3 mogelijkheden die u moet weten over intelligente automatisering


Meningen geuit door Ondernemer bijdragers zijn van henzelf.

Intelligente automatisering heeft de laatste tijd veel ophef gekregen. Veel mensen willen weten wat de toekomst in petto heeft, en velen willen zich niet buitengesloten voelen.

Intelligente automatisering (ook wel “hyperautomatisering” genoemd) is echter een steeds veranderende verzameling technologieën. Elk jaar komen er nieuwe tools uit. Het is moeilijk bij te houden.

Daarnaast maken anderen zich zorgen of de hype wel aansluit bij de werkelijkheid. In juli 2021 hebben leiders bij IBM bijvoorbeeld de verwachtingen voor Watson teruggeschroefd. IBM presenteerde Watson voor het eerst als revolutionaire, veelbelovende geavanceerde AI-mogelijkheden, zoals het automatiseren van kankerdetectie en behandelingsaanbevelingen. Nu heeft IBM Watson gepositioneerd als een tactisch hulpmiddel voor het verwerken van natuurlijke taal. Zelfs de beste kunnen verstrikt raken in de hype.

In plaats daarvan loont het om slim om te gaan met intelligente automatisering. Maar hoe kunnen digitale leiders nadenken over intelligente automatisering om slimme investeringsbeslissingen te nemen?

Gerelateerd: Waarom intelligente automatisering het enige antwoord is op looninflatie

Intelligente automatisering kunnen we in drie categorieën indelen. Hier streven we ernaar om 80% van de capaciteiten te dekken. De overige 20% betreft nichemogelijkheden die in een meer gedetailleerde studie worden behandeld.

De drie mogelijkheden zijn:

  1. Taken automatiseren
  2. Workflows orkestreren
  3. Beslissingen automatiseren

Taken automatiseren

De eerste mogelijkheid is het automatiseren van taken. Dit wordt vaak Robotic Process Automation (RPA) genoemd, waarbij een bot een reeks taken op dezelfde manier herhaalt als een mens. Dit bevrijdt de mens om zich te concentreren op waardevoller werk.

Nu is het automatiseren van taken niet nieuw. Excel-macro’s bestaan ​​al sinds de jaren ’90. Moderne RPA heeft echter een interessante geschiedenis.

Daniel Dines richtte in 2005 UiPath, een leider onder RPA-bedrijven, op als DeskOver. Aanvankelijk bouwden ze tools om ontwikkelaars te helpen bij het bouwen van software. Dines probeerde ze te verkopen aan bedrijven als Amazon, Google en Microsoft, maar kreeg niet veel belangstelling.

Dines worstelde. Hij dacht erover om het bedrijf te sluiten. In een moment van serendipiteit was een bedrijf voor het uitbesteden van bedrijfsprocessen in India echter op zoek naar een automatiseringstool. Nu voeren outsourcingbedrijven repetitieve taken uit met duizenden werknemers uit lagelonenlanden. De prijsdruk is intens.

UiPath wist toen nog niets van outsourcing. Ze waren echter in staat om weg te draaien en indruk te maken op het outsourcingbedrijf. De rest is geschiedenis.

Zo begon het moderne tijdperk van intelligente automatisering toen een bedrijf dat productiviteitstools produceert, een outsourcingbedrijf ontmoette dat op zoek was naar hulp om de productiviteit te verhogen. Nu hebben duizenden bedrijven miljoenen bots die allemaal dezelfde taken herhaaldelijk uitvoeren. Ze maken miljoenen uren vrij, zodat iedereen zich kan concentreren op belangrijker werk.

Gerelateerd: Automatisering wordt een zakelijke imperatief: wacht niet tot het te laat is

Workflows orkestreren

Soms is het automatiseren van individuele taken niet voldoende. In plaats daarvan moeten we het bedrijfsproces opnieuw ontwerpen. Dat brengt ons bij onze tweede mogelijkheid: workflows orkestreren.

Michael Hammer en James Champy’s baanbrekende boek, Het bedrijf opnieuw ontwerpen, bevat een klassiek verhaal. Er was een divisie bij IBM die erg winstgevend was. Ze hadden echter één grote uitdaging: het maken van een contract voor een klant duurde gemiddeld zes dagen. Voor verkopers was dit onaanvaardbaar. In die tijd kon een klant een andere leverancier kiezen. Daarom wilden ze de bedrijfsvoering verbeteren door taken te automatiseren.

