La respuesta pandémica de las empresas de todo el mundo puede estar desplazando la carrera de la inteligencia artificial (IA) hacia una nueva vía rápida: la minería de procesos.
De un tamaño de mercado prepandémico de 110 millones de dólares en 2018 a casi tres veces mayor en 2019, El 47% de las empresas ahora están usando o planeando aprovechar la minería de procesos. No es ningún secreto que las empresas quieren la receta para trabajar de forma más ágil e inteligente a raíz de la reciente sacudida económica mundial. La IA y la automatización están a la vanguardia de ese esfuerzo.
La tecnología actual de IA, como el aprendizaje automático, ayuda a que el trabajo sea más predictivo y adaptable, pero necesita datos sobre cómo se trabaja actualmente para entrenarla. En lugar de dedicar agotadoras horas manuales al mapeo de procesos tradicional, los equipos pueden optar por fragmentar los procesos en sus esfuerzos de automatización de procesos robóticos (RPA) y diseccionar cualquier información generada automáticamente.
Sin embargo, las empresas están descubriendo que los ingredientes defectuosos producen resultados agrios. Mientras que 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 forma fiable planos reales de sus operaciones diarias.
Exploremos cómo la minería de procesos y las herramientas de automatización de bajo código podrían ser una mejor entrada para un uso más fiable de la IA.
Por qué la RPA frena el éxito de la Inteligencia Artificial
En la búsqueda de formas más inteligentes de alimentar la IA, la automatización de procesos basada en bots puede resumirse en obtener lo que se pone en ella.
Dado que el RPA tradicional debe construirse paso a paso, los propios pasos deben:
- Coincidir con el funcionamiento del proceso "tal cual" en la realidad.
- Realice un trabajo sin grandes ineficiencias.
- Estar estandarizado para ser ejecutado de la misma manera cada vez.
Lo ideal sería que una configuración limpia de RPA creara un historial continuo, en el tiempo, de cómo funciona realmente un proceso, así como todas las posibles influencias que lo conforman y una amplia gama de resultados.
Revelar sus operaciones a través de los procesos y departamentos daría a una herramienta de IA una fuerte gama de patrones de los que aprender.
Desde los chatbots inteligentes hasta el análisis predictivo de los informes de ventas, varias herramientas podrían utilizar los datos de toda la organización para una red de mejora continua de las operaciones con menos horas de trabajo humano y menos fallos.
Este ideal no es el estado de la automatización moderna de procesos. De hecho, la aceleración de los resultados de los procesos "malos" ha llevado a algunas organizaciones a amplificar los resultados de baja calidad en lugar de mejorarlos.
1. Procesos inexactos
En primer lugar, las ideas de RPA pueden basarse en una visión errónea de las operaciones del mundo real. Los comportamientos del personal y de los clientes han cambiado radicalmente sólo en el último año. Si está recopilando los pasos de los procesos actuales a partir de las entrevistas a los empleados, es posible que esté pasando por alto los pasos clave que hacen que sus flujos de trabajo rindan al máximo.
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 anticuados para el procesamiento de facturas pueden tener firmas redundantes. Por otra parte, los empleados pueden introducir soluciones en varios procesos para su comodidad en detrimento de la calidad.
3. Procesos no estándar
En tercer lugar, la automatización ni siquiera puede ser posible con los procesos que están parcial o totalmente no estandarizados. Si su equipo no completa las tareas de forma repetible y con resultados predecibles, cualquier intento de RPA será poco fiable.
En cualquiera de estos casos, su mapa de procesos puede estar lleno de errores, atajos y pasos inútiles que no satisfacen sus necesidades esenciales.
Por lo general, los procesos no deberían automatizarse para obtener más rendimiento hasta que se reexamine su eficacia. Sin embargo, las empresas pueden sentirse tentadas a automatizar lo más fácil.
En última instancia, los intentos de escalar un RPA mal construido devuelven a muchas empresas al punto de partida.
