La pandemia ha visto un interesse accelerato per l’automazione dei processi, con le organizzazioni che nell’ultimo anno si sono affrettate a rivedere i processi aziendali e incrementare gli sforzi di trasformazione digitale in risposta alla disruption causata dal COVID-19.

E per i leader IT che intraprendono o sono già immersi in tali sforzi di modernizzazione, l’intelligenza artificiale, principalmente sotto forma di machine learning, mantiene la promessa di rivoluzionare l’automazione, avvicinandoli ai loro sogni di automazione dei processi end-to-end.

Ma per ora, l’automazione dei processi basata sull’intelligenza artificiale rimane un approccio frammentario, in cui l’IA è coinvolta in singole attività ma non lungo l’intera catena di processo. L’automazione completamente intelligente, insomma, non è ancora arrivata, ma le organizzazioni che lavorano per colmare le lacune stanno trovando modi innovativi per rendere più concreto questo concept così promettente e rivoluzionario.

Lo stato attuale dell’automazione intelligente

Un tipico caso d’uso per l’intelligenza artificiale nell’automazione include quanto segue: invece di richiedere a qualcuno di reinserire manualmente le informazioni da un PDF in un modulo, un’intelligenza artificiale è addestrata a farlo al posto nostro. Oppure, quando un dipendente normalmente cerca tra i documenti aziendali per rispondere a una domanda del cliente, un’intelligenza artificiale suggerisce le possibili risposte.

Per quanto riguarda il resto del processo, gli umani rimangono al centro. Un analista aziendale umano capisce cosa entra in un particolare processo. Gli sviluppatori utilizzano sistemi di automazione dei processi robotici (RPA) per creare flussi di processo. Più analisti aziendali monitorano le prestazioni del processo, cercando di trovare colli di bottiglia e idee per altri passaggi che potrebbero essere automatizzati tramite lo scripting tradizionale o con il potenziamento dell’intelligenza artificiale.

In altre parole, l’IA, finora, ha agito come uno strumento in grado di riempire solo delle nicchie nel più ampio schema di automazione. “Uno dei segreti ben custoditi dell’IA è esattamente quanto sia ristretto ogni caso d’uso”, afferma Elena Christopher, vicepresidente senior della ricerca presso HFS Research.

Tuttavia, la tecnologia per creare una vera automazione intelligente end-to-end potrebbe essere già disponibile, almeno in piccoli pezzi. Le sfide rimangono, incluso il fatto che ottenere visibilità sui flussi di lavoro aziendali non è sempre semplice, poiché i dipendenti spesso cambiano sistema per svolgere parte di un’attività, minando così la capacità dell’IA di comprendere appieno un processo dall’inizio alla fine.

Utilizzo della visione artificiale per ottenere informazioni sui processi

Genpact, un’azienda globale di servizi professionali con quasi 100.000 dipendenti, gestisce migliaia di processi per centinaia di clienti, comprese molte società Fortune 500. Utilizza l’AI per abbinare le singole transazioni nei sistemi principali con i processi più grandi di cui fanno parte. Ma l’intelligenza non è sufficiente quando, ad esempio, un dipendente lascia il sistema centrale per visualizzare una pagina in un browser Web afferma Sanjay Srivastava, chief digital officer di Genpact.

Ad esempio, una fase di un processo può comportare la ricerca di una pagina dei prezzi per verificare se un determinato articolo è superiore o inferiore a 100 dollari. Per completare l’attività, un dipendente potrebbe aprire la pagina pertinente e cercare visivamente il prezzo prima di decidere cosa fare dopo. Quell’azione (vedere qualcosa sullo schermo) è difficile da catturare digitalmente.

È qui che entra in gioco la visione artificiale, che utilizza le telecamere sulle postazioni di lavoro per monitorare dove stanno guardando i dipendenti. “Il tutto deve assolutamente essere fatto con il consenso delle persone”, afferma Srivastava. “In genere, le aziende che serviamo hanno policy preesistenti che si occupano di questi aspetti, quindi questo approccio funziona per alcune aziende e non funziona per altre”.

Utilizzando una combinazione di tecniche, inclusa la visione artificiale, il sistema automatizzato di Genpact raccoglie tutte le azioni relative al processo aziendale, non solo quelle dei dipendenti in un particolare reparto o ruolo lavorativo. Identificare tutte le attività e collegarle in un flusso di lavoro è chiamato process mining, che Genpact sta portando avanti utilizzando una soluzione automatizzata basata sull’intelligenza artificiale da tre anni, afferma Srivastava. L’anno scorso, l’azienda ha aggiunto la visione artificiale per rendere la tecnologia più completa.

