Hiperautomação de processos

Para os responsáveis ​​pela Arquitetura de Negócios e Inovação, um dos pontos mais críticos é estabelecer uma estratégia de escalabilidade e os KPIs/RS OK medir e garantir o seu sucesso.

Além de aplicar as tecnologias RPA (Robotic Process Automation) do início ao fim, devem ser integradas tecnologias complementares que acompanhem a eficiência e eficácia do resultado final.

Por outro lado, soluções táticas pontuais e descontínuas podem ser priorizadas, mas sempre levando em consideração um roadmap global de longo prazo. Uma abordagem exclusivamente tática corre o risco de produzir uma falta de credibilidade e confiança dentro da organização que vê os responsáveis ​​como apaga fogos sem continuidade ou estratégia (ver perfil Lobo).

Os principais desafios que podem ser encontrados ao criar um plano global de eficiência e eficácia de processos são:

1. Falta de orientação e estratégia para ajudar as organizações a integrar sistemas de automação de processos (RPA) com outras ferramentas. Isso dificulta a visão de ponta a ponta dos processos e, portanto, os valores comerciais estratégicos são perdidos.
2. As iniciativas para agregar inteligência artificial aos processos de negócios geralmente ocorrem em silos sem uma estratégia global embutida em seus desenvolvimentos. Isso leva a futuras questões de escalabilidade de volume, tecnologia e design organizacional.

Portanto, para acelerar a transformação do negócio e a nova arquitetura é recomendado:

1. Planejar um roteiro estratégico de longo prazo alinhando os objetivos do negócio, identificando processos para otimizar e escolhendo tecnologias complementares ao processo.
2. Desenvolva uma estratégia de integração que permita a automação de ponta a ponta e ajude a projetar o RPA, o gerenciamento de processos de negócios (BPM) e outras ferramentas necessárias.
3. Aumente os processos de negócios e relacionamento com clientes por meio da integração progressiva de inteligência artificial para explorar nichos de valor comercial de longo prazo.

Até 2022, 65% das organizações que integraram a automação de processos robóticos introduzirão inteligência artificial, incluindo aprendizado de máquina e algoritmos de processamento de linguagem natural.

Introdução

Os arquitetos de negócios (EAs) e a inovação tecnológica em geral geralmente sofrem pressão dos negócios para se concentrar nas necessidades rápidas e táticas da automação de processos.

Essa abordagem pode fornecer alívio rápido como forma de integração não invasiva. No entanto, nem sempre os processos são simples, rotineiros, repetitivos e estáveis. Eles podem ser de longa duração e geralmente envolvem otimização e tomada de decisões automatizadas e inteligentes. O verdadeiro desafio é ter uma visão de escala além dos poucos frutos iniciais dos processos rotineiros. Isso não pode ser resolvido com uma única ferramenta ou estratégias isoladas.

La hiperautomação refere-se à combinação eficaz de conjuntos de ferramentas complementares que podem unir silos funcionais e de processos para automatizar e aumentar os processos de negócios.

Essa hiperautomação é baseada em um conjunto de ferramentas para simplificar, medir e gerenciar processos em toda a empresa. Entre essas ferramentas podem ser encontradas, além de RPA, engines BPM, sistemas de workflow, suítes de gerenciamento de decisões, mineração de processos, plataformas de aplicativos de baixo código (LCAP), entre outras.

A primeira pergunta que surge é por onde começar a escalar corretamente. Este documento propõe uma abordagem em três fases.

1. Análise: defina a jornada em direção à automação.
2. Cocriar uma estratégia para combinar tecnologias e operações digitais.
3. Aumente os processos de negócios com IA.

Para cada uma dessas etapas, é necessário levar em consideração os eixos de clientes, plataformas tecnológicas, ecossistemas e os produtos resultantes. Contando em todos os eixos com os motores de Inteligência e Inteligência Artificial.

Análise: definindo a jornada para a automação

Definir o roteiro é o primeiro passo. É importante estabelecer o resultado de negócio desejado e os processos que precisam ser otimizados, antes de automatizar e montar o restante das ferramentas complementares.

Resultados de negócios esperados

É fundamental definir o objetivo digital ao automatizar qualquer processo.

