Descubra cómo la Orquestación Universal agiliza el trabajo, acelera las decisiones y escala la automatización. Regístrese hoy mismo para el seminario web.
El minado de procesos puede ser la nueva puerta de entrada para la IA
La respuesta de las empresas a nivel mundial a la pandemia puede estar cambiando la carrera de inteligencia artificial (IA) hacia un nuevo carril rápido: la minería de procesos. De un tamaño de mercado pre-pandemia de $110M en 2018 a casi tres veces mayor en 2019, 47% de las empresas están utilizando o planean aprovechar la minería de procesos. No es ningún secreto que las empresas quieren la receta para trabajar de manera más eficiente e inteligente a raíz de la reciente crisis económica mundial. La IA y la automatización están a la vanguardia de ese esfuerzo. La tecnología de IA actual, como el aprendizaje automático, ayuda haciendo el trabajo más predictivo y adaptable, pero necesita datos sobre cómo trabaja hoy para entrenarla. En lugar de dedicar agotadoras horas manuales al mapeo tradicional de procesos, los equipos pueden optar por desglosar procesos en sus esfuerzos de automatización robótica de procesos (RPA) y diseccionar cualquier idea generada automáticamente. Sin embargo, las empresas están descubriendo que los ingredientes defectuosos dan resultados agrios. Donde la RPA puede conducir a conjuntos de datos de IA defectuosos, volver a las raíces de la receta con la minería de procesos puede construir de manera confiable planos realistas de sus operaciones diarias. Exploremos cómo la minería de procesos y las herramientas de automatización low-code podrían ser una mejor entrada a un uso más confiable de la IA.
Por qué la RPA frena el éxito de la Inteligencia Artificial
En la búsqueda de formas más inteligentes de impulsar la IA, la automatización de procesos basada en bots se puede resumir como obtener lo que se pone en ella. Dado que la RPA tradicional debe construirse paso a paso, los pasos en sí mismos deben:
Coincidir con cómo funciona el proceso "tal cual" en la realidad.
Realizar sin grandes ineficiencias.
Ser estandarizado para ser ejecutado de la misma manera cada vez.
Idealmente, una configuración de RPA limpia crearía un historial continuo y con marca de tiempo de cómo funciona realmente un proceso, así como todas las influencias posibles que lo moldean y una amplia gama de resultados. Revelar sus operaciones en todos los procesos y departamentos daría a una herramienta de IA un sólido rango de patrones para aprender. Desde chatbots inteligentes hasta análisis predictivos de informes de ventas, varias herramientas podrían utilizar datos en toda la organización para una red de operaciones en continua mejora con menos horas de mano de obra humana y menos fallas. Este ideal no es el estado de la automatización de procesos moderna. De hecho, acelerar los resultados de procesos "malos" ha llevado a algunas organizaciones a amplificar los resultados de baja calidad en lugar de mejorarlos.
En primer lugar, las ideas de la RPA pueden basarse en una visión defectuosa de las operaciones del mundo real. Los comportamientos del personal y los clientes han cambiado radicalmente solo en el último año. Si está obteniendo los pasos del proceso de hoy de entrevistas con empleados, podría estar perdiendo pasos clave que hacen que sus flujos de trabajo funcionen de manera óptima.
2. Procesos ineficientes
En segundo lugar, los procesos pueden haberse desviado de su flujo de trabajo original, o simplemente estar mal diseñados. Por ejemplo, los procedimientos operativos obsoletos para el procesamiento de facturas pueden tener aprobaciones redundantes. Alternativamente, las soluciones alternativas de los empleados podrían incorporarse en varios procesos para su conveniencia a costa de la calidad.
3. Procesos no estándar
En tercer lugar, la automatización puede que ni siquiera sea posible con procesos que son parcial o completamente no estandarizados. Si su equipo no completa las tareas de manera repetible con resultados predecibles, cualquier intento de RPA será poco confiable. En cualquiera de estos casos, su mapa de procesos podría estar plagado de errores, atajos y pasos ineficientes que no satisfacen sus necesidades esenciales. Los procesos típicamente no deben automatizarse para obtener más producción hasta que se reexaminen para determinar su efectividad. Sin embargo, las empresas pueden encontrar tentador automatizar la fruta madura sin importar. En última instancia, los intentos de escalar RPA mal construida devuelven a muchas empresas al punto de partida.
