Фраза дня: hyperautomation

Что такое гиперавтоматика?
Гиперавтоматизация (hyperautomation) - это структура и набор передовых технологий для автоматизации масштабирования на предприятии; Конечная цель гиперавтоматизации - разработать процесс автоматизации предприятия.

Передовые технологии, используемые в гиперавтоматике, включают следующее:

• Инструменты интеллектуального анализа процессов и задач для выявления возможностей автоматизации и определения их приоритетов.
• Инструменты разработки автоматизации для сокращения усилий и затрат на автоматизацию зданий. Они включают RPA, инструменты разработки без кода / с низким кодом, iPaaS для интеграции и инструменты автоматизации рабочих нагрузок.
• Инструменты бизнес-логики для упрощения адаптации и повторного использования автоматизации, включая интеллектуальное управление бизнес-процессами, управление решениями и управление бизнес-правилами.
• Инструменты искусственного интеллекта и машинного обучения для расширения возможностей автоматизации. Набор инструментов в этой области включает обработку естественного языка (NLP), оптическое распознавание символов, машинное зрение, виртуальных агентов и чат-ботов.

Термин гиперавтоматизация был придуман в 2019 году исследовательской и консалтинговой компанией Gartner в области ИТ. Эта концепция отражает понимание того, что технология роботизированной автоматизации процессов (RPA), относительно новый и очень популярный подход к автоматизации компьютерных процессов, сложно масштабировать на уровне предприятия и ограничена в типах автоматизации, которых она может достичь. Гиперавтоматизация обеспечивает основу для стратегического развертывания различных технологий автоматизации (включая RPA) по отдельности или в тандеме и дополняется искусственным интеллектом и машинным обучением.

Гиперавтоматизация подразумевает изученный подход к автоматизации. Практика гиперавтоматизации включает определение того, какую работу следует автоматизировать, выбор подходящих инструментов автоматизации, повышение гибкости за счет повторного использования автоматизированных процессов и расширение их возможностей с помощью различных разновидностей искусственного интеллекта и машинного обучения. Инициативы по гиперавтоматизации часто координируются через центр передового опыта (CoE), который помогает управлять усилиями по автоматизации.

Целью гиперавтоматизации является не только экономия затрат, повышение производительности и повышение эффективности за счет автоматизации, но и извлечение выгоды из данных, собранных и созданных с помощью оцифрованных процессов. Организации могут использовать эти данные, чтобы принимать более обоснованные и своевременные бизнес-решения.

Почему так важна гиперавтоматизация?
Hyperautomation предоставляет организациям основу для расширения, интеграции и оптимизации автоматизации предприятия. Он основан на успехе инструментов RPA и устраняет их ограничения.

Быстрый рост RPA по сравнению с другими технологиями автоматизации объясняется простотой использования и интуитивно понятным характером. Например, поскольку RPA отражает то, как люди взаимодействуют с приложениями, сотрудники могут автоматизировать часть или всю свою работу, записывая, как они выполняют задачу. А поскольку боты отражают действия человека, автоматизированные рабочие задачи могут быть измерены на предмет скорости, точности или других показателей, используемых компаниями для оценки производительности сотрудников при выполнении тех же задач.

Однако первые попытки RPA имели серьезный недостаток для корпоративного использования: технологию нелегко масштабировать. Согласно оценке Gartner за 2019 год, только около 13% предприятий смогли масштабировать инициативы RPA на раннем этапе. Гиперавтоматизация заставляет предприятия задумываться о типах и зрелости технологий и процессов, необходимых для масштабирования инициатив по автоматизации.

С точки зрения Gartner гиперавтоматизация, акцент делается на том, как предприятия могут построить процесс для автоматизации автоматизации. Это отделяет гиперавтоматизацию от других сред автоматизации, которые просто сосредоточены на улучшении инструментов автоматизации, или от таких концепций автоматизации, как цифровая автоматизация процессов (DPA), интеллектуальная автоматизация процессов (IPA) и когнитивная автоматизация, которые сосредоточены на самой автоматизации.

Hyperautomation делает шаг назад, чтобы подумать, как ускорить процесс выявления возможностей автоматизации и затем автоматически генерировать соответствующие артефакты автоматизации, включая ботов, скрипты или рабочие процессы, которые могут использовать DPA, IPA или компоненты когнитивной автоматизации.

Дополнительная идея к гиперавтоматизации - это то, что Forrester Research называет аналитикой цифровых работников, которая также фокусируется на производительности и процессах: например, как отслеживать затраты на разработку, развертывание и управление автоматизацией для сравнения затрат с полученной ценностью. Этот анализ важен для определения приоритетов будущих усилий по автоматизации. Большинство поставщиков RPA и автоматизации предприятия начинают внедрять аналитику цифровых работников в свои инструменты.

Как работает гиперавтоматика?
Вместо того чтобы ссылаться на одну-единственную готовую технологию или инструмент, гиперавтоматизация сосредотачивается на добавлении большего количества интеллекта и применении более широкого системного подхода к масштабированию усилий по автоматизации. Этот подход подчеркивает важность достижения правильного баланса между заменой ручных усилий автоматизацией и оптимизацией сложных процессов для исключения шагов.

