Hyperautomatisation des processus

Pour les responsables de l'architecture d'entreprise et de l'innovation, l'un des points les plus critiques est d'établir une stratégie d'évolutivité et les KPI/OKR mesurer et assurer son succès.

En plus d'appliquer les technologies RPA (Robotic Process Automation) du début à la fin, des technologies complémentaires doivent être intégrées qui accompagnent l'efficience et l'efficacité du résultat final.

En revanche, des solutions tactiques ponctuelles et non continues peuvent être priorisées, mais toujours en tenant compte d'une feuille de route globale à long terme. Une approche exclusivement tactique risque de produire un manque de crédibilité et de confiance au sein de l'organisation qui considère les responsables comme des apagafuegos sans continuité ni stratégie (voir profil Loup).

Les principaux défis que l'on peut rencontrer lors de la création d'un plan global d'efficience et d'efficacité des processus sont :

1. Manque de conseils et de stratégie pour aider les organisations à intégrer les systèmes d'automatisation des processus (RPA) à d'autres outils. Cela entrave la vision de bout en bout des processus, et donc les valeurs commerciales stratégiques sont perdues.
2. Les initiatives visant à ajouter l'intelligence artificielle aux processus métier se déroulent souvent en silos sans stratégie globale intégrée à leurs développements. Cela conduit à de futurs problèmes d'évolutivité du volume, de conception technologique et organisationnelle.

Par conséquent, pour accélérer la transformation de l'entreprise et la nouvelle architecture, il est recommandé de :

1. Planifiez une feuille de route stratégique à long terme en alignant les objectifs commerciaux, en identifiant les processus à optimiser et en choisissant des technologies complémentaires au processus.
2. Développez une stratégie d'intégration qui permet l'automatisation de bout en bout et aide à concevoir la RPA, la gestion des processus métier (BPM) et d'autres outils nécessaires.
3. Améliorez les processus commerciaux et de relation client grâce à l'intégration progressive de l'intelligence artificielle pour exploiter des niches de valeur commerciale à long terme.

D'ici 2022, 65 % des organisations qui ont intégré l'automatisation des processus robotiques introduiront l'intelligence artificielle, y compris l'apprentissage automatique et les algorithmes de traitement du langage naturel.

Introduction

Les architectes d'entreprise (EA) et l'innovation technologique en général subissent souvent la pression des entreprises pour se concentrer sur les besoins rapides et tactiques de l'automatisation des processus.

Cette approche peut apporter un soulagement rapide en tant que forme d'intégration non invasive. Cependant, les processus ne sont pas toujours simples, routiniers, répétitifs et stables. Ils peuvent durer longtemps et impliquent souvent une prise de décision et une optimisation intelligentes et automatisées. Le véritable défi est d'avoir une vision d'échelle au-delà des quelques fruits initiaux des processus de routine. Cela ne peut pas être résolu avec un seul outil ou des stratégies isolées.

La hyperautomatisation fait référence à la combinaison efficace d'ensembles d'outils complémentaires qui peuvent relier les silos fonctionnels et de processus pour automatiser et augmenter les processus métier.

Cette hyperautomatisation s'appuie sur un ensemble d'outils permettant de simplifier, de mesurer et de gérer les processus dans toute l'entreprise. Parmi ces outils, on trouve, au-delà de la RPA, des moteurs BPM, des systèmes de workflow, des suites de gestion de décision, de l'exploration de processus, des plates-formes d'application à faible code (LCAP), entre autres.

La première question qui se pose est de savoir par où commencer à évoluer correctement. Ce document propose une approche en trois phases.

1. Analyse : Définissez le parcours vers l'automatisation.
2. Co-créer une stratégie pour combiner les technologies numériques et les opérations.
3. Améliorez les processus métier avec l'IA.

Pour chacune de ces étapes, il est nécessaire de prendre en compte les axes de les clients, les plateformes technologiques, les écosystèmes et les produits qui en découlent. Comptage dans tous les axes avec les moteurs de Intelligence et intelligence artificielle.

Analyse : Définir le parcours vers l'automatisation

Définir la feuille de route est la première étape. Il est important d'établir le résultat commercial souhaité et les processus à optimiser, avant d'automatiser et d'assembler le reste des outils complémentaires.

Résultats commerciaux attendus

Il est essentiel de définir l'objectif numérique lors de l'automatisation de tout processus.