Cómo el mapeo de procesos heredados influye en un RPA defectuoso
Incluso con procesos limpios, el propio diseño de la automatización puede ser un obstáculo para la formación de la IA.
Un mejor diseño del RPA equivaldría a 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 empañan los resultados de la automatización en toda la organización.
Además, el mapeo de procesos heredados supone horas de esfuerzo en la recopilación y el análisis de información. Junto con la laboriosa codificación de RPA, no suele ser el método más rápido para escalar.
Cómo la minería de procesos y el código bajo podrían superar a la RPA
¿La mayor conclusión? Un mapa de procesos teórico y un RPA tradicional tendrán desafíos para reflejar sus contrapartes en el mundo real.
Los inconvenientes de la RPA han impulsado una mayor atención a la preparación previa a la automatización. La minería de procesos y la automatización de bajo código se están convirtiendo en una forma más atractiva de generar datos de entrenamiento de IA. En concreto, sus beneficios son tres:
- Aplicación y resultados más rápidos
- Visibilidad fiel a la realidad
- Seguimiento continuo
En lugar de la recopilación de datos por medios tradicionales, la minería de procesos crea registros con marca de tiempo de los eventos dentro de un flujo de trabajo más amplio.
Las herramientas de minería acceden directamente a sus aplicaciones mediante un punto de conectividad compartido: las interfaces de programación de aplicaciones (API). Desde las aplicaciones de gestión de las relaciones con los clientes (CRM) en adelante, las organizaciones pueden extraer datos de procesos en tiempo real sin el esfuerzo adicional.
Esta intersección fundamental entre la gestión de procesos de negocio y la minería de procesos se conoce como descubrimiento de procesos.
Explicación de la detección de procesos
Encontrar oportunidades para reducir costes mediante la automatización es mucho más fácil cuando las organizaciones tienen la seguridad de que los datos de sus procesos son fiables. En otras palabras, una mejor visibilidad de los procesos permite establecer prioridades más claras.
- Al conseguir que las herramientas y los componentes del flujo de trabajo se "comuniquen" fácilmente entre sí, cualquier dato que se recopile tiene menos riesgo de ser mal comunicado.
- Además, la recopilación de información sobre el proceso tal y como es en la vida real significa que las empresas no tienen que mirar muy lejos para entender lo que realmente está sucediendo en su negocio.
- Por último, la supervisión continua de los procesos puede ayudar a aclarar si los flujos de trabajo se están cumpliendo sistemáticamente.
Cuando los equipos entienden lo que realmente está sucediendo y dónde están los problemas, las banderas rojas dentro de un proceso pueden ser fácilmente cuestionadas y eliminadas mientras los pasos saludables permanecen.
Por ejemplo, los flujos de trabajo ideales pueden ser llevados a la estandarización para ser compartidos con otras ramas de la organización. Algunos procesos pueden ser ya lo suficientemente saludables como para empujarlos a la tubería de automatización aún más rápido.
En cualquier caso, la confianza de conocer sus procesos abre la puerta a una mejor toma de decisiones en torno a los esfuerzos de automatización.
¿Cómo encaja la automatización de bajo código?
Como resultado, el modelado de las plantillas para la automatización puede ser mucho más rápido y fácil.
Las herramientas de automatización de bajo código intervienen para simplificar la configuración eliminando los requisitos de conocimientos de codificación. En su lugar, se utilizan constructores de procesos visuales con características como herramientas de diseño de arrastrar y soltar que prácticamente cualquier personal podría utilizar.
La minería de procesos puede seguir supervisando estas automatizaciones y desentrañar lo que funciona, y lo que no.
En tándem, la extracción de procesos y las herramientas de automatización de bajo código invitan a las organizaciones a ser más eficientes y escalables.
Además, la naturaleza ágil de estas herramientas proporciona una mayor flexibilidad que la RPA tradicional cuando las organizaciones se enfrentan a cambios rápidos. La capacidad de adaptación seguirá aumentando su valor a medida que avancemos hacia la pandemia y más allá.