Ключевой вопрос заключается в том, чтобы определить, кто должен нести ответственность за автоматизацию и как это следует делать. Передовые сотрудники могут лучше определять скучные задачи, которые можно автоматизировать. Эксперты по бизнес-процессам могут лучше определять возможности автоматизации, которыми пользуются многие люди.

Gartner представила идею цифрового двойника организации (DTO). Это виртуальное представление того, как работают бизнес-процессы. Представление процесса создается и обновляется автоматически с использованием комбинации интеллектуального анализа процесса и интеллектуального анализа задач. Интеллектуальный анализ процессов анализирует журналы корпоративного программного обеспечения из программного обеспечения для управления бизнесом, такого как системы CRM и ERP, для построения представления потоков процессов. Интеллектуальный анализ задач использует программное обеспечение машинного зрения, работающее на рабочем столе каждого пользователя, для построения представления о процессах, охватывающих несколько приложений.

Инструменты интеллектуального анализа процессов и задач могут автоматически генерировать DTO, что позволяет организациям визуализировать, как функции, процессы и ключевые показатели эффективности взаимодействуют для создания ценности. DTO может помочь организациям оценить, как новые средства автоматизации создают ценность, открывают новые возможности или создают новые узкие места, которые необходимо устранить.

Компоненты искусственного интеллекта и машинного обучения позволяют автоматизировать взаимодействие с миром различными способами. Например, OCR позволяет автоматизировать обработку текста или чисел из бумажных или PDF-документов. Обработка естественного языка может извлекать и систематизировать информацию из документов, например определять, от какой компании выставлен счет, для чего он предназначен, и автоматически вводить эти данные в систему бухгалтерского учета.

Платформа гиперавтоматизации может располагаться непосредственно на вершине уже имеющихся у компаний технологий. Одним из путей к гиперавтоматизации является RPA, и все ведущие поставщики RPA добавляют поддержку интеллектуального анализа процессов, аналитики цифровых рабочих и интеграции ИИ.

Кроме того, другие типы платформ автоматизации с низким кодом, включая пакеты управления бизнес-процессами (BPMS / интеллектуальные BPMS), платформу интеграции как услугу (iPaaS) и инструменты разработки с низким кодом, также добавляют поддержку дополнительных компонентов технологии гиперавтоматизации.

Гиперавтоматизация и автоматизация
Традиционные подходы к автоматизации предприятия сосредоточены на том, чтобы наилучшим образом реализовать автоматизацию в конкретном контексте. Эти средства автоматизации были очень специфичны для конкретного программного обеспечения. Например, автоматизация рабочих нагрузок использует сценарии для автоматизации многих повторяющихся процессов. Инструменты BPM могут автоматизировать задачи в контексте определенного рабочего процесса.

AI расширяет традиционную автоматизацию, чтобы взять на себя больше задач, таких как использование OCR для чтения документов, обработка естественного языка для их понимания или генерация естественного языка для предоставления резюме людям. Гиперавтоматизация упрощает внедрение возможностей искусственного интеллекта и машинного обучения в автоматизацию с помощью готовых модулей, поставляемых через магазин приложений или корпоративный репозиторий.

Инструменты разработки с низким кодом сокращают опыт, необходимый для автоматизации. Гиперавтоматика может еще больше упростить разработку автоматизации, используя интеллектуальный анализ процессов для выявления и автоматического создания новых прототипов автоматизации. Сегодня эти автоматически сгенерированные шаблоны нуждаются в дальнейшей доработке людьми для повышения качества. Однако улучшения в гиперавтоматике уменьшат это ручное усилие.

Каковы преимущества гиперавтоматизации?
К основным преимуществам гиперавтоматики можно отнести следующее:

• снижает стоимость автоматизации
• улучшает согласованность между ИТ и бизнесом
• снижает потребность в теневых ИТ, что улучшает безопасность и управление
• способствует внедрению ИИ и машинного обучения в бизнес-процессы
• улучшает способность измерять влияние усилий по цифровой трансформации
• помогает расставить приоритеты в будущих усилиях по автоматизации

Поскольку предприятия осваивают гиперавтоматику, есть много способов использовать эту дисциплину для улучшения бизнес-операций.

В области социальных сетей и удержания клиентов компания может использовать RPA и машинное обучение для создания отчетов и получения данных с социальных платформ для определения настроений клиентов. Он мог бы разработать процесс, позволяющий сделать эту информацию доступной для маркетинговой команды, которая затем могла бы создавать целевые кампании для клиентов в реальном времени.

Если предприятие выпускает продукт быстро, а показатели автоматизации цифровых процессов показывают высокий спрос на него со стороны клиентов, продукт можно быстро масштабировать, чтобы помочь компании увеличить свои доходы. И наоборот, если расширенный анализ показывает, что продукт не пользуется спросом у покупателей, компания может минимизировать потери, быстро отказавшись от него.

