Robotic process automation (RPA) and artificial intelligence (AI) have traditionally been viewed as separate and somewhat unequal worlds—RPA proponents consider AI to be impractical, while AI enthusiasts deem RPA Primitivo - mas esses dois campos são altamente complementares. Pense neles como o Mrawn e o cérebro do desempenho. As empresas podem ganhar vitórias rápidas através da RPA enquanto introduzem estrategicamente a IA para obter benefícios sustentáveis e otimização contínua. Por serviços, queremos dizer ambas as indústrias de serviço, como bancos, seguros e telecomunicações, bem como serviços prestados por funções de suporte interno, como finanças, RH e TI.
Services are especially amenable to this approach. By services, we mean both service industries, such as banking, insurance, and telecommunications, as well as services provided by in-house support functions, such as finance, HR, and IT.
Semelhante a outras tecnologias, no entanto, a RPA e a IA não são de cura. Mas, incorporando sistematicamente ambos em seus processos, as organizações de serviço podem aumentar sua produtividade e aumentar sua capacidade de gerar insights. Para ter sucesso, as empresas devem estabelecer objetivos de negócios claros e definir o papel que a RPA e a IA desempenharão em seus esforços gerais de otimização. Robôs
In addition, companies should introduce these technologies through a clear change management program that addresses their impact on organizational and operational functions as well as on employees, who often feel threatened by robots and other labor-transforming methods.
Automation: Rise of the Robots
Nos últimos anos, a RPA ganhou popularidade nas organizações de serviços. Essa ferramenta permite que os robôs de software substituam a atividade do computador tradicionalmente realizada pelos humanos. Esses bots podem abrir planilhas e bancos de dados, copiar dados entre programas, comparar entradas e executar outras tarefas de rotina. O RPA é ideal para processos repetitivos e orientados por regras que abrangem vários sistemas de TI-é como uma macro em esteróides.
Esses bots têm várias vantagens sobre os seres humanos. Eles trabalham 24-7, raramente cometem erros, aceitam novas tarefas, são fáceis de monitorar e operam quatro a cinco vezes mais rápidas que as pessoas. Geralmente, eles pagam por si mesmos dentro de um ano e ajudam as empresas a reduzir custos em 20% a 80%, dependendo da quantidade e da complexidade do trabalho manual que estão substituindo. Ele pode ser colocado em cima dos sistemas de TI existentes sem demorar tempo e integração cara. No entanto, também pode levar a uma proliferação de correções à vista semelhantes que ameaçam a arquitetura e a integridade em geral de TI. Primeiro, os fornecedores estão oferecendo um software RPA de arrastar e soltar poderoso e intuitivo. E segundo, as paisagens de aplicação das organizações permanecem excessivamente complexas e ainda exigem muitas etapas manuais. Para simplificar e acelerar seus processos, muitas empresas implantam centenas ou até milhares de bots. Esses bots ajudaram a verificar os termos do contrato e gerenciar a equipe de serviço em campo. A RPA se pagou por um fator de dois no primeiro ano e por um fator de três ou quatro nos anos seguintes. Os sistemas de TI exigiam que os bots instassem um número de funcionário para verificação. Quando os conselhos de trabalhadores expressaram preocupações com as perdas de empregos, a televisão transferiu os funcionários afetados e a terceirização reduzida. Eles não aprendem ou melhoram. Quando as regras entram em conflito com a realidade ou quando ocorrem eventos inesperados, um humano precisa intervir. Um varejista líder de móveis introduziu a RPA para agendar entregas, roteando exceções, como reservas simultâneas para agentes de call center. Para essas exceções, os bots forneceram aos agentes histórias de pedidos completos e discagem automatizada, para que os agentes estavam totalmente preparados para falar com os clientes. Por exemplo, os bots precisam abrir e fazer login nos aplicativos; Processos mais profundamente automatizados podem lidar com tarefas no nível do sistema. É aí que a IA entra na imagem. Essas máquinas processam a linguagem e mantêm o conhecimento, para que possam interagir profundamente e intuitivamente com as pessoas. Porque eles também aprenderam a "ver", podem deixar o mundo virtual e se juntar ao real. Esses recursos têm implicações profundas para futuras vantagens competitivas. Mais imediatamente, a IA pode melhorar pelo menos três tipos de serviços:
But for better or worse, RPA is a Band-Aid. It can be laid on top of existing IT systems without time-consuming and costly integration. However, it also can lead to a proliferation of similar spot fixes that threaten overall IT architecture and integrity.
So why is RPA a hot topic for many service organizations? First, vendors are offering powerful and intuitive drag-and-drop RPA software. And second, the application landscapes of organizations remain overly complex and still require too many manual steps. To simplify and accelerate their processes, many companies deploy hundreds or even thousands of bots.
