Iperautomazione dei processi

Per i responsabili di Business Architecture and Innovation, uno dei punti più critici è stabilire una strategia di scalabilità e i KPI/OKR misurarne e garantirne il successo.

Oltre ad applicare le tecnologie RPA (Robotic Process Automation) dall'inizio alla fine, devono essere integrate tecnologie complementari che accompagnino l'efficienza e l'efficacia del risultato finale.

D'altra parte, le soluzioni tattiche puntuali e non continue possono essere prioritarie, ma sempre tenendo conto di una tabella di marcia globale a lungo termine. Un approccio esclusivamente tattico rischia di produrre una mancanza di credibilità e fiducia all'interno dell'organizzazione che vede come responsabili apagafuegos senza continuità o strategia (vedi profilo Lupo).

Le principali sfide che si possono incontrare quando si crea un piano globale di efficienza ed efficacia dei processi sono:

1. Mancanza di guida e strategia per aiutare le organizzazioni a integrare i sistemi di automazione dei processi (RPA) con altri strumenti. Questo ostacola la visione end-to-end dei processi, e quindi si perdono valori commerciali strategici.
2. Le iniziative per aggiungere l'intelligenza artificiale ai processi aziendali spesso si verificano in silos senza una strategia globale incorporata nei loro sviluppi. Ciò porta a futuri problemi di scalabilità del volume, progettazione tecnologica e organizzativa.

Pertanto, per accelerare la trasformazione del business e la nuova architettura si raccomanda di:

1. Pianificare una roadmap strategica a lungo termine allineando gli obiettivi di business, identificando i processi da ottimizzare e scegliendo tecnologie complementari al processo.
2. Sviluppare una strategia di integrazione che consenta l'automazione end-to-end e aiuti a progettare l'RPA, la gestione dei processi aziendali (BPM) e altri strumenti necessari.
3. Aumenta i processi di relazione commerciale e di relazione con i clienti attraverso la progressiva integrazione dell'intelligenza artificiale per attingere a nicchie di valore aziendale a lungo termine.

Entro il 2022, il 65% delle organizzazioni che hanno integrato l'automazione dei processi robotici introdurrà l'intelligenza artificiale, inclusi l'apprendimento automatico e gli algoritmi di elaborazione del linguaggio naturale.

Introduzione

Gli architetti aziendali (EA) e l'innovazione tecnologica in generale spesso subiscono pressioni da parte delle aziende affinché si concentrino sulle rapide esigenze tattiche dell'automazione dei processi.

Questo approccio può fornire un rapido sollievo come forma di integrazione non invasiva. Tuttavia, i processi non sono sempre semplici, di routine, ripetitivi e stabili. Possono essere di lunga durata e spesso implicano processi decisionali e ottimizzazioni intelligenti e automatizzati. La vera sfida è avere una visione di scala al di là dei pochi frutti iniziali dei processi di routine. Questo non può essere risolto con un unico strumento o strategie isolate.

La iperautomazione si riferisce all'efficace combinazione di set di strumenti complementari in grado di collegare silos funzionali e di processo per automatizzare e aumentare i processi aziendali.

Questa iperautomazione si basa su un insieme di strumenti per semplificare, misurare e gestire i processi in tutta l'azienda. Tra questi strumenti si possono trovare, oltre a RPA, motori BPM, sistemi di flusso di lavoro, suite di gestione delle decisioni, estrazione di processi, piattaforme di applicazioni a basso codice (LCAP), tra gli altri.

La prima domanda che sorge è da dove iniziare a scalare correttamente. Questo documento propone un approccio in tre fasi.

1. Analisi: definire il percorso verso l'automazione.
2. Co-creare una strategia per combinare tecnologie e operazioni digitali.
3. Aumenta i processi aziendali con l'IA.

Per ciascuno di questi passaggi, è necessario tenere conto degli assi di clienti, piattaforme tecnologiche, ecosistemi e prodotti che ne derivano. Contando in tutti gli assi con i motori di Intelligenza e Intelligenza Artificiale.

Analisi: definizione del percorso verso l'automazione

La definizione della tabella di marcia è il primo passo. È importante stabilire il risultato aziendale desiderato e i processi che devono essere ottimizzati, prima di automatizzare e assemblare il resto degli strumenti complementari.

Risultati aziendali attesi

È fondamentale definire l'obiettivo digitale durante l'automazione di qualsiasi processo.

