Top 5 lessen uit UiPath's FY24 Q4 Automation CoE over AI & Automatisering

AI is al meer dan een jaar een trending topic en heeft zich in 2024 ontwikkeld tot een strategische prioriteit voor bedrijven. De EY CEO Outlook Pulse survey vond dat de grote meerderheid van bedrijven (88%) voor het einde van dit jaar zal investeren in AI-gedreven innovatie.

AI-gevoede innovatie is werkelijk onderdeel van UiPath's DNA. We hebben AI door ons platformheen gebruikt sinds ons begin, en ons gebruik ervan heeft zich de afgelopen twee jaren alleen maar geïntensiveerd. Om maar een paar voorbeelden te noemen: AI drijft onze process, task en communications mining mogelijkheden en stelt onze robots in staat om complexe documenten te begrijpen en ermee te werken over veel verschillende systemen en omgevingen. Generatieve AI heeft een breed scala aan recente innovaties mogelijk gemaakt - bijvoorbeeld om automatiseringsbouw, testontwikkeling en modeltraining te versnellen.

Als leider van het UiPath Automation Center of Excellence heb ik eerstehandse kennis van de voordelen die de AI-gepowerde mogelijkheden van ons platform kunnen leveren. Deze omvatten:

• Mogelijkheid om een breder scala aan processen te automatiseren
• Snellere en eenvoudigere manieren om hogekwaliteitsautomatiseringen te bouwen
• Hogere automatiseringsadoptie en bredere impact - vooral dankzij het in staat stellen van medewerkers met UiPath Autopilot™, een persoonlijke AI-metgezel die helpt bij saaie taken over bedrijfsapps en systemen

De AI-gepowerde mogelijkheden die door het UiPath Business Automation Platform lopen, hebben ons geholpen om zeer positieve resultaten te leveren voor ons kwartaal CoE-rapport. Aan het einde van vol fiscaal jaar 2024 (FY24) hadden we 716 automatiseringen actief, wat 70.677 uren vrijmaakte in het laatste kwartaal van FY24. Als resultaat hebben we nu meer dan $59 miljoen in cumulatieve kostenvermijding bereikt en zien we resultaten in diverse gebieden, waaronder Financiën, Sales & Marketing, People Ops en Operations. En ik ben enthousiast om te melden dat automatiseringsideeën van UiPathers, vastgelegd in Automation Hub, doorgingen te groeien naar een nieuwe hoogte.

Maar deze cijfers vertellen niet het hele verhaal, want ze vangen alleen onze prestaties - wat we hebben bereikt. Ze praten niet over hoe we dit hebben gedaan - maar voor veel van onze klanten is hoe dingen gedaan worden het belangrijkste deel van het verhaal. Immers, in een recente UiPath en Bain & Company studie, "The State of AI-Powered Automation", stelde 70% van de executives dat AI-gedreven automatisering of "zeer belangrijk" of "critisch" is voor het vervullen van de strategische doelen van hun organisatie. Met strategisch voordeel en concurrentiekracht op het spel, is het geen wonder dat AI- en automatiseringsimplementatie zo'n consumerend onderwerp is voor zoveel van onze klanten.

Om die reden zal ik de rest van deze blog besteden aan enkele van de belangrijke lessen die we geleerd hebben bij het implementeren van AI en automatisering en het halen van echte waarde op maximale snelheid van deze twee transformationele technologieën.

Om onze lessen te illustreren, zal ik me richten op een groot proces in onze financiële afdeling, crediteuren. Elke maand ontvangt het crediteuren-team bijna duizend facturen die beoordeeld en betaald moeten worden. Dit vereist het openen en lezen van ingediende facturen, het extraheren van de benodigde data, het matchen met bestaande inkooporders, en het openen in ons systeem om betaling voort te zetten. Handmatig gedaan is dit een herhalende taak die nauwkeurige aandacht vereist en maandelijks veel persoonsuren afleidt van hogerwaardig werk. Met andere woorden, het vertegenwoordigde een perfecte kans om onze robots de taak over te laten nemen.

