5 Pelajaran Teratas dari CoE Otomatisasi FY24 Q4 UiPath tentang AI &Otomatisasi

AI telah menjadi topik yang sedang tren selama lebih dari setahun, dan telah muncul sebagai prioritas strategis bagi perusahaan pada tahun 2024. Survei Outlook Pulse dari CEO EY menemukan bahwa sebagian besar perusahaan (88%) akan berinvestasi dalam inovasi berbasis AI pada akhir tahun ini.

Inovasi yang didukung AI benar-benar merupakan bagian dari DNA UiPath. Kami telah memanfaatkan AI di seluruh platform kami sejak awal berdirinya, dan penggunaannya semakin meningkat dalam dua tahun terakhir. Sebagai contoh saja, AI memperkuat kemampuan penambangan proses, tugas, dan komunikasi kami serta memungkinkan robot kami memahami dan bekerja dengan dokumen kompleks di berbagai sistem dan lingkungan. AI Generatif telah memungkinkan beragam inovasi terkini—misalnya, untuk mempercepat pembangunan otomatisasi, pengembangan pengujian, dan pelatihan model. 

Sebagai pemimpin Pusat Keunggulan Otomasi UiPath, saya memiliki pengetahuan langsung tentang manfaat yang dapat diberikan oleh kemampuan platform kami yang didukung AI. Ini termasuk:

• Kemampuan untuk mengotomatiskan rangkaian proses yang lebih luas  

• Cara yang lebih cepat dan sederhana untuk membangun otomatisasi berkualitas tinggi 

• Adopsi otomatisasi yang lebih tinggi dan dampak yang lebih luas—terutama berkat pemberdayaan karyawan dengan UiPath Autopilot™, pendamping AI pribadi yang membantu tugas-tugas membosankan di seluruh aplikasi dan sistem bisnis

Kemampuan bertenaga AI yang terjalin di seluruh Platform Otomasi Bisnis UiPath telah membantu kami memberikan beberapa hasil yang sangat positif untuk laporan CoE triwulanan kami. Pada akhir tahun fiskal penuh 2024 (TA24) kami mengoperasikan 716 otomatisasi, yang menghemat 70.677 jam pada kuartal terakhir TA24. Hasilnya, kami kini telah melampaui $59 juta dalam penghindaran biaya kumulatif dan melihat hasilnya di berbagai bidang, termasuk Keuangan, Penjualan &Pemasaran, Operasi Sumber Daya Manusia, dan Operasional. Dan dengan senang hati saya sampaikan bahwa ide otomatisasi yang berasal dari UiPathers dan ditangkap di Automation Hub terus berkembang ke tingkat yang baru.

Namun angka-angka ini bukanlah keseluruhan cerita, karena angka-angka ini hanya mencerminkan kinerja kami—apa yang telah kami capai. Mereka tidak membicarakan bagaimana kami mewujudkan hal ini—tetapi bagi banyak pelanggan kami, cara menyelesaikan sesuatu adalah bagian terpenting dari cerita ini. Faktanya, dalam studi UiPath dan Bain &Company baru-baru ini, “The State of AI-Powered Automation,” 70% eksekutif menyatakan bahwa otomatisasi berbasis AI “sangat penting” atau “penting” dalam memenuhi tujuan strategis organisasi mereka. Dengan keunggulan strategis dan daya saing yang dipertaruhkan, tidak mengherankan jika penerapan AI dan otomatisasi menjadi topik yang menyita perhatian banyak pelanggan kami. 

Oleh karena itu, saya akan menghabiskan sisa blog ini dengan fokus pada beberapa pelajaran penting yang telah kita pelajari dalam penerapan AI dan otomatisasi serta mendapatkan nilai nyata dengan kecepatan maksimum dari kedua teknologi transformatif ini.  

Untuk mengilustrasikan pembelajaran kita, saya akan fokus pada proses utama di departemen keuangan kita, yaitu hutang. Setiap bulan tim hutang menerima hampir seribu faktur yang perlu ditinjau dan dibayar tepat waktu. Hal ini memerlukan pembukaan dan pembacaan faktur yang dikirimkan, mengekstraksi data yang diperlukan, mencocokkannya dengan pesanan pembelian yang ada, dan membukanya di sistem kami untuk melanjutkan pembayaran. Jika dilakukan secara manual, ini adalah tugas berulang yang menuntut perhatian terhadap detail dan mengalihkan banyak jam kerja setiap bulannya dari pekerjaan yang bernilai lebih tinggi. Dengan kata lain, ini merupakan peluang sempurna untuk membiarkan robot kita melakukan tugas tersebut. 