Arquitetos e gestores de negócios devem colaborar para estabelecer uma visão futura dos resultados diferenciando entre Transformação e Otimização: redução de custos, satisfação do cliente, agilidade, vendas, etc. Esses objetivos podem ser agrupados em três grupos:

• receita. quais são as principais conclusões para a receita? Por exemplo, você pode optar por se concentrar em melhorar processos, automatizar tarefas, aumentar o envolvimento do cliente ou introduzir novos serviços.
• Custos.: Impulsiona a otimização de custos? Você pode melhorar a eficiência automatizando tarefas, mas também redesenhando processos, reduzindo o custo dos erros e acelerando-os.
• riscos. Quais são os riscos de conformidade, regulatórios ou legais devido a processos ineficientes? Ao redesenhar e automatizar os processos, o risco de não conformidade deve ser minimizado.

Identifique os casos de uso que você deseja otimizar para melhorar a eficácia e a eficiência de um processo. Visa transformar os processos de negócios
experimentando novas formas de geração de valor. Isso pode ser feito redesenhando e otimizando processos. Em seu roteiro, distinga claramente seus casos de uso e resultados associados às suas metas de receita, custo e risco.

Processo otimizado

Muitas vezes, automatizar um processo ruim pode piorá-lo. É essencial estruturar os processos de negócios para alcançar alto desempenho. Isso é aplicável quando a automação exige que as organizações tenham uma nova visão das principais características do processo relacionadas à estrutura de dados, delimitação de componentes e exceções.

Identifique casos de uso para otimizar processos, concentrando-se em:

• Ajuste o quociente de inteligência de processo. Determine quão "inteligente" o processo deve ser do ponto de vista de seus consumidores.
• Industrializar e escalar os principais processos que impulsionam os produtos e serviços entregues por meio de uma plataforma de negócios digital (APIs, ecossistemas de serviços, terceiros etc.)
• melhoria continua por processo com resultados estruturados, padronizados e inteligência para tomada de decisão.

Integração com ferramentas internas

As ferramentas que fazem parte do processo de automação são múltiplas e variadas. É necessário identificar aqueles que estão intimamente alinhados com o roteiro planejado.

Portanto, é importante avaliar diferentes tecnologias e criar um plano de investimento progressivo para entregar efetivamente valor de negócios tático e estratégico.

Um conjunto de ferramentas alinhadas com a automação de processos orientada aos negócios oferece várias opções para abordar as diferentes etapas da automação de processos (descobrir, analisar, projetar, automatizar, medir, monitorar e reavaliar).

Avaliar casos de uso e objetivos de negócios de longo prazo ajuda a identificar as combinações ideais dessas ferramentas.

No entanto, não é possível reivindicar a cobertura de todos eles, mesmo que estejam disponíveis, pois a fase de análise pode demorar muito e levar à paralisia. Alguns dos quais não estão incluídos sem APIs e Enterprise Service Buses (ESBs).

Plataformas BPM/iBPMS

As suítes de BPM inteligentes (iBPMS) são um conjunto maduro de ferramentas no mercado para orquestrar processos e automatizar tarefas nesses processos. iBPMS consolida serviços de integração, gerenciamento de decisões, orquestração de processos, processos ad hoc e análises avançadas em uma única plataforma

Gerenciar uma ferramenta BPM/iBPMS envolve focar funcionalmente em:

• Gerencie processos de longo prazo que atravessam toda a organização que incluem pessoas, serviços de hardware, software e regras ou limites funcionais.
• Aplique o iBPMS como um orquestrador mestre para processar e gerenciar listas de tarefas.
• Ativação de um robô ou script RPA para automatizar uma tarefa com um processo. As APIs podem ser usadas para integrar scripts RPA com o BPM Master Orchestrator.
• Acompanhamento de métricas e criação de tabelas de análise para identificar oportunidades de melhoria do processo.
• Fornecer serviços/APIs de integração direta com outras plataformas, aplicativos e dispositivos na organização ou fora dela.

RPA

RPA é uma tecnologia de integração não invasiva usada para automatizar tarefas rotineiras, repetitivas e previsíveis por meio de interações orquestradas de interface de usuário que emulam ações humanas.