¿Qué podría acelerar la extracción de procesos centrados en la IA y la automatización de bajo código?
A pesar de la abundancia de beneficios, la minería de procesos y la automatización de código bajo tienen dos inconvenientes clave que podrían obstaculizar la formación de la IA:
- Falta de contexto
- Desconfianza de los empleados
Aunque el panorama de estas preocupaciones aún no se ha desentrañado del todo, podemos explorar con confianza algunos aspectos.
Contexto
Problema: El contexto en los eventos del proceso se deriva a menudo de cómo se comportan los empleados para completar un paso. En este nivel individual, los registros de aplicaciones basados puramente 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 de CRM.
Además, la minería puede sugerir la automatización de procesos defectuosos o derrochadores que un análisis de procesos basado en el ser humano detectaría.
Posible solución: La minería de tareas puede cubrir este componente visual para dar más contexto al funcionamiento de cada usuario. La extracción de procesos ilustra por sí sola 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 entender 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 supervisión como la minería de procesos. Considere que, con suficientes datos, las actividades del personal pueden ser diseccionadas con un peine de dientes finos para determinar todo tipo de rutinas.
Muchos empleados entienden el seguimiento del tiempo que tarda en resolverse un ticket de asistencia, pero no quieren saber cuánto duran de media 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 tener en cuenta los límites éticos, sino también los legales, como el Reglamento General de Protección de Datos (RGPD).
Aclarar los objetivos y mantener la transparencia en la recopilación de datos podría ganarse el apoyo de sus equipos en toda la organización.
La pérdida de puestos de trabajo a favor de las máquinas
Problema: La automatización de cualquier tipo está alineada con el objetivo final de sustituir la mano de obra humana siempre que sea posible. Aunque las herramientas actuales de código reducido ayudan a introducir flujos de trabajo para aumentar el personal humano, muchas tareas podrían eliminarse de los puestos de trabajo con el tiempo.
Inevitablemente, algunas funciones pasarán de ser "exclusivas para humanos" a "preparadas para máquinas". De las funciones de fábrica a los trabajos de oficina de cuello blancola gente teme, naturalmente, que sus habilidades, ganadas con tanto esfuerzo, se vuelvan obsoletas.
Posible solución: La transparencia y las oportunidades de crecimiento en funciones orientadas al futuro serán fundamentales 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 de código reducido como desarrolladores ciudadanos.
Al hacer que los equipos participen en la mejora de sus propios flujos de trabajo, pueden ver los beneficios de primera mano. Como resultado, crecerán en conjuntos de habilidades que son invaluables para el futuro mercado de trabajo.
El papel de la minería de procesos y el DigitalOps Toolbox en la adopción de la IA
A medida que las organizaciones se adentran en la madriguera de la minería de procesos, pueden surgir más obstáculos. Para obtener los medios más eficientes de recopilación de datos de entrenamiento de IA, muchos equipos podrían encontrar beneficios en complementar sus fortalezas y debilidades con otras caja de herramientas de operaciones digitales de operaciones digitales.
Por ejemplo, la minería ya ha encontrado un hogar en la alimentación de los bots RPA de algunas otras organizaciones. En las raras situaciones en las que el código bajo no puede satisfacer las necesidades específicas de un equipo, el RPA codificado a medida podría ser adecuado para estas soluciones.
Sin embargo, encontrar una única plataforma para construir su automatización y supervisar sus procesos suele ser lo más saludable para escalar a toda la organización. El código bajo está ayudando a unir muchos métodos dispares bajo un mismo paraguas, especialmente cuando se integra en el software de gestión de procesos empresariales inteligentes (iBPMS).
El alojamiento de todas las herramientas en el lugar adecuado no sólo fomenta la mejora de los procesos y la automatización, sino que refuerza los bucles de retroalimentación para la IA. Para muchos, la minería de procesos y la automatización de bajo código pueden resultar un punto de entrada más rápido y eficiente en este ámbito.