Pada intinya, ini adalah proyek pemrosesan dokumen cerdas (IDP), yang mengharuskan kami memanfaatkan Pemahaman Dokumen UiPath. AI itulah yang memungkinkan Robot UiPath kami membaca dan memahami dokumen yang kompleks dan beragam serta mengambil tindakan menyeluruh di berbagai sistem, departemen, dan teknologi. (Untuk informasi lebih lanjut tentang kemampuan IDP kami, klik di sini).  

Kami fokus pada lima hal untuk memastikan keberhasilan proyek ini.

Lima elemen penerapan AI yang sukses

1. Kolaborasi erat antara CoE dan tim bisnis

Implementasi otomasi yang sukses bergantung pada kemitraan yang kuat antara CoE dan tim bisnis. Otomatisasi tidak dapat terjadi dalam ruang hampa; hal ini harus mencerminkan dan diinformasikan oleh pengguna bisnis yang mengetahui proses dan sistem dan pada akhirnya akan menjadi pengguna dan penerima manfaat dari otomatisasi. 

Dengan 32% tenaga kerjanya terdiri dari asisten digital, tim keuangan dan akuntansi memimpin dalam penerapan otomatisasi di UiPath. Untuk proyek ini, kami meminta bantuan rekan keuangan kami untuk membantu kami mengidentifikasi tahapan utama proses hutang usaha dan memberikan semua detail yang diperlukan untuk membangun otomatisasi dan melatih model AI. Hal ini mencakup wawasan tentang jenis invoice yang biasanya mereka terima, informasi spesifik yang perlu mereka ekstrak, dan detail terkait lainnya.

Kami juga mencari informasi untuk membantu kami melihat lebih jauh dari alur proses yang ada untuk mengidentifikasi peluang optimalisasi dan menyederhanakan efisiensi operasional. Mereka memberi kami wawasan tentang keseluruhan proses pembuatan faktur di Coupa dan membuka mata kami terhadap kemungkinan menargetkan aliran otomatis lainnya, seperti e-Faktur, semuanya dalam konteks bisnis yang lebih luas.

2. Mengukur keberhasilan melampaui KPI otomatisasi “standar”

Bekerja sama dengan tim keuangan, kami mengidentifikasi serangkaian metrik untuk mengukur keberhasilan proyek otomasi kami yang jauh melampaui KPI otomasi tradisional seperti penghematan jam, pengurangan biaya, atau peningkatan akurasi keluaran. Kami menginginkan tolok ukur yang menilai dampak proyek terhadap efisiensi bisnis, dan selaras dengan metrik keuangan yang lebih luas yang digunakan untuk mengukur kinerja perusahaan kami.  

Untuk proyek ini, kami berfokus terutama pada serangkaian tindakan terperinci yang dapat mengungkap dampak langsung otomatisasi terhadap efisiensi operasional. Hal ini mencakup pelacakan waktu pemrosesan faktur sebelum dan sesudah, biaya per faktur yang diproses, tingkat kecocokan pertama kali, tingkat pengecualian PO dan faktur, serta tarif pemrosesan elektronik.

3. Berkomunikasi secara proaktif dengan tim bisnis dan kepemimpinan

Saat kami bekerja dengan tim keuangan, kami memberikan rencana tindakan terperinci, sehingga kolega kami memiliki visibilitas mengenai fase proyek, tenggat waktu, peran utama, dan item tindakan untuk mereka. 

Pada saat yang sama, kami memberikan tinjauan proyek tingkat tinggi kepada sponsor eksekutif dan pemangku kepentingan utama untuk menguraikan visi kami. Sebagai bagian dari hal tersebut, kami memastikan bahwa kami telah mengomunikasikan potensi dampak positif proyek terhadap metrik keuangan utama yang menjadi tanggung jawab para eksekutif ini. Kami ingin memastikan sponsor eksekutif kami dapat memahami bagaimana otomatisasi ini dapat membantu mereka memenuhi KPI—dan dengan demikian, memberikan nilai bagi perusahaan secara keseluruhan.

4. Mengurangi kesalahan dan memastikan akurasi tinggi dengan praktik terbaik AI

Memastikan keakuratan data adalah salah satu tugas utama otomatisasi ini, dan ada dua faktor yang berkontribusi terhadap hal ini—otomatisasi dengan model AI, dan validasi manusia. Saat melatih model AI, Anda perlu memastikan bahwa Anda memiliki data sampel yang besar dan beragam untuk memaksimalkan efisiensi pelatihan.