O uso de um RPA engloba funcionalmente:

• Entregas rápidas e benefícios comerciais ao automatizar tarefas rotineiras e repetitivas.
• Criação de interfaces com APIs com outras aplicações. Este meio não invasivo interage com aplicações, geralmente desenvolvidas no passado, nas quais a construção da integração tradicional seria complexa, lenta e dispendiosa.
• Obtenção, consolidação e validação de dados de diferentes fontes em um projeto de migração em larga escala.
• Experimente rapidamente com protótipos. A aplicação de RPA permite testes de conceito rápidos antes de lançar um novo serviço ou processo.

Plataformas de aplicativos com código baixo/sem código (LCAP)

Os ambientes LCAP geralmente têm um front-end gráfico poderoso e, portanto, podem ser usados ​​para modelar a automação rápida de um processo. A maioria dos provedores de LCAP oferece orquestração de processos de negócios e serviços de fluxo de trabalho para automatizar tarefas rapidamente e agilizá-las em processos mais simples.

Ao aplicar o LCAP, os seguintes aspectos devem ser levados em consideração:

• Normalmente é ideal para processos com escopo pequeno ou que são alterados com frequência e limitados a uma única função ou equipe dentro da organização. A capacidade de passar rapidamente da ideia para o aplicativo em execução é fundamental para os LCAPs. Essa funcionalidade coloca os LCAPs em uma posição muito forte para automatizar processos de negócios que precisam de um alto grau de flexibilidade.
• Crie ou modernize a experiência do usuário (UX) de um processo que requer uma interface de usuário web ou móvel. Muitos LCAPs também são plataformas de desenvolvimento multiplataforma.
• Aproveite o rico conjunto de conectores para automatizar tarefas relacionadas a aplicativos que possuem APIs existentes na organização. No entanto, o conjunto de protocolos suportados é menor do que o de uma plataforma de integração ou pacote BPM. Os conectores no LCAP são focados principalmente na conectividade baseada em HTTP REST API ou conectores para empresas comuns e SaaS (como sistemas ERP).

Mineração de processos e descoberta/análise

A mineração de processos visa descobrir, monitorar e melhorar processos reais, extraindo conhecimento dos logs de eventos disponíveis em sistemas aplicativos. A mineração de processos inclui descoberta automatizada de processos, verificação de conformidade e outras análises avançadas.

Essas ferramentas se aplicam a:

• Identifique a eficiência do processo em um nível granular.
• Descubra, monitore e configure tarefas que podem ser automatizadas por bots/scripts.
• Extraia conhecimento de eventos disponíveis na estação de trabalho ou capturados de telas.
• Criar documentação de processo e geração automática de modelos de simulação.
• Solução ou extensão dos modelos.
• Faça recomendações de processo com base em dados históricos.

Essas ferramentas podem ser integradas às plataformas BPM e RPA para otimizar as oportunidades de automação de rotina descobrindo, monitorando e analisando processos de negócios, tarefas e interdependências.

Conjuntos de Gerenciamento de Decisão (DMS) / Sistemas de Gerenciamento de Regras de Negócios (BRMS)

Os DMSs são usados ​​para complementar o desenvolvimento de aplicativos convencionais quando os aplicativos envolvem decisões envolvendo lógica complicada ou que muda com frequência. Os produtos DMS modernos evoluíram além dos sistemas de gerenciamento de regras de negócios, fornecendo melhor suporte para modelagem e análise de decisões. Estes podem ser usados ​​em conjunto com ferramentas de BPM.

Um DMS é relevante para aplicativos que incluem decisões envolvendo qualquer um dos seguintes cenários:

• Vários tipos de dados de entrada, que podem ser coletados de várias fontes.
• vários cálculos
• Dezenas, centenas de milhares de políticas comerciais, implementadas como regras
• Algoritmos sofisticados envolvendo uma mistura de regras e modelos analíticos
• Várias partes interessadas, às vezes com objetivos diferentes

Ao integrar uma plataforma DMS, deve-se levar em conta o seguinte:

• Criação de modelo próprio de decisão: por exemplo, modelos conceituais e lógicos mistos.
• Aprimore ferramentas de autoria ou manutenção de decisões, por exemplo, por meio de metáforas que facilitem a criação ou modificação de regras e análises pela empresa sem o auxílio de desenvolvimentos tecnológicos complexos.
• Serviços de pontuação de análise preditiva com suporte, como a capacidade de importar ou conectar-se a PMML, PFA, R, Python ou outros modelos de plataformas de ciência de dados (ou ferramentas de análise avançada semelhantes).

