AI + RPA = IPA

Firmy, które poszukują korzyści z robotycznej automatyzacji procesów zaczynają dostrzegać, że sztuczna inteligencja jest kluczową technologię do ich optymalizacji.

FOTO: Tibor Janosi Mozes / Pixabay

Integracja sztucznej inteligencji (artificial intelligence - AI) w zarządzaniu procesami biznesowymi nie jest łatwa. Wiele firm uzupełnia swoje procesy rozwiązaniami AI budując lub kupując jednofunkcyjne boty, na przykład systemy przetwarzania języka naturalnego lub narzędzia do rozpoznawania obrazu. Wciąż jednak to rzeczywista inteligencja ludzka potrzebna jest do testowania procesów, łączenia różnych systemów w jeden spójny proces, do zmian procesów w miarę rozwoju firmy oraz do wykrywania i rozwiązywania problemów.

Obecnie AI, uczenie maszynowe i związane z tym technologie wkraczają na ten obszar poprzez zrobotyzowaną automatyzację procesów (RPA). Według McKinsey'a, połączenie AI i RPA przyczynia się do inteligentnej automatyzacji procesów (IPA), oprócz RPA i algorytmów uczenia maszynowego, IPA obejmuje również oprogramowanie do zarządzania procesami, przetwarzanie i generowanie języka naturalnego oraz agentów kognitywnych, czyli "boty".

W ocenie McKinsey'a,

IPA może przełożyć się na poprawę wydajności o 20-35 procent, skrócenie czasu trwania procesów o 50-60 procent oraz zwrot z inwestycji wyrażony w setkach procent.
Większość firm znajduje się dopiero na początkowym etapie rozwoju wykorzystując wprawdzie pojedyncze elementy SI, ale rzadko łącząc je w kompletny zautomatyzowany proces, a tym bardziej w kombinację procesów zasilaną przez AI.

"Nie ma jeszcze przypadków użycia kompleksowego" - mówi analityk Gartner Moutusi Sau, odnosząc się do adaptacji RPA w branży usług finansowych. „Stosuje się tam silniki chatbotów i narzędzia AI do podejmowania decyzji, ale nie da się uzyskać rozmachu bazując tylko na jednym, konkretnym rozwiązaniu."

Skromny bot

Dla wielu firm droga do inteligentnej automatyzacji procesów rozpocznie się od jednego inteligentnego bota, często chatbota, który odpowiada na pytania stawiane przez klientów lub pracowników. Tak było w przypadku niemieckiej Grupy ZF, trzeciego co do wielkości dostawcy branży motoryzacyjnej na świecie, który ponad rok temu zaczął stosować sztuczną inteligencję w obszarze komunikacji korporacyjnej. "Do naszych skrzynek przychodzi wiele e-maili z powtarzającymi się pytaniami. Ciągle ktoś pytał, czy może ubiegać się o pracę lub starał się dowiedzieć, jakie są wolne stanowiska" - mówi Andreas Bauer, CIO w Grupie ZF. Pierwszym krokiem było więc stworzenie bota do odpowiadania na najbardziej powtarzalne pytania. Obecnie firma pracuje nad robotem obsługującym klientów, którzy chcą dowiedzieć się o statusie swoich faktur lub rachunków.

Kiedy większość etapów procesu biznesowego zostanie zautomatyzowana, można będzie wejść na wyższy poziom - pokusić się o wyposażyć samego procesu w inteligencję. Ten kierunek rozwoju i przyszłe potrzeby firma uwzględniła wybierając dostawcy swoich botów.

"Dążymy do automatyzacji całego łańcucha procesów. Poszukiwaliśmy więc platformy budowy i integracji botów, na której z łatwością moglibyśmy wdrożyć te technologie i połączyć je ze sztuczną inteligencją"
- mówi Andreas Bauer. Platforma ucząca się ma zarazem unikać niekorzystnych konsekwencji. "Wszyscy słyszeli o robocie Microsoftu, który oszalał" - wyjaśnia Andreas Bauer.