Каковы проблемы гиперавтоматизации?
Гиперавтоматизация - это новая концепция, и предприятия только начинают понимать, как заставить ее работать на практике. Некоторые из самых больших проблем включают следующее:

• Выбор стратегии CoE для организации. Некоторые организации могут добиться большего успеха с более централизованным подходом, в то время как другие увидят лучшие результаты с федеративным или распределенным подходом к управлению крупномасштабными инициативами.
• Инструменты. Не существует программного обеспечения для гиперавтоматизации. Хотя ведущие поставщики средств автоматизации расширяют свои возможности гиперавтоматизации, предприятиям будет сложно обеспечить совместимость и интеграцию этих инструментов.
• Безопасность и управление. Инициативы по гиперавтоматизации могут выиграть от углубленного мониторинга и анализа бизнес-процессов, охватывающих несколько отделов, служб и даже границ страны. Это может добавить множество новых проблем с безопасностью и конфиденциальностью. Кроме того, предприятиям необходимо разработать соответствующие ограждения для проверки уязвимостей безопасности автоматически созданных приложений.
• Незрелые метрики. Инструменты для оценки стоимости и потенциальной ценности автоматизации все еще находятся в зачаточном состоянии.
• Требуется ручное участие. Опрос Forrester показал, что только около 40–60% кода для автоматизации можно автоматически сгенерировать с помощью существующих инструментов. По-прежнему требуется много ручных усилий, и их необходимо заложить в бюджет при построении надежной автоматизации в масштабе.
• Получение одобрения работников. Большинство поставщиков средств автоматизации продвигают идею о том, что гиперавтоматизация скорее дополнит, чем заменит людей, но в действительности автоматизация устраняет работу, которую раньше выполняли люди. Рабочие должны быть убеждены, что роботы не откажутся от их работы, чтобы эти усилия взлетели. Кроме того, различные инструменты мониторинга, используемые в проектах гиперавтоматизации, могут вызвать негативную реакцию со стороны интеллектуальных работников, обеспокоенных возможным неправильным использованием этих данных.

Примеры гиперавтоматизации и варианты использования
Инициатива по гиперавтоматизации обычно начинается с конкретной цели - улучшения показателя или процесса. Вот два примера использования и то, как каждый будет действовать.

В первом варианте использования финансовая группа может иметь целью более быструю обработку счетов с меньшими человеческими издержками и меньшим количеством ошибок. Проект можно начать с использования программного обеспечения для интеллектуального анализа задач, чтобы следить за тем, как бухгалтеры получают счета, какие данные они собирают и какие поля вставляют в другие приложения. Это может служить шаблоном для создания базового бота.

Затем этот шаблон может быть передан команде CoE, которой будет поручено создать окончательного бота. Это может включать интеграцию механизма OCR для улучшения возможности чтения счетов и механизма NLP для интерпретации получателя платежа или условий в счете. Команда CoE также будет сначала наблюдать за мониторингом качества, а затем оценивать, сколько стоит создание бота и сколько он сэкономил. Эти данные могут помочь определить приоритеты других возможностей автоматизации.

Другой вариант использования может включать использование программного обеспечения для интеллектуального анализа данных для определения способов сокращения времени выполнения заказа. Это начнется с анализа журналов данных ERP и CRM, чтобы определить, почему некоторые заказы выполняются, например, за четыре часа, а другие - за четыре дня из-за различных исключений. Аналитика процессов может определить способы изменения процесса, которые уменьшили бы эти задержки, например, корректировка требований к проверке кредитоспособности для постоянных клиентов. Он также может определять способы автоматизации некоторых ручных процессов, которые вызывают задержки в других заказах. После внедрения этой автоматизации группа автоматизации CoE сможет рассчитать общую стоимость внедрения этих улучшений и отслеживать общую экономию с течением времени.

Поставщики систем гиперавтоматики
В настоящее время нет поставщиков, предлагающих комплексную технологию гиперавтоматизации. Однако различные поставщики средств автоматизации расширяют свой портфель инструментов, чтобы поддерживать более широкий спектр возможностей гиперавтоматизации.

Поставщики, расширяющие свой репертуар автоматизации:

• UiPath купила Process Gold и StepShot, чтобы расширить свои возможности по добыче полезных ископаемых.
• Automation Anywhere разрабатывает собственные возможности интеллектуального анализа процессов и задач для автоматического создания ботов.
• Blue Prism развивает свои собственные возможности по добыче полезных ископаемых и объявила о партнерстве с Celonis.
• Компания Celonis, ведущий поставщик технологических процессов, недавно приобрела Integromat, чтобы расширить свои возможности автоматизации.
• Microsoft постепенно расширяет свои возможности гиперавтоматизации с помощью линейки инструментов RPA Power Automate и Process Advisor для интеллектуального анализа процессов.
• Kryon был одним из первых поставщиков инструментов интеллектуальной автоматизации, который включил обнаружение процессов непосредственно в свои инструменты.
• ABBYY является ведущим поставщиком OCR и постепенно расширяет свой портфель инструментов для поддержки различных возможностей интеллектуальной автоматизации процессов. Недавно компания представила различные возможности анализа процессов, чтобы расширить свой инструментарий для гиперавтоматизации.