Перспективы роботизации: что было, что есть и что будет
Марианна Данилина, 18/01/22
Роботизация (Robotic Process Automation, RPA) – уже не самый новый тренд. Он прошел пик ажиотажа и вышел на плато производительности. С точки зрения кривой Гартнера ожидания рынка концентрируются вокруг интеллектуальной роботизации процессов. Марианна Данилина, руководитель направления цифровой трансформации Промсвязьбанка, рассказала о тенденциях развития технологий RPA с учетом комплексного использования программных роботов, оптического распознавания, инструментов анализа больших данных и машинного обучения, а также уделила особое внимание технологическим решениям выбора процессов для цифровизации с точки зрения их фактического исполнения. Такие инструменты как Process mining и Process discovery идут "рука об руку" с лидирующими решениями по RPA.
– Какими темпами идет внедрение технологий роботизации на рынке?
– Бизнес инвестирует в RPA, но итог некоторых проектов не внушает оптимизма. Согласно исследованиям, 42% компаний уже внедрили RPA внутри компании, 39% начали роботизировать процессы в 2020 г. При этом 63% так или иначе заявляют об этом [1]. Однако роботизация в компаниях начинается с 1–3 процессов. Например, компания Deloitte в 2020 г. посчитала, что лишь у 4% российских компаний внедрено более 50 роботов [2]. В итоге получается, что интеллектуальная автоматизация – это марафон, а не спринт. Хайп вокруг RPA был подогрет слишком агрессивно.
– С чем, на ваш взгляд, связана такая ситуация?
– Безусловно, RPA все равно несет огромную выгоду в плане автоматизации процессов, но сейчас компании испытывают трудности с тем, чтобы проводить роботизацию в крупных масштабах. Организации быстро получают результаты, но видят лишь ограниченные возможности, поэтому дальше точечных применений дело не идет. На это есть разные причины.
Одна из них заключается в том, что сложно обосновать необходимость роботизации на нескольких выделенных процессах, и если бизнес-кейс не складывается в целом, она не приносит существенного экономического эффекта. Эффект виден на масштабе. Чтобы убедить топ-менеджмент выделить инвестиции именно на полномасштабное развитие средств малой автоматизации, нужны реальные примеры экономического эффекта. Они, как правило, имеются там, где много рутинных операций, много сотрудников и много бумажных документов. Например, в общих центрах обслуживания (ОЦО), операционных и поддерживающих подразделениях компаний. Однако не так просто обосновать RPA в других подразделениях, где, безусловно, есть рутинные операции, но объем документов или проводок не такой массовый. При небольшом масштабе роботизации компаниям трудно увидеть реальную выгоду от нее.
Чаще всего автоматизируют те процессы, что находятся "на поверхности", или те, где использование программных роботов гарантированно пойдет на пользу бизнесу. В таких случаях, когда проект заканчивается, возникает закономерный вопрос: а что дальше? Из-за отсутствия детального описания собственных бизнес-процессов и долгосрочной стратегии автоматизации российские компании часто реализуют проекты с 1–5 ботами.
– Есть ли некие критерии, по которым следует выбирать процессы для роботизации?
– Если вспомнить S-кривую развития технологий, то роботизация уже не на пике ожиданий, даже точку разочарования рынок уже прошел. Сейчас технология вышла на плато продуктивности, и мы видим, что один роботизированный процесс действительно может позволить заменить в среднем до четырех сотрудников [3]. Это могут быть рутинные процессы, требующие больших трудозатрат сотрудников, например:
- доступ в системы и сбор данных из разных систем;
- перенос данных из одной системы в другую;
- проверка соответствия данных.
А также алгоритмические процессы:
- процессы, выполняемые по четко определенным правилам;
- повторяющиеся процессы, не требующие профессионального суждения;
- процессы в разрозненных системах, которые не интегрированы между собой.