In de kern was dit een intelligent document processing (IDP) project, wat vereiste dat we UiPath Document Understanding benutten. Dat is de AI die onze UiPath Robots in staat stelt om complexe, gevarieerde documenten te lezen en te begrijpen en end-to-end actie te ondernemen over meerdere systemen, afdelingen en technologieën. (Voor meer over onze IDP-mogelijkheden, klik hier).

We focussten op vijf dingen om een succesvol resultaat voor dit project te garanderen.

Vijf elementen van succesvolle AI-implementatie

1. Nauwe samenwerking tussen de CoE en het bedrijfsteam

Succesvolle automatiseringsimplementatie berust op sterke partnership tussen de CoE en het bedrijfsteam. Automatisering kan niet in een vacuüm gebeuren; het moet weerspiegelen en geïnformeerd zijn door de bedrijfsgebruikers die de processen en systemen kennen en uiteindelijk de gebruikers en begunstigden van de automatisering zullen zijn.

Met 32% van de workforce bestaande uit digitale assistenten, leidt het financiële en boekhoudteam de weg in automatiseringsadoptie bij UiPath. Voor dit project keken we naar onze financiële collega's om ons te helpen de cruciale fasen van het crediteurenproces te identificeren en alle benodigde details te verstrekken voor het bouwen van een automatisering en het trainen van het AI-model. Dit omvatte inzichten in de typen facturen die ze typisch ontvangen, de specifieke informatie die ze moeten extraheren, en andere relevante details.

We zochten ook informatie om ons te helpen kijken verder dan de bestaande processtroom om optimalisatiekansen te identificeren en operationele efficiëntie te stroomlijnen. Ze gaven ons inzicht in het algehele proces van het aanmaken van facturen in Coupa en openen onze ogen voor de mogelijkheid om andere geautomatiseerde flows te targeten, zoals e-Facturering, allemaal binnen de bredere zakelijke context.

2. Succes meten verder dan de "standaard" automatiserings-KPI's

In samenwerking met het financiële team, identificeerden we een set metrics om het succes van ons automatiseringsproject te meten die ver voorbij traditionele automatiserings-KPI's gingen zoals uren bespaard, kostenreductie of verhoogde outputnauwkeurigheid. We wilden meetstaven die het projectimpact op bedrijfsefficiëntie beoordeelden, en die vierkant uitgelijnd waren met de bredere financiële metrics waarmee we de prestaties van ons bedrijf meten.

Voor dit project focussten we voornamelijk op een gedetailleerde set metingen die de directe impact van automatisering op operationele efficiëntie konden onthullen. Deze omvatten het bijhouden van voor-en-na factuurverwerkingstijd, kosten per verwerkte factuur, first-time match rate, PO- en factuuruitzonderingspercentage, en elektronische verwerkingspercentages.

3. Proactief communiceren met het bedrijf en leiderschapsteams

Terwijl we met het financiële team werkten, gaven we een gedetailleerd actieplan, zodat onze collega's zicht hadden op projectfasen, deadlines, sleutelrollen en actiepunten voor hen.

Op hetzelfde moment gaven we een high-level projectoverzicht aan onze executive sponsors en cruciale stakeholders om onze visie te schetsen. Als onderdeel daarvan maakten we zeker dat we het potentiële positieve impact van het project op cruciale financiële metrics communiceren waarvoor deze executives verantwoordelijk zijn. We wilden ervoor zorgen dat onze executive sponsors konden begrijpen hoe deze automatisering hen kon helpen hun KPI's te halen - en dus waarde te leveren aan het bedrijf als geheel.

4. Fouten verminderen en hoge nauwkeurigheid waarborgen met AI best practices

Data-accuratesse waarborgen is een van de sleuteltaken van deze automatisering, en er zijn twee factoren die ertoe bijdragen - automatisering met een AI-model, en menselijke validatie. Wat betreft het trainen van een AI-model, moet u ervoor zorgen dat u een groot en divers monsterdata heeft om de traineefficiëntie te maximaliseren.