Architetti e manager aziendali devono collaborare per stabilire una visione futura dei risultati differenziando tra Trasformazione e Ottimizzazione: riduzione dei costi, soddisfazione del cliente, agilità, vendite, ecc. Questi obiettivi possono essere raggruppati in tre gruppi:

• reddito. quali sono i punti chiave per le entrate? Ad esempio, puoi scegliere di concentrarti sul miglioramento dei processi, sull'automazione delle attività, sull'aumento del coinvolgimento dei clienti o sull'introduzione di nuovi servizi.
• Costi.: Favorisce l'ottimizzazione dei costi? Puoi migliorare l'efficienza automatizzando le attività, ma anche riprogettando i processi, riducendo il costo degli errori e accelerandoli.
• rischi. Quali sono i rischi di conformità, normativi o legali dovuti a processi inefficienti? Ridisegnando e automatizzando i processi, il rischio di non conformità deve essere ridotto al minimo.

Identifica i casi d'uso che desideri ottimizzare per migliorare l'efficacia e l'efficienza di un processo. Mira a trasformare i processi aziendali
sperimentare nuovi modi di generare valore. Questo può essere fatto riprogettando e ottimizzando i processi. Nella tabella di marcia, distingui chiaramente i casi d'uso e i risultati associati ai tuoi obiettivi di ricavi, costi e rischi.

Ottimizzazione dei processi

Molto spesso, automatizzare un processo errato può peggiorarlo. È essenziale strutturare i processi aziendali per ottenere prestazioni elevate. Ciò è applicabile quando l'automazione richiede alle organizzazioni di dare uno sguardo nuovo alle caratteristiche chiave del processo relative alla struttura dei dati, alla delimitazione dei componenti e alle eccezioni.

Identifica i casi d'uso per ottimizzare i processi concentrandoti su:

• Regola il quoziente di intelligenza di processo. Determina quanto "intelligente" dovrebbe essere il processo dal punto di vista dei suoi consumatori.
• Industrializzare e scalare i processi chiave che guidano i prodotti e i servizi forniti attraverso una piattaforma di business digitale (API, ecosistemi di servizi, terze parti, ecc.)
• miglioramento continuo per processo con risultati strutturati e standardizzati e intelligenza per il processo decisionale.

Integrazione con strumenti interni

Gli strumenti che fanno parte del processo di automazione sono molteplici e vari. È necessario identificare quelli che sono strettamente allineati con la tabella di marcia pianificata.

Pertanto è importante valutare diverse tecnologie e creare un piano di investimento progressivo per fornire efficacemente valore commerciale tattico e strategico.

Una serie di strumenti in linea con l'automazione dei processi guidata dal business offre varie opzioni per affrontare le diverse fasi dell'automazione dei processi (scoprire, analizzare, progettare, automatizzare, misurare, monitorare e rivalutare).

La valutazione dei casi d'uso e degli obiettivi aziendali a lungo termine aiuta a identificare le combinazioni ottimali di questi strumenti.

Tuttavia, non è possibile pretendere di coprirli tutti, anche se disponibili, poiché la fase di analisi può richiedere molto tempo e portare alla paralisi. Alcuni dei quali non sono inclusi senza API ed Enterprise Service Bus (ESB).

Piattaforme BPM/iBPMS

Le suite BPM intelligenti (iBPMS) sono un set maturo di strumenti sul mercato per l'orchestrazione dei processi e l'automazione delle attività all'interno di tali processi. iBPMS consolida i servizi di integrazione, la gestione delle decisioni, l'orchestrazione dei processi, i processi ad hoc e l'analisi avanzata su un'unica piattaforma

La gestione di uno strumento BPM/iBPMS implica la focalizzazione funzionale su:

• Gestisci i processi a lungo termine che attraversano l'intera organizzazione che includono persone, servizi hardware, software e regole o limiti funzionali.
• Applica iBPMS come orchestratore principale per l'elaborazione e la gestione degli elenchi di attività.
• Attivazione di un robot o di uno script RPA per automatizzare un'attività con un processo. Le API possono essere utilizzate per integrare gli script RPA con BPM Master Orchestrator.
• Monitoraggio delle metriche e creazione di tabelle di analisi per identificare opportunità di miglioramento del processo.
• Fornire servizi di integrazione diretta/API ad altre piattaforme, applicazioni e dispositivi nell'organizzazione o al di fuori di essa.