Una volta che il processo aziendale è stato identificato ed estratto, Genpact può  monitorare e risolvere le singole istanze di quel processo o perfezionare il processo in base al feedback continuo. Ad esempio, se è richiesta l’approvazione per modifiche superiori al 10% all’importo di una fattura originale e l’approvazione viene data il 100% delle volte, forse è il momento di modificare la regola aziendale dal 10% al 20%, afferma Srivastava. L’automazione robotica dei processi può quindi saltare la fase di approvazione per le modifiche alle fatture inferiori al 20% o fornire una nota sotto forma di popup per ricordare ai dipendenti che non devono più inoltrare la fattura al finanziamento per l’approvazione e possono invece prendere la decisione finale da soli.

Automazione iperscalabile

Script di automazione generati dall’intelligenza artificiale

La società di consulenza per la trasformazione digitale UST utilizza l’intelligenza artificiale da circa tre anni per aiutare ad automatizzare i processi aziendali che servono per digitalizzare l’attività, afferma Adnan Masood, capo architetto di intelligenza artificiale e apprendimento automatico dell’azienda.

Masood, che collabora con i laboratori AI di Stanford e del MIT, ha un brevetto sulla scoperta dei processi aziendali tramite machine learning non supervisionato, collegando le singole attività in un processo end-to-end. Prendete, ad esempio, lo stesso sito Web che un dipendente controlla per cercare un prezzo. Una cosa è che un sistema automatizzato identifichi che ciò sta accadendo come parte di un processo; più difficile è riuscire a duplicare l’azione, dato che i siti web cambiano continuamente.

“Vettorializziamo gli input che arrivano e utilizziamo il deep learning per identificare che cosa è un input“, afferma Masood. Quindi, la prossima volta che il dipendente accede a quel sito Web, l’AI può estrarre i dati automaticamente, senza che qualcuno scriva manualmente l’attività.

“C’è sempre un essere umano in questo loop che può dire al computer che il campo dati non è stato convalidato correttamente”, dice Masood. “Le tipiche piattaforme RPA automatizzano semplicemente il lavoro pesante. Ma l’intelligenza artificiale cognitiva è auto-ottimizzante e apprende da sola con il tempo”.

All’interno di determinati parametri, il sistema può anche funzionare con il pilota automatico. “È qui che può agire direttamente sulla base di ciò che ha appreso.” Ma il sistema di Masood richiede ancora una serie di log di base su cui lavorare e la ricerca e la raccolta di tutti i log di processo rimangono processi manuali che richiedono tempo. “I dati non sono mai in un unico sistema. Provengono da più fonti e da diverse modalità. Qualcuno deve eseguire la configurazione iniziale.”

Se i dati si trovano in sistemi legacy, questo processo potrebbe richiedere la codifica personalizzata, l’apertura di firewall o l’ottenimento di approvazioni normative o di sicurezza informatica, per non parlare degli ingegneri dei dati per impostare i flussi di dati: un processo che può richiedere anche mesi.

Una volta raccolti i dati, l’AI inizia ad analizzare i flussi di lavoro. Potrebbero essere necessari alcuni mesi per convalidare la mappa del flusso di lavoro, a seconda del numero di persone coinvolte nel processo e della frequenza delle transazioni. Con il processo ora mappato, devono però esserci sempre gli esseri umani per convalidarlo. “Un esperto in materia lo guarda e dice: ‘No, questo passaggio è sbagliato, ecco le giuste fonti di dati”, continua Masood.

La sfida delle integrazioni profonde

Per le aziende che si sono rivolte a soluzioni RPA, le attività al di fuori dei sistemi core possono ancora presentare delle sfide non semplici da affrontare. Soluzioni alternative come lo scraping del web e la scansione di documenti OCR sono “tamponi” a breve termine che possono introdurre errori e causare l’interruzione dei processi. Una soluzione migliore è rappresentata da integrazioni più profonde da macchina a macchina tramite API.