In ons geval voorzien we het out-of-the-box Document Understanding model van onze eigen typen facturen en trainden het om data in diverse scenario's te identificeren en extraheren. We testten het model ook met verschillende datavolumes, simuleerden piekperiodes, en beoordeelden de nauwkeurigheid onder verschillende instellingen. Bovendien bouwden we met UiPath Action Center een menselijke validatieproces in de automatiseringsworkflow in om onze financiële collega's in staat te stellen in te grijpen wanneer nodig en het AI-model te assisteren.

Terwijl uitgebreide training van een AI-model vroeger een struikelblok was bij het implementeren van IDP - wat weken of maanden van bedrijfsgebruikers tijd kostte - vonden we dat het proces veel korter en eenvoudiger was dan onze ingaande aannames. Dat is omdat we onze nieuwe Active Learning-mogelijkheid konden gebruiken, die elementen van zowel supervised als unsupervised learning combineert om betere AI-modellen in minder tijd te creëren. (Leer meer over hoe Active Learning AI-automatisering versnelt hier.)

5. Continue monitoring en verbetering

We hebben geleerd dat we niet kunnen stoppen zodra een AI-gepowerd geautomatiseerd proces gedeployed is. Voor dit project bleven we in partnerschap met het financiële team resultaten monitoren en feedback verzamelen voor de volgende iteraties. Het implementeren van een feedback- en leerlus zorgt voor een continue cyclus van verbetering waarbij nieuwe inzichten gebruikt worden om het automatiseringsproces te verfijnen, modelnauwkeurigheid te verbeteren, en nog grotere zakelijke impact te drijven.

Deze vijf lessen zijn centraal geweest voor ons vermogen om hoogpresterende automatiseringen te leveren en echte waarde uit AI te halen. Maar wacht - er is nog één ding dat onze capaciteit om dit project effectief en snel te leveren, enorm heeft verbeterd. Dus, hier is een bonustip voor het lezen tot hier toe:

(Bonustip) Kant-en-klare componenten benutten

We hebben ontdekt dat het implementeren van end-to-end-automatiseringsprojecten niet complex en langdurig hoeft te zijn - met name als we enkele van onze 70+ Solution Accelerators kunnen gebruiken. Dit zijn vooraf gebouwde, modulaire frameworks die op maat zijn gemaakt voor high-impact use cases en industry en onze eigen best practices incorporeren. Met deze kant-en-klare componenten in ons arsenal, is het veel gemakkelijker om snel te bewegen om hoogpresterende automatiseringsuitkomsten te leveren.

Als voorbeeld, voor ons crediteurenproject, gebruikten we de '2-way match invoice processing for Coupa' accelerator. Dit elimineerde veel custom development, terwijl het ook een hoogwaardige oplossing voor dit deel van de automatisering zorgde. (Nog een bonus: we konden deze accelerator ook pressure-testen en manieren identificeren om het nog verder te verbeteren. Gaandeweg zullen we een geüpdatete versie releasen die inzichten uit onze implementatie-ervaring incorporeert.)

Dit zijn enkele van de belangrijkste praktijken die we ontwikkeld hebben voor het implementeren van AI en automatisering. Maar u kunt nog veel meer leren uit de CoE-gefocuste content die UiPath deelde tijdens ons recente DevCon-evenement - wat u nu on-demand kunt zien door u hier te registreren.

De weg vooruit voor de UiPath CoE

Ik wil deze blog afsluiten met een snelle blik op enkele spannende ontwikkelingen voor de UiPath CoE. Zoals u misschien weet, hebben UiPath en SAP vorig jaar hun partnerschap uitgebreid om organisaties over de hele wereld in staat te stellen hun digitale transformatie te versnellen. Deze januari kondigden UiPath en Deloitte een alliantie-uitbreiding aan om een first-of-its-kind co-innovatie marktsamenwerking te creëren, Deloitte's SAP-implementatievaardigheden en diepe AI-talentpool combineren met UiPath AI- en automatiseringstechnologie.

De UiPath CoE zal 'customer zero' zijn in deze Deloitte-UiPath samenwerking, en ik ben erg enthousiast over wat we zullen leren en welke nieuwe dingen we zullen kunnen doen. Ik kijk ernaar uit om onze lessen en innovaties met u te delen. Blijf op de hoogte!