Architectes et chefs d'entreprise doivent collaborer pour établir une vision future des résultats différenciant Transformation et Optimisation : réduction des coûts, satisfaction client, agilité, ventes, etc. Ces objectifs peuvent être regroupés en trois groupes :

• Revenus. quelles sont les principales recettes à emporter ? Par exemple, vous pouvez choisir de vous concentrer sur l'amélioration des processus, l'automatisation des tâches, l'augmentation de l'engagement client ou l'introduction de nouveaux services.
• Coûts. : Cela entraîne-t-il une optimisation des coûts ? Vous pouvez améliorer l'efficacité en automatisant les tâches, mais aussi en repensant les processus, en réduisant le coût des erreurs et en les accélérant.
• risques. Quels sont les risques de conformité, réglementaires ou juridiques dus à des processus inefficaces ? En repensant et en automatisant les processus, le risque de non-conformité doit être minimisé.

Identifiez les cas d'utilisation que vous souhaitez optimiser pour améliorer l'efficacité et l'efficience d'un processus. Vise à transformer les processus métier
expérimenter de nouvelles façons de générer de la valeur. Cela peut être fait en repensant et en optimisant les processus. Dans votre feuille de route, distinguez clairement vos cas d'utilisation et les résultats associés à vos objectifs de revenus, de coûts et de risques.

Optimisation du processus

Très souvent, l'automatisation d'un mauvais processus peut l'aggraver. Il est essentiel de structurer les processus métier pour atteindre des performances élevées. Cela s'applique lorsque l'automatisation oblige les organisations à revoir les principales caractéristiques des processus liées à la structure des données, à la délimitation des composants et aux exceptions.

Identifiez les cas d'utilisation pour optimiser les processus en vous concentrant sur :

• Ajuster le processus de quotient intellectuel. Déterminez à quel point le processus doit être "intelligent" du point de vue de ses consommateurs.
• Industrialiser et mettre à l'échelle les processus de base qui pilotent les produits et services fournis via une plateforme commerciale numérique (API, écosystèmes de services, tiers, etc.)
• amélioration continue par processus avec des résultats structurés et standardisés et une intelligence pour la prise de décision.

Intégration avec des outils internes

Les outils qui font partie du processus d'automatisation sont multiples et variés. Il est nécessaire d'identifier ceux qui sont étroitement alignés sur la feuille de route prévue.

Par conséquent, il est important d'évaluer différentes technologies et de créer un plan d'investissement progressif pour fournir efficacement une valeur commerciale tactique et stratégique.

Un ensemble d'outils alignés sur l'automatisation des processus axés sur l'entreprise offre diverses options pour traiter les différentes étapes de l'automatisation des processus (découvrir, analyser, concevoir, automatiser, mesurer, surveiller et réévaluer).

L'évaluation des cas d'utilisation et des objectifs commerciaux à long terme permet d'identifier les combinaisons optimales de ces outils.

Cependant, il n'est pas possible de prétendre les couvrir tous, même s'ils sont disponibles, car la phase d'analyse peut être longue et conduire à la paralysie. Certains d'entre eux ne sont pas inclus sans les API et les bus de service d'entreprise (ESB).

Plateformes BPM / iBPMS

Les suites BPM intelligentes (iBPMS) sont un ensemble mature d'outils sur le marché pour orchestrer les processus et automatiser les tâches au sein de ces processus. iBPMS consolide les services d'intégration, la gestion des décisions, l'orchestration des processus, les processus ad hoc et les analyses avancées sur une seule plateforme

Gérer un outil BPM/iBPMS implique de se concentrer fonctionnellement sur :

• Gérez les processus à long terme qui traversent l'ensemble de l'organisation et incluent les personnes, les services matériels, les logiciels et les règles ou les limites fonctionnelles.
• Appliquez iBPMS en tant qu'orchestrateur principal pour le traitement et la gestion des listes de tâches.
• Activation d'un robot ou d'un script RPA pour automatiser une tâche avec un processus. Les API peuvent être utilisées pour intégrer des scripts RPA avec BPM Master Orchestrator.
• Suivi des métriques et création de tableaux d'analyse pour identifier les opportunités d'amélioration du processus.
• Fournir des services d'intégration directe/API à d'autres plates-formes, applications et appareils dans l'organisation ou en dehors de celle-ci.