Однако "спонтанная" роботизация не работает. Для того чтобы RPA-проекты приносили хорошие результаты и реально можно было убирать людей из процессов, крайне важно перед покупкой программного обеспечения инвестировать время и ресурсы в оценку своих бизнес-процессов. Чем больше организация о них знает, тем проще ей составить стратегию роботизации.
По опыту, есть три подхода к выявлению процессов для роботизации:
- Ручная оценка потенциала RPA. выполняется компанией самостоятельно и работает только там, где уже проведена работа по описанию бизнес-процессов.
- Привлечение внешних специалистов для выявления и оценки процессов для RPA. При поддержке внешних специалистов компания может выявить процессы, которые "не лежат" на поверхности и роботизация которых повысит производительность и приведет к снижению влияния человеческого фактора. Консультанты выясняют, как сотрудники компании выполняют ту или иную работу, а затем создают тепловые карты, которые показывают эффективность автоматизации того или иного процесса. Однако ручная подготовка таких отчетов требует большого количества времени.
- Автоматизированная оценка потенциала RPA позволяет использовать решения класса Process Mining для упрощения выбора процессов. Такое решение позволяет собирать логи – файлы, в которых содержится информация о действиях пользователей и программ. Можно также применить решение Process Discovery, которое с помощью алгоритмов искусственного интеллекта выявляет процессы, наиболее подходящие для оптимизации средствами RPA. и в том, и в другом случае после сбора данные отправляются бизнес-аналитикам, которые разбираются в полученной информации, а затем строят тепловые карты для наиболее приоритетных процессов под RPA.
– Расскажите подробнее, как осуществляется Process Mining.
– Обычно самая большая проблема топ-менеджмента компаний в том, что они глубинно не знают бизнес-процессы, которые выполняют их сотрудники на уровне "действий". Руководство понимает, как выглядят бизнес-процессы "в идеале", но не в курсе их фактического протекания. Как раз в этом случае нужно применять инструменты процессной аналитики Process Mining. Они позволяют увидеть протекание процесса "здесь и сейчас", благодаря чему видно реальное положение дел, "узкие места" в процессах. Это дает возможность принимать решения, основанные на фактах, а не на гипотезах или домыслах.
Технология Process Mining позволяет проверить на соответствие фактически исполняемый и целевой бизнес-процесс, а также сравнить фактическое исполнение одного и того же бизнес-процесса в различных бизнес-единицах. Это дает возможность делать бенчмаркинг и аналитику в режиме реального времени.
Восстановление фактического бизнес-процесса при помощи технологии Process Mining осуществляется в пять этапов:
- Пользователи исполняют процесс в информационных системах.
- Действия пользователей логируются в ИТ-системах, и формируются журналы событий.
- Проводится анализ данных событий с использованием специализированного ПО (Process Mining), которое реконструирует и визуализирует реальные процессы.
- В зависимости от системы-источника могут быть сформированы определенные для каждой системы правила формирования событий.
- Интерфейс Process Mining представляет восстановленные бизнес-процессы с учетом фактического их выполнения.
В результате анализа бизнес-процесса и его ресурсов с использованием технологии Process Mining можно идентифицировать процессы для роботизации и оценить возможный эффект от нее. Доступна также идентификация отклонений в реальной модели процесса от целевой модели и оценка временных затрат на выполнение процесса. При анализе бизнес-процесса с использованием Process Mining оцениваются временные затраты на конкретные операции в процессе, выделяются самые короткие и самые длительные пути исполнения процесса.
Рис. 1. Фактически исполняемый и целевой бизнес-процессы
– Можете привести конкретный пример анализа бизнес-процессов с использованием этой технологии?
– Не секрет, что множество действий в информационных системах определенным образом логируется. Потом в системе дополняются строчки баз данных через заполнение формы, идет изменение набора данных при выполнении того или иного бизнес-процесса. Process Mining – это возможность выгрузить существующие источники данных внутри существующих систем, вытащить оттуда события, которые обозначают выполнение того или иного действия, и проанализировать их.
