Apakah RPA overhyped, scalable atau bandaid? Apakah mesin keputusan berikutnya?

Apakah RPA overhyped, solusi terukur atau bandaid? Apakah mesin keputusan masa depan?

Anda cukup sering mendengarnya. RPA terlalu berlebihan. Ini seperti bandaid. Sekarang Era Informasi telah berbicara dengan salah satu pakar konsultan bisnis yang berpendapat bahwa mesin keputusan daripada RPA adalah masa depan. Apakah dia benar?

Untuk Albert Rees, yang mengepalai konsultasi bisnis untuk Amerika Utara, untuk EPAM, RPA lebih seperti bandaid.

Rees melihat dua masalah dengan RPA.

• biaya implementasi jauh lebih tinggi dari yang diperkirakan.
• biaya perawatan. “Anda memindahkan data antara sistem yang ada dan jika sistem itu tidak pernah berubah, semuanya baik-baik saja di dunia. Tapi itu tidak benar-benar terjadi. Jadi saat sistem berkembang, hal-hal di belakang juga harus berubah.

Rees mengatakan:"Anda harus mencapai tingkat detail yang cukup rendah untuk benar-benar memahami di mana otomatisasi akan bekerja dan apa yang akan dilakukannya dan bagaimana ia akan berinteraksi dengan sistem." Mencapai tingkat detail yang rendah juga membutuhkan biaya.

Dia menambahkan:“Kami melihat orang-orang menyalin dan keluar dari spreadsheet, Anda pergi ke pusat panggilan, Anda melihat skenario tiga layar di mana mereka memindahkan data dari layar A ke layar B ke layar C dan hanya tiga sistem internal yang mereka gunakan. sedang memindahkan informasi dan salah satunya mungkin Excel. Jika ada perubahan pada salah satu dari itu dan tiba-tiba Anda harus masuk kembali dan menerapkan pembaruan. Sebagian besar organisasi tidak dapat melakukannya sendiri sehingga mereka kembali membelanjakan uangnya lagi.”

Mesin pengambilan keputusan

Sebaliknya, dia melihat mesin keputusan sebagai kuncinya. Tapi apa mereka? Dia berkata:“Saya menganggap Mesin Keputusan sebagai alat yang digunakan untuk mengotomatisasi beberapa bagian dari pengambilan keputusan manusia yang dapat ditentukan oleh seperangkat aturan. Mereka bekerja dengan menerapkan aturan bisnis yang telah ditentukan sebelumnya (sering disebut sebagai 'pohon keputusan') ke kumpulan data. Mesin Keputusan biasanya bukan pengganti RPA, namun mereka dapat meningkatkan RPA saat suatu proses memerlukan keputusan yang dibuat saat mengevaluasi aturan kompleks yang diterapkan pada kumpulan data yang kompleks.”

Debat

Jadi, benarkah?

Baru-baru ini, Information Age berbicara dengan Bruno Ferreira Managing Director UK &Ireland di UiPath, tidak mengherankan, dia memiliki perspektif yang berbeda.

Argumen hype, sarannya, tidak masuk akal. “Tingkat perpanjangan kami lebih dari 90%.”

Dia juga mengacu pada pertumbuhan UiPath:$10 juta pada tahun 2016, $200 juta pada tahun 2018, menunjukkan bahwa angka yang sulit menunjukkan keinginan yang kuat untuk RPA.

Namun, dia menyarankan hanya sejumlah kecil organisasi yang menggunakan RPA, yang menyiratkan potensi pertumbuhan yang sangat besar.

Sarah Burnett, wakil presiden eksekutif dan analis terkemuka di Everest Group mengatakan bahwa “kami sebenarnya telah melakukan penelitian yang menunjukkan bahwa perusahaan mencapai penghematan biaya sekitar 30%.”

Perban RPA?