RPA

RPA est une technologie d'intégration non invasive utilisée pour automatiser les tâches routinières, répétitives et prévisibles grâce à des interactions d'interface utilisateur orchestrées qui imitent les actions humaines.

L'utilisation d'un RPA englobe fonctionnellement :

• Livraisons rapides et avantages commerciaux en automatisant les tâches routinières et répétitives.
• Création d'interfaces avec des API avec d'autres applications. Ce moyen non invasif interagit avec des applications, généralement développées dans le passé, dans lesquelles la construction de l'intégration traditionnelle serait complexe, lente et coûteuse.
• Obtenir, consolider et valider des données provenant de différentes sources dans un projet de migration à grande échelle.
• Expérimentez rapidement avec des prototypes. L'application de la RPA permet des tests de concept rapides avant de lancer un nouveau service ou processus.

Plateformes d'application Low Code / No Code (LCAP)

Les environnements LCAP ont souvent une interface graphique puissante et peuvent donc être utilisés pour modéliser l'automatisation rapide d'un processus. La plupart des fournisseurs LCAP proposent des services d'orchestration de processus métier et de flux de travail pour automatiser rapidement les tâches et les rationaliser en processus plus simples.

Lors de l'application du LCAP, les aspects suivants doivent être pris en compte :

• Il est généralement optimal pour les processus de petite portée ou qui sont fréquemment modifiés et limités à une seule fonction ou équipe au sein de l'organisation. La capacité de passer rapidement de l'idée à l'exécution de l'application est essentielle pour les LCAP. Cette fonctionnalité place les LCAP dans une position très forte pour automatiser les processus métier qui nécessitent un degré élevé de flexibilité.
• Créez ou modernisez l'expérience utilisateur (UX) d'un processus nécessitant une interface utilisateur Web ou mobile. De nombreux LCAP sont également des plates-formes de développement multiplateformes.
• Tirez parti du riche ensemble de connecteurs pour automatiser les tâches liées aux applications qui ont des API existantes dans l'organisation. Cependant, l'ensemble de protocoles pris en charge est plus petit que celui d'une plate-forme d'intégration ou d'une suite BPM. Les connecteurs dans LCAP sont principalement axés sur la connectivité basée sur l'API HTTP REST ou sur les connecteurs pour les entreprises ordinaires et le SaaS (tels que les systèmes ERP).

Process mining et découverte/analyse

L'exploration de processus vise à découvrir, surveiller et améliorer les processus réels en extrayant les connaissances des journaux d'événements disponibles dans les systèmes d'application. L'exploration de processus comprend la découverte automatisée des processus, la vérification de la conformité et d'autres analyses avancées.

Ces outils s'appliquent à :

• Identifiez l'efficacité des processus à un niveau granulaire.
• Découvrez, surveillez et configurez les tâches qui peuvent être automatisées par des bots/scripts.
• Extrayez les connaissances des événements disponibles au poste de travail ou capturés à partir des écrans.
• Créez une documentation de processus et générez automatiquement des modèles de simulation.
• Solution ou extension des modèles.
• Faire des recommandations de processus basées sur des données historiques.

Ces outils peuvent être intégrés aux plates-formes BPM et RPA pour optimiser les opportunités d'automatisation de routine en découvrant, surveillant et analysant les processus métier, les tâches et les interdépendances.

Suites de gestion des décisions (DMS) / Systèmes de gestion des règles métier (BRMS)

Les DMS sont utilisés pour compléter le développement d'applications conventionnelles lorsque les applications impliquent des décisions impliquant une logique compliquée ou changeant fréquemment. Les produits DMS modernes ont évolué au-delà des systèmes de gestion des règles métier en offrant une meilleure prise en charge de la modélisation et de l'analyse des décisions. Ceux-ci peuvent être utilisés en conjonction avec des outils BPM.

Un DMS est pertinent pour les applications qui incluent des décisions impliquant l'un des scénarios suivants :

• Différents types de données d'entrée, qui peuvent être collectées à partir de diverses sources.
• calculs multiples
• Des dizaines, des centaines de milliers de politiques commerciales, mises en œuvre comme des règles
• Algorithmes sophistiqués impliquant un mélange de règles analytiques et de modèles
• Plusieurs parties prenantes, parfois avec des objectifs différents

Lors de l'intégration d'une plateforme DMS, il faut prendre en compte :

• Création de son propre modèle de décision : par exemple, modèles conceptuels et logiques mixtes.
• Améliorer les outils de création ou de maintien de la décision, par exemple, grâce à des métaphores qui permettent à l'entreprise de créer ou de modifier plus facilement des règles et des analyses sans l'aide d'évolutions technologiques complexes.
• Services de notation d'analyse prédictive pris en charge, tels que la possibilité d'importer ou de se connecter avec PMML, PFA, R, Python ou d'autres modèles à partir de plates-formes de science des données (ou d'outils d'analyse avancés similaires).