RPA

RPA è una tecnologia di integrazione non invasiva utilizzata per automatizzare attività di routine, ripetitive e prevedibili attraverso interazioni orchestrate dell'interfaccia utente che emulano le azioni umane.

L'utilizzo di un RPA comprende funzionalmente:

• Consegne rapide e vantaggi aziendali grazie all'automazione delle attività di routine e ripetitive.
• Creazione di interfacce con API con altre applicazioni. Questo mezzo non invasivo interagisce con applicazioni, generalmente sviluppate in passato, in cui la costruzione dell'integrazione tradizionale sarebbe complessa, lenta e costosa.
• Ottenere, consolidare e convalidare dati da diverse fonti in un progetto di migrazione su larga scala.
• Sperimenta rapidamente con i prototipi. L'applicazione dell'RPA consente rapidi test concettuali prima di avviare un nuovo servizio o processo.

Low Code/No Code Application Platforms (LCAP)

Gli ambienti LCAP hanno spesso un potente front-end grafico e possono quindi essere utilizzati per modellare l'automazione rapida di un processo. La maggior parte dei provider LCAP offre servizi di orchestrazione dei processi aziendali e flussi di lavoro per automatizzare rapidamente le attività e semplificarle in processi più semplici.

Nell'applicare il LCAP, devono essere presi in considerazione i seguenti aspetti:

• In genere è ottimale per processi di portata ridotta o che vengono modificati frequentemente e limitati a una singola funzione o team all'interno dell'organizzazione. La capacità di passare rapidamente dall'idea all'esecuzione dell'applicazione è fondamentale per gli LCAP. Questa funzionalità mette gli LCAP in una posizione molto forte per automatizzare i processi aziendali che richiedono un elevato grado di flessibilità.
• Crea o modernizza l'esperienza utente (UX) di un processo che richiede un'interfaccia utente Web o mobile. Molti LCAP sono anche piattaforme di sviluppo multipiattaforma.
• Sfrutta il ricco set di connettori per automatizzare le attività relative alle applicazioni che dispongono di API esistenti nell'organizzazione. Tuttavia, l'insieme dei protocolli supportati è inferiore a quello di una piattaforma di integrazione o di una suite BPM. I connettori in LCAP si concentrano principalmente sulla connettività HTTP REST basata su API o connettori per le normali aziende e SaaS (come i sistemi ERP).

Process mining e discovery/analisi

Il process mining ha lo scopo di scoprire, monitorare e migliorare i processi reali estraendo conoscenza dai log degli eventi disponibili nei sistemi applicativi. Il process mining include il rilevamento automatizzato dei processi, il controllo della conformità e altre analisi avanzate.

Questi strumenti si applicano a:

• Identificare l'efficienza dei processi a livello granulare.
• Scopri, monitora e configura attività che possono essere automatizzate da bot/script.
• Estrarre la conoscenza dagli eventi disponibili sulla workstation o acquisiti dagli schermi.
• Crea documentazione di processo e generazione automatica di modelli di simulazione.
• Soluzione o ampliamento dei modelli.
• Formulare raccomandazioni di processo basate su dati storici.

Questi strumenti possono essere integrati con le piattaforme BPM e RPA per ottimizzare le opportunità di automazione di routine scoprendo, monitorando e analizzando processi, attività e interdipendenze aziendali.

Suite di gestione delle decisioni (DMS) / Sistemi di gestione delle regole aziendali (BRMS)

I DMS vengono utilizzati per integrare lo sviluppo di applicazioni convenzionali quando le applicazioni implicano decisioni che coinvolgono una logica complicata o che cambia frequentemente. I moderni prodotti DMS si sono evoluti oltre i sistemi di gestione delle regole aziendali fornendo un supporto migliore per la modellazione e l'analisi delle decisioni. Questi possono essere utilizzati insieme agli strumenti BPM.

Un DMS è rilevante per le applicazioni che includono decisioni che coinvolgono uno dei seguenti scenari:

• Vari tipi di dati di input, che possono essere raccolti da varie fonti.
• calcoli multipli
• Decine, centinaia di migliaia di politiche commerciali, attuate come regole
• Algoritmi sofisticati che coinvolgono un mix di regole e modelli analitici
• Stakeholder multipli, a volte con obiettivi diversi

Quando si integra una piattaforma DMS, è necessario tenere conto di quanto segue:

• Creazione di un proprio modello decisionale: ad esempio, modelli misti concettuali e logici.
• Migliorare gli strumenti di creazione o manutenzione delle decisioni, ad esempio, attraverso metafore che rendono più facile per l'azienda creare o modificare regole e analisi senza l'ausilio di complessi sviluppi tecnologici.
• Servizi di punteggio dell'analisi predittiva supportati, come la possibilità di importare o connettersi con PMML, PFA, R, Python o altri modelli da piattaforme di data science (o strumenti di analisi avanzati simili).