Firma potrzebowała więc do automatyzacji procesów platformy z wbudowanymi mechanizmami wzajemnej kontroli. Wybór ZF Group padł na Vizru, platformę botów, która zapewnia warstwę zarządzania i wsparcia językowego obsługiwaną przez boty, sieć z kontrolą stanów dla procesu AI (SNAP); jest ona w stanie zatrzymać bota, jeśli ten wykaże nietypowe zachowanie. Warstwa SNAP może również oznaczyć lub wstrzymać transakcję, jeśli wystąpią naruszenia zgodności lub poufne dane będą niewłaściwie wymieniane pomiędzy procesami. Platforma zapewnia również wbudowaną obsługę nadawania priorytetów wykonywania poszczególnym procesom.

Punkty decyzyjne

Innym podejściem jest dodanie inteligentnych punktów decyzyjnych do tradycyjnie zautomatyzowanego procesu biznesowego. Tak postąpiła American Fidelity Assurance, firma ubezpieczeniowa ze Stanów Zjednoczonych, która obsługuje 2,5 mln polis ubezpieczeniowych dla 1,5 mln ubezpieczonych. Jednym z wyzwań było automatyczne przekierowywanie wielu wiadomości e-mail, przychodzących każdego dnia, do właściwego miejsca przeznaczenia. W przeszłości o tym, dokąd ma trafić każdy e-mail, decydował człowiek.

"Czy istnieje sposób na to, aby nauczyć maszynę na podstawie wcześniejszych danych i decyzji oraz podjąć taką samą decyzję, jaką podjąłby człowiek?" - pyta Shane Jason Mock, wiceprezes ds. badań i rozwoju w American Fidelity Assurance, zainspirowana wycieczką po magazynie Amazona. American Fidelity zwrócił się do UiPath, dostawcy RPA dla przedsiębiorstw oraz do platformy SI DataRobot, z zadaniem wyposażenia procesów w sztuczną inteligencję. W nowym procesie wysyłania wiadomości e-mail, komponent RPA został połączony z komponentem uczenia maszynowego, zaś kombinacja obu decyduje o tym, dokąd zostanie przekierowana wiadomość e-mail.

W wielu przypadkach tradycyjnego podejścia do RPA problem pojawia się kiedy proces dochodzi do punktu decyzyjnego, który jest zbyt złożony dla prostego automatu.
American Fidelity zastanawia się również nad wykorzystaniem sztucznej inteligencji w operacjach process mining w celu ich zautomatyzowania, zamiast zatrudniania do tej pracy analityków biznesowych. To kolejny krok w ewolucji automatyzacji biznesu.

Prawdziwe obrazy procesów

Tradycyjne zarządzanie procesami biznesowymi opiera się na pracy analityków biznesowych, którzy rozmawiają z menedżerami i pracownikami, przeprowadzają audyty, a następnie tworzą wykresy ilustrujące różne procesy biznesowe w organizacji. „W wielu firmach, które odwiedzamy, procesy rozrysowuje się na ścianie. Wykorzystanie uczenia maszynowego w process mining pomaga uzyskać dokładny obraz tego, co dzieje się naprawdę" - mówi Sumeet Vij, dyrektor grupy ds. innowacji strategicznych w Booz Allen Hamilton. Narzędzia process mining pozwalają aktualizować procesy w miarę rozwoju firmy - są w stanie nawet w czasie rzeczywistym wykrywać nietypowe zachowania. Jedną z firm, która posiada już inteligentny system zarządzania procesami, jest Chart Industries, amerykańska firma produkcyjna obsługująca przemysł energetyczny. Kilka lat temu firma zmagała się z problemami. Branża energetyczna została mocno dotknięta spadkiem cen ropy naftowej, kurs akcji spółki spadł, a kadra kierownicza została wymieniona. Nowe kierownictwo chciało wprowadzić także zmiany upraszczające architekturę informatyczną. Na przykład, Chart posiadał trzy główne działy i mimo że posługiwały się one wspólnym systemem ERP, istniało wiele modułów back office obsługujących zobowiązania, należności i inne zadania administracyjne - każdy z własnymi procesami i procedurami.