Приведу простой пример: фото рабочего дня показало, что из 16 человек в бухгалтерии 12 заняты выполнением процессов по регламентам, а 4 – неформализованными процессами. Если нет фактов и руководитель против уменьшения численности, сократить их сложно. На словах предложение по необходимости оптимизации бизнес-процесса не всегда можно обосновать. С выгрузкой майнинга можно это сделать, потому что есть фактура и доказательство того, что процесс выполняется недостаточно эффективно. Идея очень простая: мы пытаемся найти те "тропинки", которыми ходят пользователи и, возможно, ходят массово. На практике оказывается, что мимо стандартного выполнения процесса может ходить 40% пользователей. Есть регламентный процесс, но все ходят почему-то в обход документа, правил. Это как раз и есть одна из фишек Process Mining, когда вы видите статистику.
– Какие именно инструменты используются для решения этих задач?
– На рынке представлен широкий спектр инструментов в области Process Mining, каждый из которых имеет свои особенности. По уровню специализации это решения с функционалом, включающим возможности Process Mining, и решения, которые специализируются на Process Mining.
С точки зрения уровня пользования есть решения, рассчитанные на применение в промышленном масштабе в крупных организациях на больших объемах данных, например Celonis от SAP и Minit, и решения на одного пользователя, такие как My Invenio, Disco от Flexicon.
Рис. 2. Инструменты в области Process Mining
– А есть ли у Process Mining существенные недостатки?
– В целом это традиционный анализ бизнес-процессов, у которого есть два недочета:
- субъективное восприятие информации человеком;
- вероятность анализа на неполных данных.
Главный минус майнинга – необходимость в осуществлении логирования внутри ИТ-систем, поддерживающих процессы. Это дорого и небыстро.
Решения класса Process Mining собирают логи – файлы, в которых содержится информация о действиях пользователей и программ. После сбора данные отправляются аналитикам, которые разбираются в полученной информации, а затем строят тепловые карты. И тут тоже есть проблема. В части логов очень трудно разобраться, к тому же системы Process Mining не понимают, например, что делает пользователь в Microsoft Excel.
Поэтому после создания тепловых карт и перед построением бизнес-процессов аналитикам нужно проверять точность отчетов с сотрудниками, тем самым отрывая их от работы. В итоге системы Process Mining не так уж упрощают и ускоряют автоматизацию. Такие решения включают неплохой инструментарий, который помогает компании лучше понять свои процессы, но он не заточен под дальнейшую роботизацию.
3 уровня сложности технологий для роботизации
- Базовая роботизация.
- Продвинутая роботизация.
- Когнитивная роботизация.
Большинство операций, поддающихся роботизации, связаны с копированием данных из одних систем и приложений в другие, заполнением стандартных форм и отправкой типовых сообщений. С ростом бизнеса и масштабированием бизнес-процессов таких операций становится больше, и здесь нужен RPA. Но для масштабной роботизации определенные процессы требуют более сложных инструментов, чем базовая роботизация. Например, части из них нужно интегрироваться с ОСR.
По нашим данным, для 14% процессов необходимо использовать когнитивную роботизацию с элементами распознавания и интеграцией с предиктивными моделями.
3 ошибки компаний при цифровизации бизнес-процессов
- Технологии ради технологии. Компания выбирает процессы для оцифровки, не определив, что конкретно необходимо улучшить.
- Перед тем как встроить цифровые инструменты в бизнес-процессы, компания не оптимизировала эти процессы.
- Компания сделала цифровизацию процессов ИТ-проектом без привлечения представителей бизнеса.
– По Process Mining картина ясна, а как работает технология Process Discovery?
– Process Discovery – это продукт нового класса, который использует в работе возможности искусственного интеллекта. В отличие от других решений инструменты искусственного интеллекта (ИИ) здесь не надстройка для усовершенствования, а полноценная часть системы.