Abordagem e desafios

Os responsáveis ​​pela arquitetura de negócios têm o desafio de fazer a transição de um
ecossistema de RPA fracamente acoplado com algumas tecnologias, a um conjunto de ferramentas perfeitamente conectado. Esse conceito está recebendo o nome de Operações digitais. A partir de 2020, muitos provedores fornecem uma única plataforma com uma oferta integrada. Por exemplo:

• Microsoft lançou a solução Power Automate como RPA com seus aplicativos de baixo código e fluxo de trabalho do Power Apps.
• SAP lançou sua oferta BPMRPA integrada de sua nuvem corporativa, integrada ao S/4HANA ERP.
• Pegasystems já fornece uma solução BPMRPA integrada.
• Ápia Tem parceria com UiPath, AutomationAnywhere (muito famosa e uma das primeiras e mais versáteis RPA do mercado) e Blue Prisma.
• Oracle fez parceria com vários provedores de RPA.

A transição de um modelo onde um RPA está disponível com uma série de várias ferramentas complementares (Compplemented RPA, CoRPA) é claramente diferente e evolui para um modelo de arquitetura e disponibilidade de ferramentas DigitalOps.

Aumente e otimize os processos de negócios usando IA

Para acelerar a hiperautomação, um sistema de inteligência integrado combina efetivamente as ferramentas de Operações digitais com:

• inteligência artificial (IA)
• Aprendizado de máquina (ML)
• Processamento de linguagem natural (PLN)
• Reconhecimento óptico de caracteres (OCR)
• chatbots de conversação

Um modelo integrado de IA, ML e PNL poderia ter a seguinte arquitetura funcional:

Em um ecossistema integrado de ferramentas DigitalOps:

1. O RPA permite a automação de tarefas.
2. BPM/LCAP/DMS permite orquestração dinâmica.
3. A camada de IA adiciona inteligência ao processo.

O ERP transacional existente e as plataformas centradas no cliente incorporam suas próprias ferramentas locais centradas no processo.

A IA pode ser aplicada em todas as camadas de integração de aplicativos para facilitar insights preditivos e permitir recomendações guiadas, mineração de processos e tomada de decisão adaptativa.

Um processo de negócios que afeta muitos aplicativos e sistemas pode efetivamente usar modelos de IA, ML e NLP para realizar a mesma coisa.

AI e ML são usados ​​principalmente em cenários de automação para:

• Realize o aprendizado contínuo com os dados coletados nos processos de automação para atualizar os modelos dinamicamente, o que melhora a qualidade da automação, e faça os ajustes necessários.
• Reutilizar modelos de treinamento (ou seja, modelos treinados para outros clientes para casos de uso). usar semelhante e depois reutilizado em um novo modelo de cliente). Isso minimiza o tempo e os dados necessários para criar e implantar um modelo.
• Proteja a privacidade do modelo garantindo que todas as informações do cliente usadas para treinar o modelo sejam extraídas de modelos de treinamento reutilizados.
• Automatize o treinamento e a construção de modelos de ML sem exigir o processo manual de treinamento e seleção de algoritmos de ML.

Os casos de uso comuns para IA, ML e NLP na automação de processos de negócios incluem muitos exemplos do setor, como:

• Tratamento de sinistros em seguros (por exemplo, extração, classificação de dados de sinistros)
• Esforços de combate à lavagem de dinheiro no setor bancário (por exemplo, reconciliação, monitoramento de dados de transações)
• Gestão de contratos
• Processos legais
• Ensaios clínicos e farmacovigilância em saúde
• Seleção e resolução automatizadas de consulta/suporte

Para alcançar valor de negócios, soluções devem ser implementadas que forneçam resultados de negócios específicos e mensuráveis ​​para cada caso de uso. Descobrir e desenvolver casos de uso de IA e ML candidatos em equipe permite que você identifique resultados de negócios mensuráveis ​​de cada um desses casos de uso.

