŕňať hlavné údaje o zákazníkovi, zmluvné podmienky, stav úveru, potvrdenie dodávky, cenové podmienky a históriu sporov. V prípade procesu od obstarania po platbu to môže zahŕňať záznamy o dodávateľovi, údaje o objednávkach, potvrdenky o prijatí tovaru, daňové údaje, politiky tolerancie a schvaľovací orgán.
Potom určte, kde sa nachádzajú autoritatívne údaje a ako budú sprístupnené. V niektorých prípadoch je integrácia v reálnom čase nevyhnutná, pretože rozhodnutie ovplyvňuje pozdržanie platby alebo uvoľnenie do produkcie. V iných postačuje plánovaná synchronizácia. Voľba závisí od operačného rizika konania na základe zastaraných informácií.
Kontroly kvality údajov by mali byť spustené pred a počas spracovania výnimiek. Kontroly povinných polí, detekcia duplikátov, overovanie formátu, porovnávanie referenčných údajov a pravidlá zosúladenia môžu zabrániť mnohým výnimkám vstúpiť do frontu. V tomto prípade vytvára zlepšenie procesov a správa údajov väčšiu hodnotu ako len rozšírenie automatizačnej stopy.
Automatizácia návrhu vo vrstvách, nie ako jeden pracovný postup
Vo veľkom meradle vyžaduje spracovanie výnimiek niekoľko foriem automatizácie, ktoré spolupracujú. Automatizácia založená na pravidlách je vhodná tam, kde sú pravidlá explicitné a výsledky predvídateľné. Inteligentné spracovanie dokumentov dokáže extrahovať chýbajúce informácie z faktúr, reklamácií alebo korešpondencie. Umelá inteligencia dokáže klasifikovať neštruktúrované požiadavky, zhrnúť históriu prípadov, odporučiť ďalšie kroky alebo identifikovať nezvyčajné vzorce. Orchestrácia pracovných postupov koordinuje úlohy naprieč podnikovými systémami a tímami.
Každá vrstva by mala mať definovanú úlohu. Umelá inteligencia môže odporučiť riešenie, ale nástroj na tvorbu politík by mal vynucovať prahové hodnoty schválenia. Platforma pracovných postupov môže priradiť prácu, ale nemala by sa stať jediným miestom, kde sú dokumentované obchodné pravidlá. Ľudskí kontrolóri potrebujú kontext prípadu, podporné dôkazy, predchádzajúce kroky a jasné vysvetlenie, prečo systém navrhol rozhodnutie.
Prahové hodnoty spoľahlivosti sú nevyhnutné. Ak model umelej inteligencie klasifikuje spor so zákazníkom s vysokou spoľahlivosťou a finančná expozícia je nízka, systém ho môže priamo presmerovať na štandardné riešenie. Ak je spoľahlivosť nízka alebo expozícia vysoká, prípad by sa mal presunúť k špecialistovi. Tento model založený na riziku chráni kontrolu a zároveň znižuje manuálnu námahu.
Zahrňte vlastníctvo a kontrolu do operačného modelu
Automatizácia zlyháva, keď sa fronty výnimiek stanú zdieľanou zodpovednosťou bez skutočného vlastníka. Každá kategória výnimiek by mala mať vlastníka firmy zodpovedného za politiku, prahové hodnoty a výsledky. Vlastníci procesov definujú štandardnú cestu. Vlastníci údajov riešia opakujúce sa chyby údajov. Prevádzkové tímy riešia prípady v rámci dohodnutých úrovní služieb. IT a automatizačné tímy udržiavajú integrácie, monitorovanie a riadenie zmien.
Riadenie nemusí proces spomaľovať. Malo by zabezpečiť sledovateľnosť a bezpečnosť zmien. Udržiavajte kontrolu verzií pravidiel, zaznamenávajte automatizované rozhodnutia a prepísania, vyžadujte schválenia zmien prahových hodnôt materiálu a testujte novú logiku pred nasadením do produkčného prostredia. V prípade regulovaných alebo finančne citlivých pracovných postupov musia audítorské záznamy ukazovať použité údaje, použité pravidlo alebo model, prijaté rozhodnutie a osobu, ktorá zasiahla, keď sa automatizácia zastavila.
Návrh s integráciou človeka je obzvlášť cenný počas skorého zavádzania. Recenzenti môžu overiť odporúčania, identifikovať chýbajúce podmienky pravidiel a rozlíšiť skutočné výnimky od nekvalitných údajov. Ich spätná väzba by mala byť zaznamenaná ako štruktúrované údaje, nie ponechaná v vláknach e-mailov alebo poznámkach s voľným textom, ktoré nemôžu proces zlepšiť.
Merajte výsledky, ktoré menia prevádzkovú výkonnosť
Nízky počet výnimiek nie je automaticky úspechom. Prípady môžu byť jednoducho skryté, preklasifikované alebo smerované obchádzaním procesu merania. Sledujte vyvážený súbor ukazovateľov: miera výnimiek na transakciu, miera priameho spracovania, priemerný čas riešenia, starnutie frontu, riešenie na prvýkrát správne, prepracovanie, miera prepísania a hodnota v riziku.
Merajte aj opakovanie. Ak tá istá hlavná príčina naďalej spôsobuje výnimky, organizácia skôr automatizovala príznak ako odstránila bod zlyhania. Mesačné preskúmanie kategórií s vysokým objemom, nákladných prípadov a rastúcich trendov vytvára disciplinovaný cyklus zlepšovania.
Pre vedúce tímy je dôležitá viditeľnosť v reálnom čase, pretože výnimky často signalizujú širšie prevádzkové problémy. Náhly nárast blokovaných faktúr môže odhaliť problém s údajmi dodávateľa. Nárast výnimiek z úverov môže naznačovať zmenu rizika pre zákazníka. Rastúci počet prepísaní v plánovaní výroby môže poukazovať na nepresné údaje o dopyte alebo zásobách. Prepojené dashboardy premieňajú front výnimiek na systém včasného varovania, a nie na administratívny nevybavený proces.
Vedieť, kde by sa mala automatizácia zastaviť
Nie každá výnimka by sa mala riešiť bez ľudského zapojenia. Právny výklad, podstatné obchodné ústupky, rozhodnutia týkajúce sa bezpečnosti, dôležité záväzky voči zákazníkom a prípady s neúplnými dôkazmi si často vyžadujú skúsený úsudok. Pokus o automatizáciu týchto rozhodnutí môže viesť k finančnému riziku a znížiť zodpovednosť.
Praktický test je jednoduchý: dokáže organizácia vysvetliť rozhodovacie pravidlo, dôverovať dostupným údajom a akceptovať následky, ak systém koná nesprávne? Ak je odpoveď nie, automatizovať prípravu, zhromažďovanie dôkazov, smerovanie a dokumentáciu a zároveň zachovať kontrolované ľudské rozhodovanie.
Najcennejšie programy na spracovanie výnimiek sa nezameriavajú na front bez ľudí. Zameriavajú sa na front, v ktorom ľudia trávia čas rozhodnutiami, ktoré chránia príjmy, dodržiavanie predpisov, vzťahy so zákazníkmi a kontinuitu prevádzky. Najprv vybudujte túto disciplínu a automatizácia sa stane škálovateľným zdrojom kontroly a výkonu, a nie ďalšou vrstvou technológie, ktorú treba spravovať.
