Ketua Eksekutif Blue Prism Jason Kingdon Menjelajahi Pertumbuhan Cepat RPA
Jason Kingdon pertama kali terlibat dengan Blue Prism pada tahun 2007. Tiga belas tahun kemudian, setelah beberapa periode jauh dari perusahaan, ia kembali sebagai executive chairman tepat saat boom RPA telah dimulai.
Delapan tahun yang lalu istilah RPA tidak ada dan perusahaan tidak membeli ide otomatisasi proses robotik. Itu bukan lagi kasus sekarang — Blue Prism, UiPath, Automation Anywhere dan AntWorks adalah hanya empat anggota dari pasar RPA yang berkembang.
Dalam kasus Blue Prism, following IPO pada tahun 2016, perusahaan tumbuh dari 60 karyawan menjadi lebih dari 1.000 orang. “Kami memiliki pelanggan di 170 negara, bekerja sama dengan 20% perusahaan Fortune 2000 dan aktif di lebih dari 70 sektor komersial yang telah membeli produk ini,” ujar Kingdon.
Ledakan RPA
Tentu saja telah ada ledakan minat terhadap RPA dan seluruh ide otomatisasi — mengambil proses manual yang memakan waktu masa lalu dari tangan karyawan.
“Di antara kami [pemimpin pasar RPA], kami telah memperkenalkan dunia pada potensi otomatisasi dan aplikasinya pada berbagai proses dan fungsi bisnis,” lanjutnya.
Kingdon tidak salah. Pendapatan perangkat lunak RPA tumbuh 63,1% pada tahun 2018 menjadi $846 juta, menjadikannya segmen yang tumbuh paling cepat dari pasar perangkat lunak enterprise global, menurut Gartner.
RPA baru memulai
RPA, nonostante pertumbuhan luar biasa dari perangkat lunaknya, masih berada di tahap sangat awal dari aplikasinya dan adopsi.
Ada dua area yang Kingdon lihat sebagai area pertumbuhan signifikan:
1. Otomatisasi proses enterprise untuk bisnis yang lebih luas.
2. Otomatisasi cerdas yang membantu individu dalam tugas harian mereka.
“Ini adalah dua pasar yang bertindih satu sama lain, tetapi termasuk dalam pasar RPA.
“Pertama mirip dengan model tipe Alexa, di mana otomatisasi membuat pintasan untuk pengguna di tempat kerja dan yang kedua lebih mirip dengan model tipe ERP, di mana otomatisasi digunakan untuk membantu mengorganisir bisnis dan prosesnya,” menjelaskan.
Analogi yang baik untuk ini adalah ketika robotika diperkenalkan ke manufaktur — itu sepenuhnya merevolusi sektor ini pada skala besar.
“Dengan RPA, kemampuan yang sama dapat dicapai untuk industri jasa,” lanjut Kingdon. “Setiap proses bisnis, sesuatu yang dapat diulang dan dapat menghasilkan hasil, dapat diotomatisasi.”
RPA bukan TI
Pada tahap awal RPA, klien bertanya pada penyedia — seperti Blue Prism — sejumlah pertanyaan; bagaimana saya dapat menggunakan teknologi ini? Bagaimana saya dapat menskalakannya dalam organisasi saya? Bagaimana ini menjadi bagian kunci dari apa yang organisasi saya lakukan? Apa perbedaan ini dengan TI?
TI menyediakan infrastruktur inti, penanganan data massal, penyimpanan data dan pengemasannya untuk tugas otomatisasi besar di departemen seperti HR, Payroll dan Logistik. Di atas inti TI ini, proses dijalankan dan itulah yang dapat diotomatisasi.
Robot perangkat lunak ini harus berinteroperabilitas dengan sistem atau proses apa pun dan tujuannya adalah untuk mereka menjadi pekerja digital yang bekerja seperti manusia.
Di luar eksagerasi
Organisasi dapat mengukur ROI dari investasi RPA. Dan, hasil nyata yang telah disajikan teknologi menunjukkan bahwa ini melebihi eksagerasi dari teknologi lainnya, di mana hasilnya kurang nyata.
Pada tahun 2015, London School of Economics menemukan bahwa RPA menghasilkan ROI tiga tahun sebesar 800%, berdasarkan studi kasus dengan Telefônica O2.
Dampak transformasional ini telah menyebabkan organisasi mengadopsi teknologi ini dalam jumlah besar, karena mengubah aturan dasar dalam hal apa yang dapat mereka lakukan dalam organisasi — menyederhanakan, berinovasi dan menolak gangguan.
“Ini adalah alasan mengapa RPA mewakili tantangan bagi offshoring. Ini memungkinkan organisasi untuk melihat infrastruktur mereka dengan cara yang sama sekali berbeda dan dalam cara mereka mengeksekusi proses bisnis,” tambah Kingdon.
Pekerja digital, pengikat teknologi
Dengan RPA, setiap sistem berinteroperabilitas dengan setiap sistem lain. Pekerja digital ini harus dapat bekerja dengan pekerja digital lainnya, sama seperti manusia berinteraksi satu sama lain.
“Pengalokasian tugas mirip dengan dinamika manusia yang berinteraksi satu sama lain. Jika tugas tertinggal jadwal, pekerja digital dapat merambat ke tugas itu, bekerja padanya dan mengembalikannya ke tenggat waktu.
“Jika aplikasi baru dibuat tahun depan, pengguna bisnis dapat melatih pekerja digital ini cara menggunakan aplikasi baru itu, sama seperti yang Anda lakukan dengan seorang manusia.
“Ini telah menyebabkan perubahan besar dalam hal interoperabilitas sistem, yang secara historis tidak tersedia bagi organisasi,” ujar Kingdon.
Kemampuan untuk melatih pekerja digital berarti organisasi akan dapat dengan sukses mengadopsi teknologi baru dengan tingkat yang jauh lebih cepat.
Sebagai contoh dari ini dalam praktik, Kingdon merujuk pada perusahaan yang bekerja sama dengan Blue Prism, BigMedilytics, yang menggunakan deep neural net untuk memindai citra retina untuk tanda-tanda mungkin diabetes.
Ia berkata: “Perusahaan ini terdiri dari dokter dan PhD pemrosesan visual dan mereka ingin menjual kemampuan ini kepada NHS.
“Masalahnya adalah NHS memiliki lebih dari 265 sistem administrasi pasien yang berbeda, yang tidak satu pun berbicara satu sama lain.
“BigMedilytics dapat menghabiskan sisa waktu mereka membangun antarmuka untuk sistem yang berbeda ini di berbagai NHS Trust, tetapi sebagai gantinya mereka menggunakan RPA untuk membuka teknologi mereka ke seluruh ekosistem sistem yang berbeda dalam NHS. Teknologi perusahaan secara instan menjadi tersedia.”
Dalam contoh ini, memikirkan analisis gambar atau teks yang tidak terstruktur untuk kemampuan AI spesialis, RPA meletakkan teknologi BigMedilytics ke dalam proses dan mendistribusikan proses tersebut di seluruh NHS.
RPA, pada akhirnya, dapat membantu mempercepat adopsi teknologi lain tanpa halangan teknis yang sama yang dulu ada.