Lalu ada isu RPA seperti bandaid. Itu bermuara pada sistem warisan. “Mereka ditulis dalam COBOL, mereka duduk di mainframe, dan itu adalah satu kasus penggunaan di mana kami tidak dapat melakukan apa pun dengan sistem warisan itu lagi, kata Rees. Dia kemudian berargumen bahwa banyak sistem tidak terintegrasi dengan baik — “kami mendapatkan banyak versi kebenaran, dan itu berarti banyak sekali pekerjaan manual biasa, memasukkan data, misalnya, yang sudah ada di sistem lain.” Dia menyarankan sejumlah perusahaan menggunakan RPA untuk membantu dalam hal ini, tetapi “dalam banyak hal, RPA adalah bandaid untuk hal-hal yang mungkin ada, kemampuan yang mungkin ada dalam ERPS, dan solusi jenis terbaik lainnya saat ini. ”

“Pertanyaan dalam benak saya, katanya “adalah berapa lama RPA benar-benar bertahan sebagai solusi yang layak di pasar. Dan itu saya tidak tahu. Saya berspekulasi antara tiga dan lima tahun, karena apa yang sebenarnya kami lihat adalah pelanggan bergerak menuju otomatisasi cerdas dan solusi cloud, yang benar-benar merupakan evolusi berikutnya dari RPA. ”

Di sini sekali lagi, ada yang sangat tidak setuju. Misalnya, UiPath dengan terkenal menyatakan tujuannya untuk mencapai robot untuk setiap meja, tujuan yang tampaknya memiliki perencanaan jangka panjang yang tersirat di dalamnya.

Bruno Ferreira mencontohkan, target UiPath untuk menjadi satu robot per ilmuwan. "Bayangkan itu," katanya, "setiap hari seorang ilmuwan pergi ke lab, tetapi harus menghabiskan satu jam sehari untuk persiapan," dengan RPA katanya "perkiraan menyarankan penghematan sembilan jam sebulan, yang akan luar biasa. ”

Data sensitif

Rees juga memiliki kekhawatiran dengan robot tanpa pengawasan, yang dapat mengotomatiskan proses dari ujung ke ujung. Sebagian masalah terletak pada regulasi dan bahaya bahwa robot tanpa pengawasan dapat mengulangi kesalahan, yang tidak disadari oleh operator, yang terpisah dari operasi sehari-hari.

“Semua orang ingin menjadi gesit,” katanya dan “gesit itu hebat dari perspektif pengembangan ketika Anda mampu membuat kesalahan dan belajar dari kesalahan dan memperbaikinya. Tetapi Anda tidak dapat melakukannya dengan data sensitif.

Jadi, ketika Anda memiliki robot yang memindahkan data dari sistem A ke sistem B yang berada di belakang firewall, tanpa pengawasan berfungsi dengan baik. Jika ada yang salah, coba tebak? Kami melakukan sprint lagi, memperbaikinya, dan kami kembali tanpa pengawasan lagi. Biasanya itu tertangkap sebelum sampai ke tangan siapa pun, di mana itu akan menimbulkan masalah.”

Dia melihat masalah, bagaimanapun, dengan data sensitif. Misalnya, jika Anda mendapatkan "laporan bank untuk rekening giro orang lain. “Dalam situasi ini tanpa pengawasan menjadi jauh lebih berisiko.”

Sarah Burnett, sebaliknya, melihat akurasi pencapaian data sebagai salah satu kekuatan RPA.

Seperti yang mereka katakan, berbuat salah adalah menjadi manusia, RPA dapat menghilangkan kesalahan.

“Jika seseorang memasukkan sedikit data, mereka dapat dengan mudah mengganti beberapa nomor secara tidak sengaja. Memperbaiki kesalahan itu, semakin jauh prosesnya, semakin mahal harganya. Anda mungkin memiliki orang-orang, yang waktunya sangat mahal, mengejar kesalahan ini dan mencoba memperbaikinya, jauh di jalur berenang proses. Robot jika dikembangkan dengan benar dan dipelihara serta dijalankan dengan lancar, tidak akan membuat kesalahan tersebut. Kami mendengar dari organisasi yang mengatakan bahwa mereka terus menguji aplikasi robot mereka dan mereka tidak pernah menemukan kesalahan setelah mengujinya, itu 100% akurat …selalu.”