Approche et défis

Les responsables de l'architecture d'entreprise ont le défi de passer d'un
écosystème RPA faiblement couplé avec certaines technologies, à un ensemble d'outils parfaitement connectés. Ce concept porte le nom de Opérations numériques. À partir de 2020, de nombreux fournisseurs proposent une plate-forme unique avec une offre intégrée. Par exemple:

• Microsoft a publié la solution Power Automate en tant que RPA avec ses applications Power Apps low-code et workflow.
• SAP a lancé son offre BPMRPA intégrée à partir de son cloud d'entreprise, intégré à l'ERP S/4HANA.
• Pegasystems fournit déjà une solution BPMRPA intégrée.
• Appian Il s'est associé à UiPath, AutomationAnywhere (très célèbre et l'un des premiers et des plus polyvalents RPA du marché) et Blue Prisma.
• Oracle s'est associé à plusieurs fournisseurs de RPA.

La transition d'un modèle où un RPA est disponible avec une série de divers outils complémentaires (Complemented RPA, CoRPA) est clairement différente et évolue vers un modèle d'architecture et de disponibilité des outils DigitalOps.

Augmentez et optimisez les processus métier à l'aide de l'IA

Pour accélérer l'hyperautomatisation, un système d'intelligence intégré combine efficacement les outils de Opérations numériques avec:

• Intelligence artificielle (IA)
• Apprentissage automatique (ML)
• Traitement du langage naturel (TAL)
• Reconnaissance optique de caractères (OCR)
• chatbots conversationnels

Un modèle intégré d'IA, ML et NLP pourrait avoir l'architecture fonctionnelle suivante :

Dans un écosystème intégré d'outils DigitalOps :

1. RPA permet l'automatisation des tâches.
2. BPM / LCAP / DMS permet une orchestration dynamique.
3. La couche AI ​​ajoute de l'intelligence au processus.

Les plates-formes ERP transactionnelles et centrées sur le client existantes intègrent leurs propres outils locaux centrés sur les processus.

L'IA peut être appliquée à chaque couche d'intégration d'applications pour faciliter les informations prédictives et permettre des recommandations guidées, l'exploration de processus et la prise de décision adaptative.

Un processus métier qui affecte de nombreuses applications et systèmes peut utiliser efficacement les modèles AI, ML et NLP pour accomplir la même chose.

L'IA et le ML sont principalement utilisés dans les scénarios d'automatisation pour :

• Effectuez un apprentissage continu avec les données collectées dans les processus d'automatisation pour mettre à jour dynamiquement les modèles, ce qui améliore la qualité de l'automatisation, et effectuez les ajustements en conséquence.
• Réutiliser des modèles de formation (c'est-à-dire des modèles formés pour d'autres clients pour des cas d'utilisation). utilisation similaires puis réutilisés dans un nouveau modèle de client). Cela minimise le temps et les données nécessaires pour créer et déployer un modèle.
• Protégez la confidentialité des modèles en vous assurant que toutes les informations client utilisées pour former le modèle sont extraites de modèles de formation réutilisés.
• Automatisez la formation et la construction de modèles ML sans nécessiter le processus manuel de formation et de sélection des algorithmes ML.

Les cas d'utilisation courants de l'IA, du ML et du NLP dans l'automatisation des processus métier incluent de nombreux exemples industriels, tels que :

• Gestion des sinistres en assurance (par exemple, extraction, classification des données de sinistres)
• Efforts de lutte contre le blanchiment d'argent dans le secteur bancaire (par exemple, rapprochement, surveillance des données de transaction)
• Gestion des contrats
• Processus juridiques
• Essais cliniques et pharmacovigilance en santé
• Sélection et résolution automatisées des requêtes/supports

Pour obtenir une valeur commerciale, des solutions doivent être mises en œuvre qui fournissent des résultats commerciaux spécifiques et mesurables pour chaque cas d'utilisation. La découverte et le développement de cas d'utilisation candidats d'IA et de ML en équipe vous permettent d'identifier des résultats commerciaux mesurables à partir de chacun de ces cas d'utilisation.