Cómo el mapeo de procesos heredado influye en la RPA defectuosa
Incluso con procesos limpios, el diseño de la automatización en sí puede ser un obstáculo para el entrenamiento de IA. Un mejor diseño de RPA daría como resultado mejores conjuntos de datos, al menos en teoría. Sin embargo, el mapeo manual de procesos en sí mismo abre la puerta a todo tipo de sesgos y descuidos humanos. Estos errores contaminan los resultados y frenan los resultados de la automatización en toda la organización. Además, el mapeo de procesos heredado consume horas de esfuerzo en la recopilación y el análisis de información. Apilado con la laboriosa codificación de RPA, a menudo no es el método más rápido para escalar.
Cómo la minería de procesos y el low-code podrían superar a la RPA
¿La mayor conclusión? Un mapa de procesos teórico y la RPA tradicional tendrán desafíos para reflejar sus contrapartes del mundo real. Los inconvenientes de la RPA han impulsado un enfoque más profundo en la preparación previa a la automatización. La minería de procesos y la automatización low-code se están convirtiendo en una forma más atractiva de generar datos de entrenamiento de IA. Específicamente, sus beneficios son triples:
Implementación y resultados más rápidos
Visibilidad realista
Seguimiento continuo
En lugar de la recopilación de datos a través de medios tradicionales, la minería de procesos crea registros con marcas de tiempo de eventos dentro de un flujo de trabajo más grande. Las herramientas de minería se conectan directamente a sus aplicaciones utilizando un punto de conectividad compartido: interfaces de programación de aplicaciones (API). Desde aplicaciones de gestión de relaciones con clientes (CRM) y más allá, las organizaciones pueden extraer datos de procesos en tiempo real sin esfuerzo adicional. Esta intersección fundamental entre la gestión de procesos de negocio y la minería de procesos se conoce como descubrimiento de procesos.
Descubrimiento de procesos explicado
Encontrar oportunidades para reducir costos a través de la automatización se vuelve mucho más fácil cuando las organizaciones confían en que los datos de sus procesos son confiables. En otras palabras, una mejor visibilidad del proceso invita a una priorización más clara.
Al hacer que las herramientas y los componentes del flujo de trabajo "hablen" fácilmente entre sí, los datos recopilados tienen menos riesgo de mala comunicación.
Además, la recopilación de información sobre el proceso tal como es en la vida real significa que las empresas no tienen que buscar mucho para entender lo que realmente está sucediendo en su negocio.
Finalmente, el monitoreo continuo de procesos puede ayudar a aclarar si los flujos de trabajo se cumplen de manera consistente.
Cuando los equipos entienden lo que realmente está sucediendo y dónde están los problemas, las señales de alerta dentro de un proceso pueden ser cuestionadas y eliminadas fácilmente mientras permanecen los pasos saludables. Por ejemplo, los flujos de trabajo ideales se pueden estandarizar para compartirlos con otras sucursales de la organización. Algunos procesos ya pueden ser lo suficientemente saludables como para incluirlos en el pipeline de automatización aún más rápido. En cualquier caso, la confianza en conocer sus procesos abre la puerta a una mejor toma de decisiones en torno a los esfuerzos de automatización.
¿Cómo encaja la automatización low-code?
Como resultado, la creación de plantillas de modelado para la automatización puede ocurrir de manera mucho más rápida y sencilla. Las herramientas de automatización low-code intervienen para simplificar la configuración al eliminar los requisitos de conocimiento de codificación. En cambio, estas son impulsadas por constructores de procesos visuales con características como herramientas de diseño de arrastrar y soltar que prácticamente cualquier personal podría usar. La minería de procesos puede continuar monitoreando estas automatizaciones y desglosar lo que funciona y lo que no. En conjunto, la minería de procesos y las herramientas de automatización low-code invitan a las organizaciones a ser más eficientes y escalables. Además, la naturaleza ágil de estas herramientas proporciona una mejor flexibilidad que la RPA tradicional cuando las organizaciones se enfrentan a cambios rápidos. La capacidad de adaptación seguirá aumentando de valor a medida que avancemos en la pandemia y más allá.
¿Qué podría frenar la minería de procesos centrada en IA y la automatización low-code?
A pesar de la abundancia de beneficios, la minería de procesos y la automatización low-code tienen dos inconvenientes clave que podrían obstaculizar el entrenamiento de IA:
Falta de contexto
Desconfianza de los empleados
Si bien el panorama de estas preocupaciones aún no se ha desglosado por completo, podemos explorar con confianza algunos aspectos.
