Aby to dobrze zrozumieć podam wam przykład z życia.
Przychodzą do nas klienci z prośbą o zrobotyzowanie procesu udzielenia leasingu. Firmy takie przyjmują często wnioski o leasing drogą elektroniczną od agentów lub klientów, wprowadzają dane do systemu leasingowego i obsługują go dalej drogą elektroniczną i papierową.
Proces jaki chcą zrobotyzować to wprowadzenie danych z wniosku czy maila do systemu leasingowego. Czynności polegają na tym, że przenosi się wszystkie dane klienta, dane firmy, dane wspólników, dane członków zarządu, dane oddziałów, dane produktu, parametry produktu jaki ma być leasingowany itd. z maila lub formularza do systemu działającego wewnątrz w firmie. Jest to blisko setka, a czasem nawet kilkaset danych na jeden wniosek, do przeniesienia i co ważne przeniesienia bez żadnej pomyłki.
Biorąc pod uwagę, że niektóre firmy przyjmują takich wniosków kilkadziesiąt dziennie (a są takie dni, że nawet kilkaset) to skala robi się naprawdę duża. Skala pomyłek przy przenoszeniu danych jest również duża. Idealny kandydat do robotyzacji!
Jednakże z punktu widzenia procesu biznesowego “Udzielenie leasingu na produkt” cały proces (w dużym uproszczeniu) to przyjęcie wniosku, ocena klienta, decyzja o leasingu, przesłanie propozycji umowy, przesłanie polecenia opłaty wstępnej, weryfikacja płatności opłaty, podpisanie umowy, uruchomienie leasingu.
Jaka jest różnica?
To co ma być zrobotyzowane w postrzeganiu procesu biznesowego przez pracowników firmy leasingowej jest tylko czynnością wprowadzenia danych klienta i produktu do systemu leasingowego. Cały proces jest znacznie większy.
Dlaczego w tak ograniczonym zakresie postrzegają ten proces nasi klienci?
Bo te czynności (które chcą zrobotyzować) obecnie wykonywane przez pracowników są bardzo pracochłonne, narażone na wiele błędów ludzkich, powtarzalne i nudne a tym samym kosztowne. Dochodzą do tego wszechobecne braki kadrowe i rotacja sfrustrowanych pracowników. Managerowie chętnie uwolnią ludzi od tej nudnej roboty i zabiorą ich do zadań wymagających większej kreatywności – np. kontaktu bezpośredniego z klientem.
Taka robotyzacja jest dzisiaj najbardziej popularna – roboty działające na poziomie czynności wykonywanych setki razy dziennie, nudnych dla ludzi i generujących wiele ludzkich pomyłek. W takiej robotyzacji Nie ma ani inteligencji ani wyrafinowania. W takim przypadku roboty działają na poziomie czynności a nie całych procesów biznesowych.
Oczywiście można z takich czynności złożyć cały proces biznesowy ale znowu to musi być wykonane przez osobę tworzącą robota w sposób świadomy. Dodatkowo zanim dojdzie do przygotowania takiego całościowego robota wykonuje się najpierw analizę procesu, jego optymalizację i opisanie go aby wiedzieć co tak naprawdę robot ma wykonywać.
A teraz czym jest koncepcja dynamicznego generowania skryptów robota?
Dynamiczne generowanie ma polegać na tym, że narzędzie ciągle śledzi i rejestruje to co robi pracownik firmy będąc w biurze. Zapisuje i analizuje te operacje wychwytując powtarzalne czynności. Wymaga to aby narzędzie łączyło w sobie wiele cech: miało przechwytywać czynności pracownika, miało zaawansowane umiejętności analityczne, rozumiało proces biznesowy, potrafiło się uczyć. I tutaj pojawia się miejsce dla sztucznej inteligencji.
Obecne narzędzia potrafią przechwytywać operacje wykonywane przez człowieka. Ale przecież w ciągu dnia robimy w pracy różne rzeczy: wprowadzamy klienta do systemu, odbieramy maile, przeglądamy strony czy media społecznościowe, piszemy oferty, wysyłamy umowy itp. Rozwiązania muszą być inteligentne aby umieć z tych wszystkich operacji wydobyć ważne informacje a odrzucić to co jest “dodatkiem”.
Na podstawie ważnych informacji narzędzie (poprzez działania sztucznej inteligencji) powinno przedstawiać propozycję procesu biznesowego i zaproponować jego automatyzację w postaci skryptów robota.
Takie skrypty na pewno nie będą idealne. Sam proponowany przepływ procesu może być nie do końca odpowiedni. Skryptom będzie brakować zabezpieczeń sytuacji wyjątkowych jakie mogą się zdarzyć podczas działania, będą trudne w utrzymaniu i modyfikacji po zmianach w systemach na jakich działa robot. I tutaj znowu jest miejsce na sztuczną inteligencję i jej mechanizmy uczenia się. Poprzez uczenie się na podstawie wprowadzanej zmiany czy poprawki do procesu lub skryptu narzędzie w przyszłości będzie działać o wiele bardziej precyzyjnie i dokładnie rozpoznawać co jest elementem procesu a co nie.
Czy takie rozwiązania do robotyzacji są możliwe do zbudowania?
Dzisiaj prawie wszyscy wiodący dostawcy tych technologii pracują nad takimi rozwiązaniami albo już udostępnili je swoim klientom w tzw. wersjach testowych. Gartner przewiduje że w ciągu najbliższych 4 lat tego typu podejście do tworzenia skryptów będzie generować 50% wszystkich nowo powstałych robotów. Czy tak będzie?