Dit was echter niet de juiste aanpak. Twee senior executives hadden een briljant idee. Ze liepen één applicatie door het bedrijfsproces en vroegen iedereen om zich alleen op deze ene taak te concentreren. Ze ontdekten dat de afdeling een aanvraag in 90 minuten kon voltooien.

Stel nu dat de leidinggevenden een toverstaf hadden waarmee iedereen twee keer zo snel kon werken. Ze zouden slechts 45 minuten besparen. De meeste tijd werd doorgebracht met wachten in de rij. De oplossing was niet om taken sneller af te ronden.

Daarom hebben ze het bedrijfsproces opnieuw ontworpen, zodat meestal één persoon een aanvraag in één stap kan voltooien. Ze verminderden de gemiddelde wachttijd van enkele dagen tot vier uur, voor een 100-voudige productiviteitswinst.

De tweede groep tools gaat dus over het orkestreren van workflows. Met low-code workflow-engines kunnen zakelijke gebruikers bedrijfsbrede bedrijfsprocessen orkestreren. Ze kunnen de productiviteit verhogen en verder gaan dan het automatiseren van een enkele taak. Bovendien gaan het automatiseren van taken en het orkestreren van workflows hand in hand. We kunnen eerst de workflow orkestreren en vervolgens individuele taken automatiseren voor nog meer efficiëntie.

Gerelateerd: 4 redenen waarom werknemers kunstmatige intelligentie op de werkplek zouden moeten verwelkomen

Beslissingen automatiseren

De derde groep technologieën richt zich op het automatiseren van beslissingen. Er zijn gemakkelijke problemen en moeilijke problemen. Dit leidt tot de paradox van Moravec.

In 1988 schreef Hans Moravec: “Het is relatief eenvoudig om computers te laten presteren op volwassen niveau bij intelligentietests of het spelen van dammen, en het is moeilijk of onmogelijk om ze de vaardigheden van een eenjarige te geven als het gaat om perceptie en mobiliteit. ” We hebben computers bijvoorbeeld geleerd om dammen te spelen, maar we hebben moeite om computers de waarnemings- en mobiliteitsvaardigheden van een peuter bij te brengen.

In 1966 wilde de beroemde computerwetenschapper Marvin Minsky een computer leren gewone huishoudelijke voorwerpen te herkennen. In de veronderstelling dat het een zomer zou duren, wees hij het project toe aan een student. Het bleek buitengewoon moeilijk te zijn. Vijftig jaar later zijn er nu pas computervisiesystemen in opkomst.

Als computervisie een moeilijke taak is om te automatiseren, wat zou er dan gemakkelijker zijn? Onderzoekers hebben vooruitgang geboekt met gespecialiseerde problemen. De computervisiemogelijkheden van IBM Watson voor specifieke soorten kanker kunnen bijvoorbeeld de prestaties van een radioloog evenaren. Een ander voorbeeld: kredietrapportagebedrijven zetten beslissingsmotoren in om het risico op kredietfraude of wanbetaling te voorspellen, met behulp van enorme datasets.

Gerelateerd: Robots stelen onze banen

De kracht van intelligente automatisering ontsluiten

De ware kracht van intelligente automatisering ligt in het combineren van de drie mogelijkheden: taken automatiseren, workflows orkestreren en beslissingen automatiseren. We kunnen bijvoorbeeld eerst de workflow orkestreren door het bedrijfsproces opnieuw in te richten. Ten tweede kunnen we individuele taken automatiseren om mensen te bevrijden van alledaagse taken. Ten derde kunnen we beslissingen automatiseren voor welke machines een voordeel hebben.

Nu kan het een uitdaging zijn om de belofte van intelligente automatisering waar te maken. Sommigen worstelen om hype van realiteit te scheiden. Anderen raken gecharmeerd van de tools en verliezen het oplossen van zakelijke problemen uit het oog. Een bedrijf moet dus beginnen met een strategische kijk op zakelijke uitdagingen om de kracht van intelligente automatisering te ontsluiten. Die zakelijke problemen maken het gebied van intelligente automatisering tegenwoordig spannend.

Leave a Reply

Your email address will not be published.