Process Discovery поставляется с расширенным визуальным распознаванием, которое может собирать важные данные о рабочих процессах сотрудников в режиме реального времени с рабочей станции сотрудника ("агент слежения").
Технология работает в три этапа:
- Extract Data – извлечение данных. Discovery-бот устанавливается на ПК сотрудника и работает так, что пользователь вообще не замечает, что за ним кто-то наблюдает. Вспоминать о слежке здесь не нужно: "агентов" PD интересуют исключительно процессы, которые выполняет сотрудник.
- Process and Map Events – анализ полученной информации и формирование карты процесса. Discovery-бот собирает информацию о том, сколько человек работает с той или иной задачей, как часто к ней обращаются, какие существуют отклонения.
- Combine Events to Create "as-is" Processes. После этого за короткое время система формирует из полученных данных некий рабочий процесс и анализирует, насколько он подходит для последующей роботизации. Затем ИИ дает рекомендации, какие процессы он считает наиболее перспективными для делегирования их RPA-помощникам.
– В чем принципиальная разница между Process Mining и Process Discovery?
– В Process Mining модель процесса восстанавливается на базе логов в системах, а в Process Discovery записывается путем распознавания экрана рабочей станции сотрудника с помощью "агента слежения".
Отличие нового подхода в том, что инструментарий Process Discovery основан на тех же технологиях, что и RPA-платформа. В результате время, которое требуется компании для перехода от анализа процессов к их алгоритмизации и параметризации, сокращается в разы: после получения рекомендаций от системы Process Discovery пользователь может сразу же приступить к созданию алгоритма для робота. Поэтому компании гораздо проще проводить масштабную роботизацию.
– Какие ошибки чаще всего делают компании на пути к роботизации и как их избежать?
– Можно выделить три ошибки, которые компании часто совершают, занимаясь цифровизацией именно бизнес-процессов:
- Технологии ради технологий. Компания выбирает процессы для оцифровки, не определив толком, что конкретно необходимо улучшить.
Для начала следует понять, что конкретно нужно получить от внедряемой технологии. Как правило, большинство руководителей с энтузиазмом внедряют различные технологии. Всех привлекает инновационный характер изменений и возможность сократить расходы. Однако бывает и такое, что компания приобретает высокотехнологичную систему, чтобы быть в тренде, и только потом задумывается, так уж ли она была нужна. Ведь даже внедрив инновации, нельзя быть уверенным, что они смогут решить существующие проблемы и выведут бизнес на новый уровень. - Перед тем как встроить цифровые инструменты в бизнес-процессы, компания не пыталась оптимизировать эти процессы.
При автоматизации хаоса можно получить только автоматизированный хаос. Иногда не имеет смысла автоматизировать бизнес-процесс, если он выполняется неэффективно. Можно провести его реинжиниринг путем применения методологии оптимизации. Например, метод "Шесть сигм" структурирует поиск путей изменения параметров бизнес-процессов, а концепция бережливого производства позволяет обнаружить неэффективные моменты и, возможно, решить их без технологий. - Превращать цифровизацию процессов только в ИТ-проект без привлечения представителей бизнеса.
ИТ-специалисты, безусловно, владеют знаниями из своей области, но вряд ли они столь же хорошо разбираются в бизнес-процессах. По этой причине управление бизнес-процессами нельзя воспринимать как технологию. важное значение имеет участие бизнес-пользователей.
Таким образом, для успешного внедрения следует начать с понимания того, каких результатов нужно достичь благодаря управлению бизнес-процессами, использованию цифровых инструментов и их оптимизации. Прежде чем осуществлять автоматизацию, стоит попробовать улучшить текущую ситуацию традиционными методами совершенствования бизнес-процессов.
Список литературы
- Отчет KPMG CEO Outlook 2020.
- Deloitte, Тенденции развития роботизации в РФ RPA | 2020.
- Исследование КПМГ "Цифровые технологии в российских компаниях", 2019.
Опубликовано в журнале "Системы безопасности" №5/2021