Il est essentiel de savoir comment les fonctions de l'IA au sein du processus automatisé fonctionneront avec d'autres composants. Si les décisions doivent être justifiées dans le cadre d'un processus, l'utilisation de l'IA et du ML peut ne pas être une bonne approche, ou une forme de surveillance humaine peut devoir être intégrée.

Exemple 1

L'objectif est d'automatiser le processus de prévention du blanchiment d'argent. la mise en œuvre d'un algorithme de détection de fraude, le tout intégré aux systèmes actuels de l'organisation et aux tâches non routinières, l'intelligence pour la prise de décision et le jugement humain.

Cela impliquerait les éléments et étapes suivants :

1. Une suite de gestion de processus métier intelligente et/ou un outil de système de gestion de la distribution gère l'orchestration du flux de travail/processus en fonction de diverses décisions.
2. Activez un bot / script RPA pour effectuer la collecte de données et d'autres routines de validation sur les données client, marché, fournisseur, etc.
3. L'algorithme de détection de fraude, construit sur un modèle ML, qui s'exécute sur les données consolidées pour identifier les modèles. Ce processus pourrait introduire une intervention humaine, nécessitant une approbation formelle ou une signature électronique à fournir afin de procéder.
4. Plus tard, un autre RPA pour effectuer des actions de suivi, telles que l'envoi d'e-mails et la mise à jour des systèmes transactionnels (tels que la solution ERP, le CRM et d'autres applications internes).

Exemple 2

D'autres tâches routinières se retrouvent généralement dans la relation avec les clients par le biais des centres de contact.

1. Utilisez une fonction d'analyse de texte NLP pour effectuer une analyse des sentiments des clients basée sur les transcriptions des plaintes des clients.
2. Identifiez le plan pour préparer l'agent et les systèmes à conduire des conversations à valeur ajoutée.
3. Un bot RPA assisté effectue des actions de suivi pour l'agent, telles que la préparation d'un e-mail structuré avec des données précieuses pour le client.

Recommandations

L'utilisation de l'IA, du ML et du NLP a plusieurs aspects pertinents à prendre en compte pour obtenir le meilleur résultat dans votre application.

• Identifiez les motivations les plus pertinentes pour l'utilisation de chaque domaine de l'IA, y compris le ML, le NLP, l'OCR et les chatbots.
• Évaluez les ressources, les compétences, le temps, les coûts et la complexité nécessaires à la création de modèles d'IA pour justifier chaque analyse de rentabilisation.
• Garantir la disponibilité de données historiques de bonne qualité dans les modèles ML.
• Analysez tous les facteurs, les points de déclenchement, les limites des sous-systèmes, les API d'interface, la gestion des exceptions et les cas extrêmes nécessitant une intervention humaine.
• Planifiez des livraisons minimales viables, rapides et itératives dans les opérations commerciales.
• Exploitez les accélérateurs d'IA des principaux fournisseurs de services cloud qui peuvent s'intégrer aux plates-formes propriétaires LCAP, DMS, BPM, RPA et iPaaS. Les bibliothèques AI/ML courantes souvent disponibles sur ces plates-formes incluent AWS Machine Learning, Google Cloud (TensorFlow), IBM Watson Studio, Microsoft Azure Machine Learning Studio, StanfordNLP, Natural Language Toolkit et spaCy.
• Incluez des fonctionnalités AutoML pour permettre aux processus RPA d'optimiser les accélérateurs ML et NLP. Les moteurs AutoML utilisent les entrées et les sorties des tâches manuelles terminées pour sélectionner des algorithmes, former des modèles et pousser les modèles vers l'automatisation sans interruption.

Acronymes

AI	Intelligence artificielle
BPM	Gestion de processus
EA	Architectes d'entreprise
DMS	Suites de gestion des décisions
iBPMS	Suites intelligentes de gestion des processus métier
iPaaS	Intégration de la plateforme en tant que service
LCAP	Plates-formes d'application Low-Code / Plates-formes d'application No-Code
ML	Machine Learning
PNL	Traitement du langage naturel
OCR	Reconnaissance optique de caractères
RPA	Automatisation des processus robotiques
SaaS.	Logiciel en tant que service