Dalam kasus kami, kami menyediakan model Pemahaman Dokumen yang siap pakai dengan jenis faktur kami sendiri dan melatihnya untuk mengidentifikasi dan mengekstrak data dalam berbagai skenario. Kami juga menguji model dengan volume data yang berbeda, simulasi periode puncak, dan menilai keakuratannya dalam pengaturan berbeda. Selain itu, dengan menggunakan UiPath Action Center, kami membangun proses validasi manusia ke dalam alur kerja otomatisasi untuk memungkinkan rekan keuangan kami mengambil tindakan jika diperlukan dan membantu model AI.

Meskipun pelatihan ekstensif mengenai model AI dulunya merupakan batu sandungan dalam penerapan IDP—membutuhkan waktu berminggu-minggu atau berbulan-bulan bagi pengguna bisnis—kami menemukan bahwa prosesnya jauh lebih singkat dan mudah dibandingkan asumsi awal kami. Hal ini karena kami dapat menggunakan kemampuan Pembelajaran Aktif kami yang baru, yang menggabungkan elemen pembelajaran yang diawasi dan tanpa pengawasan untuk menciptakan model AI yang lebih baik dalam waktu yang lebih singkat. (Pelajari lebih lanjut bagaimana Pembelajaran Aktif mempercepat otomatisasi AI di sini.)

5. Pemantauan dan peningkatan berkelanjutan

Kami telah belajar bahwa kami tidak dapat berhenti begitu proses otomatis yang didukung AI diterapkan. Untuk proyek ini, kami terus bekerja sama dengan tim keuangan untuk memantau hasil dan mengumpulkan masukan untuk iterasi berikutnya. Penerapan feedback dan learning loop memastikan adanya siklus perbaikan berkelanjutan di mana wawasan baru digunakan untuk menyempurnakan proses otomatisasi, meningkatkan akurasi model, dan mendorong dampak bisnis yang lebih besar. 

Kelima pembelajaran ini sangat penting bagi kemampuan kami untuk menghadirkan otomatisasi berperforma tinggi dan mendapatkan nilai nyata dari AI. Tapi tunggu dulu—ada satu hal lagi yang sangat menambah kemampuan kami dalam melaksanakan proyek ini secara efektif dan cepat. Jadi, inilah ide bonus untuk membaca sejauh ini:

(Tips bonus) Memanfaatkan komponen bawaan 

Kami menyadari bahwa penerapan proyek otomatisasi menyeluruh tidak harus berupa proses yang rumit dan panjang—terutama jika kami dapat menggunakan beberapa dari 70+ Akselerator Solusi kami. Ini adalah kerangka kerja modular yang telah dibuat sebelumnya dan disesuaikan untuk kasus penggunaan berdampak tinggi serta menggabungkan industri dan praktik terbaik kami. Dengan komponen siap pakai ini, kami akan lebih mudah bergerak cepat guna memberikan hasil otomatisasi berperforma tinggi.

Sebagai contoh, untuk proyek hutang dagang kami, kami menggunakan akselerator 'pemrosesan faktur pencocokan 2 arah untuk Coupa'. Hal ini menghilangkan banyak pengembangan khusus, sekaligus memastikan solusi berkualitas tinggi untuk bagian otomatisasi ini. (Bonus lainnya:kami juga dapat menguji akselerator ini dan mengidentifikasi cara untuk meningkatkannya lebih jauh lagi. Selanjutnya, kami akan merilis versi terbaru yang akan menggabungkan wawasan yang diperoleh dari pengalaman penerapan kami.)  

Ini adalah beberapa praktik terpenting yang kami kembangkan untuk menerapkan AI dan otomatisasi. Namun Anda dapat belajar lebih banyak dari konten berfokus CoE yang dibagikan UiPath selama acara DevCon kami baru-baru ini—yang kini dapat Anda lihat sesuai permintaan dengan mendaftar di sini.

Jalan di depan untuk UiPath CoE

Saya ingin menutup blog ini dengan melihat sekilas beberapa perkembangan menarik untuk UiPath CoE. Seperti yang mungkin Anda ketahui, tahun lalu, UiPath dan SAP memperluas kemitraan mereka untuk memungkinkan organisasi di seluruh dunia mempercepat transformasi digital mereka. Pada bulan Januari ini, UiPath dan Deloitte mengumumkan perluasan aliansi untuk menciptakan kolaborasi pasar inovasi bersama yang pertama, menggabungkan keahlian implementasi SAP Deloitte dan kumpulan bakat AI yang mendalam dengan AI UiPath dan teknologi otomasi.  

CoE UiPath akan menjadi 'customer zero' dalam kolaborasi Deloitte-UiPath ini, dan saya sangat gembira dengan apa yang akan kita pelajari dan hal-hal baru apa yang dapat kita lakukan. Saya berharap dapat berbagi pembelajaran dan inovasi kami dengan Anda. Pantau terus!