“Quando si utilizza l’RPA su un sito Web, l’automazione non è così stabile” afferma Megan Amdahl, vicepresidente senior delle alleanze e delle operazioni dei partner presso la società di consulenza tecnologica Insight. L’RPA può vedere cosa fanno gli utenti su un sito web, dice, ma non c’è modo per il sistema RPA di sapere che il sito web può offrire un’API che può essere utilizzata per ottenere i dati direttamente. Di conseguenza, Insight è tornato allo scripting manuale per questo tipo di automazioni.

Altri ostacoli alla piena automazione sono i partner commerciali che non hanno ancora digitalizzato i loro processi o che hanno sistemi incompatibili. “I clienti vogliono fare le cose a modo loro e andranno da un’azienda che riceverà le informazioni nel modo in cui vogliono fornirle. Quindi, ad esempio, potrebbero ordinare la maggior parte delle cose che vogliono dal nostro sito web, ma i loro processi interni richiedono la creazione di un ordine di acquisto.”

automazione

Processi mirati

PricewaterhouseCoopers ha riscontrato un certo successo con il process mining basato sull’intelligenza artificiale, ma in misura limitata in casi specifici e ristretti, afferma Anand Rao, leader dell’intelligenza artificiale di PwC. “Abbiamo messo insieme diversi strumenti per farlo”, afferma. “Dato il tipo disparato di lavori che le persone svolgono, se avessimo solo un bot in background che osserva tutti non ci ricaveremmo granché”.

Convinto di ciò, Rao mette in guardia contro gli slogan di marketing che promettono l’automazione come una panacea per tutti i problemi. “Se un fornitore vi dice che può installare software di process mining e sostituire dieci persone, non ci crederei”. Inoltre, la maggior parte dell’intelligenza artificiale utilizzata in ambito RPA è per attività specifiche e individuali, afferma Chida Sadayappan, specialista principale per il machine learning presso Deloitte Consulting.

“Tutto è abilitato per l’AI. Ci sono documenti che possono essere letti, dati che possono essere estratti o attività di imaging. Ma tutto ciò non è un RPA basato sull’intelligenza artificiale. In questo caso infatti l’intelligenza artificiale sta solo sostituendo alcune attività banali.”

Le grandi compagnie di assicurazione potrebbero infondere l’intelligenza artificiale nell’automazione del flusso di lavoro dei processi e le istituzioni finanziarie potrebbero utilizzarla per elaborare le richieste di mutuo, afferma Sadayappan, “ma per il resto, ci sono pochissime automazioni del flusso di lavoro su larga scala”.

Ma Dan Diasio, leader nella consulenza sull’intelligenza artificiale presso Ernst & Young, vede un potenziale di crescita. “L’intelligenza artificiale ha molte soluzioni mirate. Ma ora c’è un’opportunità per passare da soluzioni mirate a piattaforme basate sull’intelligenza artificiale. E l’automazione sta cercando di passare alle attività basate sull’intelligenza artificiale. Le due cose stanno convergendo. EY ha effettivamente portato il team che tradizionalmente si concentra sull’automazione dei processi nel team AI proprio per questo motivo”.

Lo scopo del processo

L’intelligenza artificiale per il process mining e l’automazione del flusso di lavoro è ancora nelle fasi iniziali, afferma l’analista di Gartner Marc Kerremans, autore di un report sull’elaborazione del mining. “Ma può solo migliorare.” Ciò che però non sarà automatizzato, almeno nell’immediato futuro, è la consapevolezza del contesto. Sarà comunque necessaria un’analisi umana per accertare se un processo debba esistere in primo luogo o se debba essere sostituito con qualcos’altro”.

Nel frattempo, i fornitori stanno investendo molto. Tutti i principali vendor di RPA stanno infatti costruendo o acquistando funzionalità di process mining e investendo in AI, inclusi Celonis, UiPath, Automation Anywhere, Blue Prism e Livejourney. IBM ha inoltre acquisito recentemente la società di process mining myInvenio, mentre SAP ha acquisito il fornitore di process mining Signavio e Microsoft ha acquistato il fornitore di automazione del flusso di lavoro Softomotie.

Alla fine, afferma Kerremans, il process mining sarà una caratteristica comune nelle piattaforme aziendali. Tuttavia, Kerremans consiglia di non aspettare troppo per quanto riguarda il mining di processo. “Anche se non avete tutte le informazioni disponibili, iniziate con le attività che hanno informazioni prontamente disponibili. Continuerete a creare intuizioni, visibilità e valore. Se non lo fate subito ma aspetti tre anni, rimarrete indietro.”