Is RPA overhyped, schaalbaar of een pleister? Zijn beslissingsmotoren de volgende?

Is RPA overhyped, een schaalbare oplossing of een pleister? Zijn beslissingsmotoren de toekomst?

Je hoort het vaak genoeg. RPA is overhyped. Het is als een pleister. Nu heeft Information Age gesproken met een expert op het gebied van bedrijfsadvies die heeft betoogd dat beslissingsmotoren in plaats van RPA de toekomst zijn. Heeft hij gelijk?

Voor Albert Rees, die aan het hoofd staat van bedrijfsadvies voor Noord-Amerika, voor EPAM, is RPA meer een pleister.

Rees ziet twee problemen met RPA.

• implementatiekosten zijn veel hoger dan verwacht.
• onderhoudskosten. “Je verplaatst data tussen bestaande systemen en als die systemen nooit veranderen, is alles goed in de wereld. Maar dat is niet echt het geval. Dus naarmate systemen evolueren, moeten dingen aan de achterkant ook veranderen.

Rees zegt:"Je moet tot een vrij laag detailniveau komen om echt te begrijpen waar automatisering gaat werken en wat het gaat doen en hoe het zal interageren met systemen." Het bereiken van dat lage detailniveau brengt ook kosten met zich mee.

Hij voegt eraan toe:"We zien mensen spreadsheets in en uit kopiëren, je gaat naar callcenters, je ziet het scenario met drie schermen waarin ze gegevens van scherm A naar scherm B naar scherm C verplaatsen en het zijn slechts drie interne systemen die ze bent informatie aan het verplaatsen en een daarvan kan Excel zijn. Als er iets verandert aan een van deze en plotseling moet je weer naar binnen gaan en een update implementeren. De meeste organisaties kunnen dat zelf niet, dus geven ze weer geld uit.”

Besluitmotoren

In plaats daarvan ziet hij beslissingsmotoren als de sleutel. Maar wat zijn ze? Hij zei:"Ik denk aan Decision Engines als tools die worden gebruikt om een ​​deel van de menselijke besluitvorming te automatiseren die kan worden gedefinieerd door een reeks regels. Ze werken door vooraf gedefinieerde bedrijfsregels (vaak 'beslissingsbomen' genoemd) toe te passen op datasets. Decision Engines zijn doorgaans geen vervanging voor RPA, maar ze kunnen RPA wel verbeteren wanneer een proces een beslissing vereist bij het evalueren van complexe regels die worden toegepast op complexe datasets.”

Het debat

Dus, klopt dat?

Onlangs sprak Information Age met Bruno Ferreira, Managing Director UK &Ireland bij UiPath, en het is niet verrassend dat hij een ander perspectief heeft.

Het hype-argument, stelt hij, slaat nergens op. "Ons vernieuwingspercentage is meer dan 90%."

Hij verwijst ook naar de groei van UiPath:$ 10 miljoen in 2016, $ 200 miljoen in 2018, wat suggereert dat de harde cijfers wijzen op een woeste honger naar RPA.

En toch suggereert hij dat slechts een klein aantal organisaties RPA gebruikt, wat een enorm groeipotentieel inhoudt.

Sarah Burnett, executive vice president en vooraanstaande analist bij Everest Group zegt dat "we daadwerkelijk onderzoeken hebben gedaan waaruit blijkt dat bedrijven ongeveer 30% kostenbesparingen realiseren."

De RPA-pleister?

Dan is er de kwestie van RPA als een pleister. Het komt neer op legacy-systemen. "Ze zijn geschreven in COBOL, ze zitten op mainframes, en dat is een geval waarin we niets meer kunnen doen met die legacy-systemen", zegt Rees. Vervolgens stelt hij dat veel van de systemen niet goed geïntegreerd zijn - "we krijgen meerdere versies van de waarheid, en dat betekent ontzettend veel alledaags handmatig werk, bijvoorbeeld het invoeren van gegevens die al in een ander systeem bestaan." Hij suggereert dat een aantal bedrijven RPA gebruiken om hierbij te helpen, maar dat "RPA in veel opzichten een pleister is voor dingen die zouden kunnen bestaan, mogelijkheden die vandaag de dag binnen ERPS en andere best-of-breed-type oplossingen kunnen bestaan. ”

"De vraag die in mijn hoofd opkomt, is", zegt hij, "is hoe lang RPA echt als een levensvatbare oplossing op de markt blijft. En dat weet ik niet. Ik speculeer ergens tussen de drie en vijf jaar, want wat we echt zien, is dat klanten op weg zijn naar intelligente automatisering en cloudoplossingen, die echt de volgende evolutie van RPA zijn. ”

Ook hier zijn er weer die het hier sterk mee oneens zijn. UiPath heeft bijvoorbeeld zijn doel bekend gemaakt om voor elk bureau een robot te maken, een doel dat impliciet lijkt te zijn op lange termijn schaven.

Bruno Ferreira noemt als voorbeeld het doel van UiPath om één robot per wetenschapper te zijn. "Stel je voor," zegt hij, "elke dag gaat een wetenschapper naar het laboratorium, maar moet een uur per dag besteden aan de voorbereiding", zegt hij met RPA "schattingen suggereren een besparing van negen uur per maand, wat geweldig zou zijn. ”

Gevoelige gegevens

Rees maakt zich ook zorgen over onbemande robots, die een proces van begin tot eind zouden kunnen automatiseren. Een deel van de problemen ligt bij de regelgeving en het gevaar dat onbemande robots een fout kunnen herhalen, waar operators, gescheiden van de dagelijkse operaties, zich niet van bewust zijn.

"Iedereen wil agile zijn", zegt hij en "agile is geweldig vanuit een ontwikkelingsperspectief als je het je kunt veroorloven om fouten te maken en van de fouten te leren en te corrigeren. Maar dat kun je niet doen met gevoelige gegevens.

Dus als robots gegevens van systeem A naar systeem B verplaatsen achter een firewall, werkt onbeheerd prima. Als er iets misgaat, raad eens? We gooien nog een sprint, repareren het en we zijn weer onbeheerd terug. Meestal wordt het gepakt voordat het ooit in iemands handen komt, waar het een probleem gaat creëren.

Hij ziet echter een probleem met gevoelige gegevens. Als u bijvoorbeeld de “bankafschriften van de betaalrekening van iemand anders krijgt. "In deze situaties wordt onbeheerd veel, veel riskanter."

Sarah Burnett daarentegen beschouwt prestatienauwkeurigheid van gegevens als een van de sterke punten van RPA.

Zoals ze zeggen, vergissen is menselijk zijn, RPA kan fouten elimineren.

“Als een persoon een beetje gegevens invoert, kan hij zo gemakkelijk per ongeluk van nummer wisselen. Als u die fout herstelt, wordt het duurder naarmate het proces verder aflegt. Het kan zijn dat mensen, wier tijd erg duur is, deze fout achtervolgen en proberen te herstellen, een heel eind verderop in het proces. Robots zullen die fouten niet maken, als ze correct zijn ontwikkeld en worden onderhouden en soepel draaien. We horen van organisaties die zeggen dat ze hun robot-apps bleven testen en dat ze nooit een fout hebben gevonden nadat ze het hadden getest, het was 100% nauwkeurig ... altijd."