Saber como a IA funciona dentro do processo automatizado funcionará com outros componentes é fundamental. Se as decisões precisam ser justificadas dentro de um processo, o uso de IA e ML pode não ser uma boa abordagem, ou alguma forma de supervisão humana pode precisar ser integrada.

1 exemplo

O objetivo é automatizar o processo de prevenção à lavagem de dinheiro. implementação de algoritmo de detecção de fraudes, tudo integrado aos sistemas atuais da organização e tarefas não rotineiras, inteligência para tomada de decisão e julgamento humano.

Isso envolveria os seguintes elementos e etapas:

1. Um conjunto inteligente de gerenciamento de processos de negócios e/ou ferramenta de sistema de gerenciamento de distribuição gerencia a orquestração de fluxo de trabalho/processo de acordo com várias decisões.
2. Ative um bot/script de RPA para realizar a coleta de dados e outras rotinas de validação em dados de clientes, mercado, fornecedores, etc.
3. O algoritmo de detecção de fraudes, construído sobre um modelo de ML, que é executado nos dados consolidados para identificar padrões. Este processo pode introduzir intervenção humana, exigindo aprovação formal ou assinatura eletrônica para prosseguir.
4. Posteriormente, outro RPA para realizar ações de acompanhamento, como envio de e-mails e atualização de sistemas transacionais (como a solução ERP, CRM e outros aplicativos internos).

2 exemplo

Outras tarefas rotineiras geralmente são encontradas no relacionamento com os clientes por meio de contact centers.

1. Use um recurso de análise de texto de PNL para realizar análises de sentimento do cliente com base em transcrições de reclamações de clientes.
2. Identifique o plano para preparar o agente e os sistemas para conduzir conversas de valor agregado.
3. Um bot RPA assistido realiza ações de acompanhamento para o agente, como preparar um email estruturado com dados valiosos para o cliente.

Recomendações

A utilização de IA, ML e PNL tem vários aspetos relevantes a ter em conta para obter o melhor resultado na sua aplicação.

• Identifique as motivações mais relevantes para o uso de cada área de IA, incluindo ML, PNL, OCR e chatbots.
• Avalie os recursos, habilidades, tempo, custos e complexidade necessários envolvidos na criação de modelos de IA para justificar cada caso de negócios.
• Garanta a disponibilidade de dados históricos de boa qualidade em modelos de ML.
• Analise todos os fatores, pontos de acionamento, limites de subsistema, APIs de interface, tratamento de exceção e casos extremos em que a intervenção humana é necessária.
• Planeje entregas mínimas viáveis, rápidas e iterativas nas operações de negócios.
• Explore os aceleradores de IA dos principais provedores de serviços em nuvem que podem se integrar a plataformas proprietárias LCAP, DMS, BPM, RPA e iPaaS. As bibliotecas comuns de IA/ML frequentemente disponíveis nessas plataformas incluem AWS Machine Learning, Google Cloud (TensorFlow), IBM Watson Studio, Microsoft Azure Machine Learning Studio, StanfordNLP, Natural Language Toolkit e spaCy.
• Inclua recursos de AutoML para permitir que processos de RPA otimizem aceleradores de ML e NLP. Os mecanismos AutoML usam entrada e saída de tarefas manuais concluídas para selecionar algoritmos, treinar modelos e enviar modelos para automação sem interrupção.

Siglas

AI	Inteligência artificial
Processos	Gestão de Processos de Negócios
EA	Arquitetos de Negócios
DMS	Conjuntos de gerenciamento de decisões
iBPMS	Pacotes inteligentes de gerenciamento de processos de negócios
iPaas	Integração de plataforma como serviço
LCAP	Plataformas de aplicativos de baixo código/plataformas de aplicativos sem código
ML	Machine Learning
PNL	Processamento de linguagem natural
OCR	Reconhecimento óptico de caracteres
RPA	Automação Robótica de Processos
SaaS	Software como serviço