Contexto
Problema: El contexto en los eventos del proceso a menudo se deriva de cómo se comportan los empleados para completar un paso. En este nivel individual, los registros de eventos puramente basados en eventos podrían pasar por alto cómo un usuario navega por las interfaces gráficas de usuario (GUI) en su flujo de trabajo, como las de las aplicaciones CRM. Además, la minería puede sugerir la automatización de procesos defectuosos o ineficientes que un análisis de procesos basado en humanos detectaría.Posible solución: Task mining pueden cubrir este componente visual para agregar más contexto a cómo trabaja cada usuario. La minería de procesos por sí sola ilustra cuándo y con qué frecuencia se realizan las acciones. Como proceso complementario a la minería de procesos, la minería de tareas ayuda a los equipos a comprender cómo se hace algo. Para un contexto más profundo, la minería podría aprovecharse como información adicional para guiar a los analistas de procesos humanos.
Privacidad
Problema: La vigilancia de los empleados sigue siendo un tema candente en torno a herramientas de monitoreo como la minería de procesos. Considere que con suficientes datos, las actividades del personal se pueden diseccionar con lupa para determinar todo tipo de rutinas. Muchos empleados entienden el seguimiento de cuánto tiempo lleva resolver un ticket de soporte, pero ponen un límite en saber, en promedio, cuánto duran sus descansos para ir al baño.Posible solución: Trabaje con sus equipos de cumplimiento y seguridad de la información para encontrar líneas claras sobre la recopilación responsable de datos. Los equipos no solo deben considerar los límites éticos, sino también los límites legales como el Reglamento General de Protección de Datos (GDPR). Aclarar los objetivos y mantener la transparencia en la recopilación de datos podría obtener el apoyo de sus equipos en toda la organización.
Perder empleos por máquinas
Problema: La automatización de cualquier tipo está alineada con el objetivo final de reemplazar la mano de obra humana siempre que sea posible. Si bien las herramientas low-code actuales ayudan a introducir flujos de trabajo para aumentar el personal, muchas tareas podrían eliminarse de los trabajos con el tiempo. Inevitablemente, algunos roles pasarán de "exclusivos para humanos" a "listos para máquinas". Desde roles de fábrica hasta trabajos de oficina de cuello blanco, las personas temen naturalmente que sus habilidades ganadas con esfuerzo se vuelvan obsoletas.Posible solución: La transparencia y las oportunidades de crecimiento hacia roles enfocados en el futuro serán críticas para fomentar la adopción abierta de la tecnología de automatización. Por ejemplo, las empresas invitan cada vez más al personal de primera línea a utilizar herramientas low-code como citizen developers. Al involucrar a los equipos en la mejora de sus propios flujos de trabajo, pueden ver los beneficios de primera mano. Como resultado, desarrollarán habilidades que son invaluables para el futuro mercado laboral.
El papel de la minería de procesos y la Caja de Herramientas DigitalOps en la adopción de IA
A medida que las organizaciones se adentran en el agujero de conejo de la minería de procesos, pueden surgir más obstáculos. Para obtener los medios más eficientes para recopilar datos de entrenamiento de IA, muchos equipos pueden encontrar beneficios al complementar sus fortalezas y debilidades con otras digital operations toolbox tecnologías. Por ejemplo, la minería ya ha encontrado un hogar para impulsar los bots de RPA de algunas otras organizaciones. En raras situaciones donde el low-code no puede satisfacer las necesidades específicas de un equipo, la RPA codificada a medida podría ser adecuada para estas soluciones. Sin embargo, encontrar una única plataforma para construir su automatización y monitorear sus procesos suele ser lo más saludable para escalar en toda la organización. El low-code está ayudando a tender puentes entre muchos métodos dispares bajo un mismo paraguas, especialmente cuando se integra en software inteligente de gestión de procesos de negocio (iBPMS). Alojar todas sus herramientas en el lugar correcto no solo fomenta mejores procesos y automatización, sino también bucles de retroalimentación más sólidos para la IA. Para muchos, la minería de procesos y la automatización low-code pueden resultar ser un punto de entrada más rápido y eficiente a este ámbito.
BOAT, APO, BPM, iPaaS, UO: Una guía de campo para la sopa de letras de orquestación
El minado de procesos puede ser la nueva puerta de entrada para la IA
Orquestación Universal: Qué es, por qué importa y cómo lograrla
La orquestación universal está surgiendo como la respuesta, brindando a las empresas una forma más inteligente de gobernar flujos de trabajo, procesos impulsados por IA y toma de decisiones humanas a escala.
