RPA: Overhyped of gewoon een pleister? Zijn beslissingsmotoren de echte toekomst?

Je hoort het vaak genoeg. RPA is overhyped. Het is als een pleister. Nu heeft Information Age gesproken met een business consulting-expert die argumenteert dat beslissingsmotoren in plaats van RPA de toekomst is. Heeft hij gelijk?

Voor Albert Rees, die business consulting voor Noord-Amerika leidt voor EPAM, is RPA meer als een pleister.

Rees ziet twee issues met RPA.

• Implementatiekosten zijn veel hoger dan ze verwachtten.
• Onderhoudskosten. "Je beweegt 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 back-end ook veranderen.

Rees zegt: "Je moet een vrij laag detailniveau bereiken om echt te begrijpen waar automatisering gaat werken en wat het gaat doen en hoe het gaat interageren met systemen." Dat laag detailniveau bereiken draagt ook een kost.

Hij voegt toe: "We zien mensen kopiëren in en uit spreadsheets, je gaat naar callcentra, je ziet het drie-schermen-scenario waar ze data verplaatsen van scherm A naar scherm B naar scherm C en het zijn gewoon drie interne systemen die ze informatie rond schuiven en een van hen is misschien Excel. Als er iets verandert op een van die en plotseling moet je teruggaan en een update implementeren. Meeste organisaties kunnen dat niet zelf doen dus zijn ze weer geld aan het uitgeven."

Beslissingsmotoren

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

De discussie

Klopt dat?

Onlangs sprak Information Age met Bruno Ferreira, Managing Director VK & Ierland bij UiPath, niet verrassend, heeft hij een ander perspectief.

Het hype-argument, suggereert hij, maakt geen zin. "Onze hernieuwingsrate is meer dan 90%."

Hij verwijst ook naar UiPath's groei: $10 miljoen in 2016, $200 miljoen in 2018, wat suggereert dat de harde cijfers een wrede honger voor RPA aangeven.

En toch suggereert hij dat slechts een klein aantal organisaties RPA gebruikt, wat massive potentieel voor groei impliceert.

Sarah Burnett, executive vice president en distinguished analyst bij Everest Group zegt dat "we eigenlijk studies hebben gedaan die tonen dat bedrijven ongeveer 30% kostenbesparing behalen."

De RPA-pleister?

Dan is er het issue van RPA als een pleister. Het loopt uit op legacy-systemen. "Ze zijn geschreven in COBOL, ze zitten op mainframes, en dat is een use-case waar we niets meer mee kunnen doen met die legacy-systemen," zegt Rees. Hij argueert dan dat veel van de systemen niet goed geïntegreerd zijn — "we krijgen meerdere versies van de waarheid, en dat betekent een heelboel saaie handmatig werk, data invoeren, die al in een ander systeem bestaat." Hij suggereert dat een aantal bedrijven RPA gebruikt om hiermee te helpen, maar dat "op veel manieren, RPA een pleister is voor dingen die zouden kunnen bestaan, capabilities die zouden kunnen bestaan binnen ERPs en andere best-of-breed type oplossingen vandaag."

"De vraag in mijn hoofd," zegt hij "is hoe lang RPA echt blijft als een levensvatbare oplossing in de marktplaats. En dat weet ik niet. Ik speculeer ergens tussen drie en vijf jaar, want wat we echt zien is klanten die bewegen naar intelligent automation en cloud-oplossingen, wat echt de volgende evolutie van RPA is."

Hier weer, zijn ergen die sterk het oneens zijn. Bijvoorbeeld, UiPath heeft faam zijn doel gesteld om een robot voor elk bureau te bereiken, een doel wat impliciet langetermijnplanning lijkt te hebben.

Bruno Ferreira citeert als voorbeeld, UiPath's target van hun zijn één robot per wetenschapper. "Stel je dat voor," zegt hij, "elke dag gaat een wetenschapper naar het lab, maar moet een uur per dag besteden aan voorbereiding," met RPA zegt hij "schattingen suggereren een besparing van negen uur per maand, wat geweldig zou zijn."

Gevoelige data

Rees heeft ook zorgen over unattended robots, die een proces end-to-end kunnen automatiseren. Deel van de issues ligt bij regulering en het gevaar dat unattended robots een fout kunnen herhalen, die operators, losgekoppeld van dagelijkse operaties, niet bewust zijn van.

"Iedereen wil agile zijn," zegt hij en "agile is geweldig vanuit een ontwikkelperspectief als je je kunt permitteren fouten te maken en van de fouten te leren en te corrigeren. Maar je kunt dat niet met gevoelige data.

"Dus, als je bankafschriften hebt voor iemands anders rekening-courant. "In deze situaties wordt unattended veel, veel riskanter."

Sarah Burnett, daarentegen, ziet nauwkeurigheid van data als een van RPA's sterktes.

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

"Als een persoon een beetje data invoert, kunnen ze zo gemakkelijk per ongeluk enkele nummers omdraaien. Die fout fixen, hoe verder het in het proces reist, hoe duurder het wordt. Je kunt mensen hebben, wiens tijd heel duur is, die achter deze fout aanjagen en proberen het te fixen, ver in de proces-zwembaan. Robots als ze correct ontwikkeld zijn en onderhouden worden en soepel draaien, zullen die fouten niet maken. We horen van organisaties die zeggen dat ze hun robot-apps bleven testen en ze nooit een fout vonden eenmaal getest, het was 100% nauwkeurig ...altijd."