Approccio e sfide

I responsabili dell'architettura aziendale hanno la sfida di passare da a
ecosistema RPA debolmente accoppiato con alcune tecnologie, a un set di strumenti perfettamente connesso. A questo concetto viene dato il nome di Operazioni digitali. A partire dal 2020, molti fornitori forniscono un'unica piattaforma con un'offerta integrata. Per esempio:

• Microsoft ha rilasciato la soluzione Power Automate come RPA con le sue applicazioni Power Apps low-code e flusso di lavoro.
• LINFA ha lanciato la sua offerta BPMRPA integrata dal suo cloud aziendale, integrato con S/4HANA ERP.
• pegasistemi fornisce già una soluzione BPMRPA integrata.
• Appia Ha collaborato con UiPath, AutomationAnywhere (molto famoso e uno dei primi e più versatili RPA sul mercato) e Blue Prisma.
• Oracle ha collaborato con diversi fornitori di RPA.

Il passaggio da un modello in cui un RPA è disponibile con una serie di vari strumenti complementari (Complemented RPA, CoRPA) è chiaramente diverso e si evolve verso un modello di architettura e disponibilità di strumenti DigitalOps.

Aumenta e ottimizza i processi aziendali utilizzando l'IA

Per accelerare l'iperautomazione, un sistema di intelligence integrato combina efficacemente gli strumenti di Operazioni digitali con:

• intelligenza artificiale (IA)
• Apprendimento automatico (ML)
• Elaborazione del linguaggio naturale (PNL)
• Riconoscimento ottico dei caratteri (OCR)
• chatbot conversazionali

Un modello integrato di AI, ML e NLP potrebbe avere la seguente architettura funzionale:

In un ecosistema integrato di strumenti DigitalOps:

1. RPA consente l'automazione delle attività.
2. BPM / LCAP / DMS consente l'orchestrazione dinamica.
3. Il livello di intelligenza artificiale aggiunge intelligenza al processo.

Le piattaforme ERP transazionali esistenti e incentrate sul cliente incorporano i propri strumenti locali incentrati sui processi.

L'intelligenza artificiale può essere applicata a ogni livello di integrazione dell'applicazione per facilitare le informazioni predittive e consentire raccomandazioni guidate, estrazione di processi e processo decisionale adattivo.

Un processo aziendale che interessa molte applicazioni e sistemi può utilizzare efficacemente i modelli di AI, ML e NLP per ottenere lo stesso risultato.

AI e ML vengono utilizzati principalmente negli scenari di automazione per:

• Esegui l'apprendimento continuo con i dati raccolti nei processi di automazione per aggiornare dinamicamente i modelli, migliorando la qualità dell'automazione e apportando le modifiche di conseguenza.
• Riutilizzare modelli di addestramento (ovvero modelli addestrati per altri clienti per casi d'uso). uso simili e poi riutilizzati in un nuovo modello client). Ciò riduce al minimo il tempo e i dati necessari per creare e distribuire un modello.
• Proteggi la privacy del modello assicurando che tutte le informazioni sul cliente utilizzate per addestrare il modello vengano estratte da modelli di addestramento riutilizzati.
• Automatizza l'addestramento e la costruzione di modelli ML senza richiedere il processo manuale di addestramento e selezione di algoritmi ML.

I casi d'uso comuni di AI, ML e NLP nell'ambito dell'automazione dei processi aziendali includono molti esempi di settore, come ad esempio:

• Gestione dei sinistri in ambito assicurativo (es. estrazione, classificazione dei dati dei sinistri)
• Sforzi antiriciclaggio nel settore bancario (ad es. riconciliazione, monitoraggio dei dati delle transazioni)
• Gestione dei contratti
• Processi legali
• Studi clinici e farmacovigilanza in ambito sanitario
• Selezione e risoluzione automatizzate di query/supporto

Per ottenere valore aziendale, devono essere implementate soluzioni che forniscano risultati aziendali specifici e misurabili per ogni caso d'uso. La scoperta e lo sviluppo di casi d'uso di IA e ML candidati come un team consente di identificare risultati aziendali misurabili da ciascuno di questi casi d'uso.

