Gandrīz katrā uzņēmumā ir darbi, kurus komanda atkārto katru dienu: pārraksta datus no vienas sistēmas citā, pārbauda failus, sagatavo tās pašas atskaites, atgādina kolēģiem par termiņiem. Kad šādi uzdevumi sakrājas, dabiski rodas jautājums, vai tos nevajadzētu automatizēt. Atbilde reti ir vienkārša „jā” vai „nē”. Dažus darbus vērts automatizēt uzreiz, citus vispirms jāsakārto, bet vēl citus pagaidām labāk neaiztikt. Automatizācija ir lēmums par procesu, nevis par rīku, tāpēc vispirms vērts saprast, kas notiek tagad un ko vēlamies mainīt.
Vispirms process, nevis tehnoloģija
Pirms izvēlēties programmatūras robotu, sistēmu integrāciju vai mākslīgā intelekta risinājumu, vērts paskatīties uz pašu darbu: kas to veic, cik bieži, no kurienes tiek iegūti dati un kur tie dodas tālāk. Diezgan bieži izrādās, ka process nekur nav aprakstīts un dzīvo divu cilvēku galvās, un katrs to veic nedaudz citādi. Šādā gadījumā pirmais solis ir nevis tehnoloģija, bet skaidrs esošās plūsmas un tās izņēmumu apraksts. Reizēm jau šajā posmā redzams, ka procesu var vienkāršot, un daļa jautājumu atrisinās bez jebkādas ieviešanas.
Kad plūsma ir skaidra, virzienu izvēlamies pēc procesa rakstura. Atkārtotām darbībām esošajās sistēmās der RPA, tas ir, programmatūras robots, kas izpilda saskaņotos noteikumus. Datu apmaiņai starp sistēmām bieži uzticamāka ir tieša integrācija, tāpēc pirms robota izvēles vērts pārbaudīt, vai sistēmām nav veida apmainīties ar datiem tieši. Mākslīgais intelekts ir jēgpilns tur, kur jāapstrādā nestrukturēta informācija, piemēram, dokumentu saturs vai brīvas formas pieprasījumi, un kur tā rezultātu var pārbaudīt. Svarīgi neaprobežoties ar vienu variantu tikai tāpēc, ka tas šobrīd visvairāk dzirdams.
Pazīmes, ka procesu ir vērts automatizēt
Ne katrs atkārtots darbs ir labs kandidāts. Tālāk minētās pazīmes palīdz atlasīt procesus, kuros automatizācijas ieguvumu visvieglāk pārbaudīt. Ja process atbilst vismaz vairākām no tām, vērts to iekļaut izvērtējamo sarakstā. Vissvarīgākais, lai darbu varētu aprakstīt ar noteikumiem un lai tā rezultātu varētu salīdzināt ar pašreizējo situāciju.
- Uzdevums atkārtojas pēc tiem pašiem noteikumiem. Darbinieks atver tās pašas programmas, kopē tos pašus laukus un veic vienādas pārbaudes.
- Tie paši dati tiek ievadīti vairākas reizes. Informācija no vienas sistēmas ar rokām tiek pārnesta uz citu, bet vēlāk vēl arī uz atskaiti.
- Kļūdas rodas manuāla darba dēļ. Nepareizi nokopēts skaitlis vai izlaista rinda tiek pamanīti tikai tad, kad jau radījuši sekas.
- Darbs sakrājas noteiktā laikā. Mēneša beigās, atvaļinājumu vai slimības laikā uzdevumi kavējas un aizkavē citus cilvēkus.
- Rezultātu var izmērīt. Ir skaidrs, ko salīdzināsim pēc izmaiņas: patērēto laiku, kļūdu skaitu, procesa ilgumu vai datu pilnīgumu.
Kad ir vērts pagaidīt
Ir situācijas, kad automatizācija radīs vairāk rūpju nekā ieguvuma, lai gan uzdevums šķiet atkārtots. Šādā gadījumā tehnoloģija problēmu neatrisina, bet nostiprina to. Vērts apstāties un vispirms sakārtot pašu procesu, ja pamanāt vismaz vienu no šīm pazīmēm.
- Process bieži mainās vai tuvākajā laikā plānots mainīt sistēmu, kurā tas notiek. Mainoties programmas logiem vai noteikumiem, robotu nāktos atjaunināt, bet integrāciju pārtaisīt.
- Lielākā daļa gadījumu ir izņēmumi, kas prasa cilvēka lēmumu. Programmatūras robots izpilda noteikumus, nevis risina nenoteiktas situācijas.
- Neviens nevar aprakstīt procesu soli pa solim. To, ko nevaram aprakstīt, nevaram arī uzticami automatizēt.
- Procesam nav atbildīgās personas. Automatizētam risinājumam vajadzīgs saimnieks, kas reaģē uz paziņojumiem par izņēmumiem un lemj, kad tas jāmaina.
- Gaidāmais ieguvums nav pārbaudāms. Ja nevienojamies, ko mērīsim, pēc ieviešanas nebūs skaidrs, vai tā attaisnojās.
Kā pieņemt lēmumu: izmēģinājuma posms
Tā vietā, lai uzreiz automatizētu visu procesu, ir jēga sākt ar vienu atkārtotu soli. Vēl pirms sākuma vienojamies, ko mērīsim un kādu rezultātu uzskatīsim par pietiekamu. Risinājumā jau iepriekš paredzam darbību vēsturi, paziņojumus par izņēmumiem un cilvēku, kurš tos izskatīs. Uzturēšanu arī pārrunājam iepriekš: kas uzraudzīs risinājumu, kas to mainīs un kā uzzināsim, ka tas beidzis darboties. Mākslīgā intelekta gadījumā papildus pārrunājam datu izcelsmi, piekļuves tiesības un to, kad rezultātu jāapstiprina darbiniekam, jo tā atbildes var būt neprecīzas un kontrole ir risinājuma daļa.
Sākotnējais risinājums var ietvert vienu atkārtotu soli, ja tas dod skaidru un pārbaudāmu ieguvumu.
Pēc izmēģinājuma posma mums ir trīs iespējamās atbildes: paplašināt risinājumu uz citiem procesa soļiem, koriģēt to atbilstoši pamanītajiem izņēmumiem vai apstāties. Apstāšanās arī ir piemērots rezultāts, ja to sasniedzām ar nelielām pūlēm un tagad skaidri zinām, kāpēc šo procesu nav vērts automatizēt. Tas palīdz izvairīties no biežas kļūdas, kad automatizē to, ko visvieglāk automatizēt, nevis to, kas visvairāk kavē darbu. Tā automatizācija kļūst nevis par vienreizēju projektu, bet par konsekventu veidu, kā pārskatīt, kā uzņēmumā tiek veikts darbs.