"Stwierdziliśmy, że nasi klienci skwapliwie wykorzystują tę zagmatwaną sytuację przeciągając terminy płatności" - mówi Bryan Turner, CIO firmy Chart. Istniały również inne możliwości wpływania na przepływy pieniężne. Na przykład, w niektórych przypadkach firma mogłaby skorzystać z upustów płacąc dostawcom przed upływem określonego terminu. W innych z kolei mogłaby skorzystać z możliwości dłuższego przetrzymania gotówki. "Zyski płynące z większej wydajności mogłyby sięgać milionów" - mówi Turner.

Firma wybrała do uzdrowienia sytuacji Celonis, dostawcę technologii process mining. „Technologia działa już na kilku niestandardowych systemach, wykorzystując ich bazę danych, rejestr transakcji i znaczniki czasu. Celonis "przechodzi" przez organizację i identyfikuje procesy biznesowe - nie tak, jak powinny one wyglądać w teorii, ale takimi, jakie są one rzeczywiście wykonywane w praktyce. Następnie wykorzystuje uczenie maszynowe do identyfikacji schematów i anomalii. Proces biznesowy może być następnie wizualizowany w formie wykresów, pozwalając zagłębić się w proces aż do poziomu poszczególnych transakcji.

"Niwelując tylko na jeden z wielu przypadków opóźnień w płatnościach uzyskaliśmy roczne oszczędności w wysokości 240 000 dolarów. W sumie, oprogramowanie zwróciło się już wielokrotnie i mimo to nadal obserwujemy możliwość optymalizacji kosztów zarówno wobec naszych dostawców, jak i odbiorców"
- mówi Bryan Turner.

Ile danych potrzebuje IPA?

Systemy SI zazwyczaj wymagają morza danych, aby dokonać użytecznych prognoz. Niewiele firm dysponuje taką ilością wewnętrznych danych o swoich procesach biznesowych. W takich przypadkach przedsiębiorstwa korzystają z SI przeszkolonej na zbiorach danych wszystkich klientów danego dostawcy. W innych przypadkach firmy mogą zakupić wstępnie przeszkolone modele i dostosować je do własnych potrzeb lub znaleźć darmowe lub komercyjne zestawy danych szkoleniowych. Ponadto dane dotyczące przedsiębiorstw mogą być uzupełniane danymi zewnętrznymi, które pomagają w zasilaniu procesów biznesowych w takie dane, jak pogoda lub dane dotyczące rynków finansowych.

Seann Gardiner, starszy wiceprezes ds. rozwoju biznesu w DataRobot, mówi, że tylko niektóre z najbardziej zaawansowanych firm posiadają wystarczającą ilość danych o procesach biznesowych, aby analizować ogólny obraz tego, co się dzieje w danej firmie, oraz dokonać analiz i prognoz.

Jeśli firma kładzie duży nacisk na automatyzację na poziomie procesu i może uwolnić dane z podziału na silosy, może być gotowa na nowy system. To wymaga jednak wprowadzenia zmian organizacyjnych, firma potrzebuje liderów biznesu, którzy wierzą w automatyzację i w podejście ukierunkowane na AI.
"Pobiera się dane wychodzące z procesu RPA próbując je uchwycić, nauczyć się na ich podstawie i uczynić te procesy inteligentniejszymi, ale to dotyczy nielicznych" - mówi. W jego ocenie, potencjał na rynku amerykańskim jest obiecujący: firmy z listy Fortune 5000 są dojrzałe i posiadają procesy, w których mogą zastosować kombinację AI i RPA, ale potrzebują decyzji i determinacji we wprowadzeniu takiej kompleksowej zmiany w organizacji.