Sapere come funzionerà l'IA all'interno del processo automatizzato con altri componenti è fondamentale. Se le decisioni devono essere giustificate all'interno di un processo, l'uso di AI e ML potrebbe non essere un buon approccio o potrebbe essere necessario integrare una qualche forma di supervisione umana.

Esempio 1

L'obiettivo è automatizzare il processo di prevenzione del riciclaggio di denaro. implementando un algoritmo di rilevamento delle frodi, il tutto integrato con gli attuali sistemi dell'organizzazione e attività non di routine, intelligence per il processo decisionale e giudizio umano.

Ciò comporterebbe i seguenti elementi e passaggi:

1. Una suite di gestione dei processi aziendali intelligente e/o uno strumento del sistema di gestione della distribuzione gestisce l'orchestrazione del flusso di lavoro/processo in base a varie decisioni.
2. Attiva un bot/script RPA per eseguire la raccolta dei dati e altre routine di convalida sui dati di clienti, mercati, fornitori, ecc.
3. L'algoritmo di rilevamento delle frodi, basato su un modello ML, che viene eseguito sui dati consolidati per identificare i modelli. Questo processo potrebbe introdurre l'intervento umano, richiedendo l'approvazione formale o la fornitura di una firma elettronica per procedere.
4. Successivamente un altro RPA per eseguire azioni di follow-up, come l'invio di e-mail e l'aggiornamento dei sistemi transazionali (come la soluzione ERP, CRM e altre applicazioni interne).

Esempio 2

Altre attività di routine si trovano solitamente nella relazione con i clienti attraverso i contact center.

1. Utilizza una funzione di analisi del testo NLP per eseguire l'analisi del sentiment dei clienti in base alle trascrizioni dei reclami dei clienti.
2. Identificare il piano per preparare l'agente e i sistemi a promuovere conversazioni a valore aggiunto.
3. Un bot RPA assistito esegue azioni di follow-up per l'agente, come la preparazione di un'e-mail strutturata con dati preziosi per il cliente.

Raccomandazioni

L'uso di AI, ML e NLP ha diversi aspetti rilevanti di cui tenere conto per ottenere il miglior risultato nella tua applicazione.

• Identifica le motivazioni più rilevanti per l'uso di ciascuna area dell'IA, inclusi ML, NLP, OCR e chatbot.
• Valuta le risorse, le competenze, il tempo, i costi e la complessità necessari coinvolti nella creazione di modelli di intelligenza artificiale per giustificare ogni business case.
• Garantire la disponibilità di dati storici di buona qualità nei modelli ML.
• Analizza tutti i fattori, i punti trigger, i limiti del sottosistema, le API di interfaccia, la gestione delle eccezioni e i casi limite in cui è richiesto l'intervento umano.
• Pianifica consegne minime praticabili, rapide e iterative nelle operazioni commerciali.
• Sfrutta gli acceleratori di intelligenza artificiale dei principali fornitori di servizi cloud che possono integrarsi con piattaforme proprietarie LCAP, DMS, BPM, RPA e iPaaS. Le librerie AI/ML comuni spesso disponibili su queste piattaforme includono AWS Machine Learning, Google Cloud (TensorFlow), IBM Watson Studio, Microsoft Azure Machine Learning Studio, StanfordNLP, Natural Language Toolkit e spaCy.
• Includi funzionalità AutoML per consentire ai processi RPA di ottimizzare gli acceleratori ML e NLP. I motori AutoML utilizzano l'input e l'output delle attività manuali completate per selezionare algoritmi, addestrare modelli e inviare modelli all'automazione senza interruzioni.

acronimi

AI	Intelligenza artificiale
BPM	Gestione dei processi aziendali
EA	Architetti d'impresa
DMS	Suite per la gestione delle decisioni
iBPMS	Suite di gestione intelligente dei processi aziendali
iPaas	Integrazione Platform as a Service
LCA	Piattaforme applicative low-code/Piattaforme applicative no-code
ML	machine Learning
NLP	Elaborazione del linguaggio naturale
OCR	Riconoscimento ottico dei caratteri
RPA	Automazione robotica dei processi
SaaS	Software come un servizio