Шрифт:
Интервал:
Закладка:
Три типа задач для роботизированной автоматизации процессов
Любую задачу, которую один сотрудник или группа выполняют вновь и вновь с минимумом вариаций, как правило, можно с большим успехом переложить на механизмы. Роботы в таких случаях гораздо надежнее человека. Этот вид автоматизации идеально подойдет в том случае, если вам нужно регулярно получать практически идентичные результаты в одинаковых условиях. Ну а тот факт, что машины могут осуществлять подобную деятельность круглосуточно, совершенно при этом не уставая, дополнительно увеличивает ее ценность.
Еще одна категория задач, идеально подходящая для роботизации, – это избыточные операции, существующие в рамках бизнес-процессов. Несмотря на десятилетия оптимизации, большинство процессов всё еще включает в себя излишние шаги, не создающие дополнительной ценности. Если при выполнении какой-либо работы от исполнителя требуется проводить проверку, давать одобрение, сверять, устраивать ревизию, надзирать или давать подтверждение, значит, роботизация здесь просто необходима. Многие издержки, возникшие еще во времена бумажного документооборота, теперь пытаются встроить в процесс автоматизации. Люди делают ошибки, и избыточные элементы когда-то были добавлены в производственный процесс, чтобы нивелировать их последствия. Подобные процедуры держатся на привычках, ожиданиях, устоявшихся правилах и страхах. Избавиться от этих факторов непросто, поэтому сегодня излишние шаги по-прежнему сохраняются. Но теперь самое время задаться вопросом: кто в подобных процессах должен быть исполнителем, а кто – проверяющим? Если робот в состоянии безошибочно применять нужные правила, то зачем человеку проверять его работу? В то же время не странно ли делать исполнителем человека, а проверку доверять машине? Быть может, лучшим проверяющим для робота станет другой робот, если, конечно, это будет соответствовать правилам и регламентам? Необходимость решать подобные вопросы доставит вам немало неудобств. Что ж, дискомфорт и неуверенность – извечные спутники инноваций. Если руководителей какой-либо компании не мучают подобные сомнения, значит, там попросту не внедряются никакие новшества.
Чтобы всё же решить проблему избыточных функций в ходе роботизации процессов, нужно проводить автоматизацию одновременно в горизонтальном и вертикальном направлениях. Конечно, замена исполнителей роботами принесет фирме дивиденды, но, если заменить роботом еще и наблюдателя, их размер окажется существенно больше.
Наконец, есть еще одна категория задач, где роботизация может прийти вам на помощь. Это исключение рисков, особенно тех, которые связаны с регулированием. Многие бизнесмены полагают, что контрольно-надзорная деятельность непременно требует участия человека. Однако эта позиция не столь бесспорна, как кажется на первый взгляд. Как уже говорилось, многие избыточные задачи в бизнес-процессах вызваны необходимостью убедиться, что все правила были выполнены, а условия – соблюдены. А кто сможет отследить соответствие всем критериям лучше, чем бесчувственный, не имеющий никаких предубеждений механизм, неутомимый и неподкупный? Многие полагают даже, что эту часть работы просто необходимо поручать роботу, а не человеку – морально неустойчивому, подверженному ошибкам, склонному к всепрощению и забывчивости. Для большинства современных компаний избыточность процессов – атавизм в сфере регулирования, который обходится слишком дорого. Как правило, необходимость в подобном надзоре определяется нормативами, принятыми десятилетия назад. Регулирующие органы и менеджеры по управлению рисками обычно весьма настороженно относятся к изменениям. Что ж, это неудивительно, ведь за свою подозрительность они получают зарплату. Но именно логичность и последовательность роботов способна обеспечить выполнение всех обязательных процедур и существенно снизить операционные риски.
Источник: подготовлено по материалам исследования Кристофера Сурдака «Роботизированная автоматизация процессов», часть 2 «Где и когда» (Christopher Surdak, “Robotic Process, Part 2: Where and When; см. https://irpaai.com/robotic-process-automation-101-part-2/.)
Познавательная автоматика
В последнее время пресса всё чаще пишет об умной автоматике, способной заменить человека в решении сложных нестандартных задач, копируя деятельность человеческого сознания. Для этого она использует такие инструменты, как распознавание образов и языка. Ритейлинговая компания Amazon в качестве стратегической цели рассматривала улучшение качества и снижение себестоимости обслуживания клиентов не в интернет-магазинах, а в самых обычных торговых точках. Результатом стало создание магазина Amazon Go в Сиэтле, где нет ни касс, ни кассиров. Клиенты просто берут нужный товар и уходят, а сенсоры и алгоритмы автоматически снимают нужную сумму с их счета в Amazon. При этом как стратегическая цель компании, так и ее практическое воплощение базировались на пересмотре содержания труда. Автоматику не стали загружать такими задачами, как сканирование товаров и проведение платежей. Это не означает, что продавцы скоро останутся без работы, однако ее содержание, несомненно, существенно меняется уже сейчас. Сотрудники по-прежнему консультируют покупателей, рассказывая им о характеристиках товаров. Однако умная автоматика, используя машинное обучение и масштабируемые облачные ресурсы, позволила создать системы, которые могут распознавать паттерны и находить смысл в больших данных, используя вполне человеческие подходы. Подобная способность к распознаванию – результат работы искусственного интеллекта, машинного обучения и сенсоров. Она лежит в основе автоматизации таких задач, как распознавание изображений, перевод голосовой записи в текст, понимание естественных языков.
Приложения с данными функциями основаны на работе автоматики, правила и процедуры для которой задают люди, однако в новейших, более углубленных системах машины обучаются сами. Такие формы автоматизации используются для решения более разнообразных, абстрактных, продвинутых задач. Примером может послужить компьютер AlphaGo, созданный командой Google DeepMind, который прославился тем, что обыграл мастера в сложной логической игре го. В ходе тренировок создатели вложили в память AlphaGo информацию о тысячах партий, сыгранных как любителями, так и профессионалами. Эти данные компьютер использовал для разработки выигрышных стратегий и распознавания удачных и неудачных ходов. Позднее та же команда создала обновленную версию AplhaGo Zero – компьютер, который учился, играя сам с собой. Он сыграл таким образом миллионы партий. Поначалу делал ходы случайным образом, постепенно формируя собственные стратегии. Zero («ноль») в названии машины означает, что после сборки он не получал никакой помощи от людей. В итоге AlphaGo Zero не только победил игроков из плоти и крови, но и обыграл своего предшественника AlphaGo[21].
Познавательная автоматика используется, как правило, для решения трех типов задач. Во-первых, ее применяют для совершенствования бизнес-процессов. Именно это и сделали страховые компании, занимающиеся страхованием автомобилей. Они используют приложение, способное распознавать фотографии и обладающее познавательными способностями. Компьютер анализирует снимок поврежденной машины, оценивает ущерб и сумму возмещения убытков, после чего отправляет свои рекомендации человеку-оценщику для одобрения. Таким образом, весь процесс становится проще, быстрее и дешевле. В результате деятельность служащих компании видоизменилась, превратившись в удаленную работу высококвалифицированных специалистов, выносящих окончательный вердикт. Подобные технологии позволяют значительно трансформировать служебные обязанности, дополнив или заменив автоматикой человека в ходе выполнения рутинных задач. Благодаря этому вся рабочая процедура становится более эффективной, продуктивной и результативной.