For example, a telco started using them to automate what it called “revolving-chair processes,” activities that required humans to move back and forth among legacy back-office systems. These bots helped to verify contract terms and to manage service staff in the field. RPA paid for itself by a factor of two in the first year and by a factor of three or four in following years.
Despite these benefits, the telco’s introduction of bots also presented challenges that the company needed to address. IT systems required that the bots enter an employee number for verification. When worker councils expressed concerns about job losses, the telco reassigned affected employees and reduced outsourcing.
One broader drawback of RPA is that software bots are rule followers. They do not learn or improve. When rules conflict with reality or when unexpected events occur, a human needs to intervene. A leading furniture retailer introduced RPA to schedule deliveries, routing exceptions such as concurrent bookings to call center agents. For these exceptions, the bots provided the agents with full order histories and automated dialing, so the agents were fully prepared to speak with customers.
Although bots are faster than humans, they are still orders of magnitude slower than fully automated processes. For example, bots need to open and log in to applications; more deeply automated processes can handle tasks at the system level.
Given the limitations of RPA, companies frequently decide to explore even more ambitious solutions. That is where AI enters the picture.
AI: When Computers Can See, Speak, and Think
AI—the realization of intelligent behavior in computers—has reached new levels of performance and increasingly is embedded in business processes, interactions, and products. These machines process language and retain knowledge, so they can interact deeply and intuitively with people. Because they have also learned to “see,” they can leave the virtual world and join the real one. These capabilities have profound implications for future competitive advantage. More immediately, AI can improve at least three types of services:
- Tarefas individualmente fáceis, mas coletivamente pesadas para os seres humanos. Examples include classifying unstructured data, such as extracting information from an invoice, routing incoming emails, and reconciling names and addresses.
- Tarefas que os humanos não podem executar facilmente. Os seres humanos geralmente precisam de regras para executar essas tarefas e o julgamento para fazer exceções. É um conjunto árduo de processos que os humanos têm um desempenho muito lentamente. Os bancos, por exemplo, precisam tomar decisões rápidas para interromper as transações potencialmente fraudulentas. Quando um humano toma uma decisão, a transação já pode ter sido processada. Máquinas, por outro lado, podem atuar em milissegundos e aprender e melhorar continuamente, processando o aumento dos volumes de informações. Tarefas de advogados reais. Mas ajuda a estabelecer as bases de como as empresas podem usar a IA nos serviços. Examples include credit scoring, fraud detection, and high-speed algorithmic securities trading. Humans generally need rules to perform these tasks and the judgment to make exceptions. It’s an arduous set of processes that humans perform too slowly. Banks, for example, need to make quick decisions to stop potentially fraudulent transactions. By the time a human makes a decision, the transaction may have already been processed. Machines, on the other hand, can act in milliseconds and continually learn and improve by processing increasing volumes of information.
- Tasks That Require Human Interaction, Knowledge, or Both. Examples range from speaking to customers from a call center to offering legal advice, such as monitoring compliance, by following a set of rules or by first observing and then taking over the research, compliance, and simple advisory tasks of real lawyers.
The grouping of these tasks is imperfect because machines “think” differently than humans, and thus the line between the first two categories, where most activity is concentrated, is blurry. But it helps to lay the groundwork for how companies can use AI in services.
Muitas empresas acham a IA desafiadora. As máquinas aprendem indutivamente processando volumes de dados cada vez maiores, e esse aprendizado não acontece por conta própria. Os seres humanos precisam treinar os algoritmos. Com os recursos limitados da IA interna, as empresas geralmente recorrem a fornecedores, e esses fornecedores às vezes superam suas capacidades de IA, levando a decepcionantes projetos piloto de IA. (Um próximo relatório a ser publicado em conjunto pelo BCG e MIT abordará o treinamento de IA com mais detalhes.)
Uma grande companhia de seguros superou esse desafio, buscando conselhos agnósticos do fornecedor sobre os projetos de automação e IA mais promissores. A seguradora avaliou os custos de mão -de -obra e reivindicações, a capacidade de identificar reivindicações potencialmente fraudulentas ou infladas e as cepas de que a busca dessas reivindicações pode colocar no relacionamento com os clientes. Identificou os requisitos operacionais e de TI, especialmente o ajuste entre sistemas novos e legados, e examinou uma gama completa de soluções, desde métodos baseados em regras a algoritmos avançados de IA. Para muitas outras áreas, a empresa concluiu que a automação tradicional baseada em regras funcionaria bem. Os varejistas e empresas de consumo podem oferecer ofertas de microtarges para clientes, as empresas B2B podem se cruzar de maneira mais eficaz e as empresas de bens industriais podem oferecer serviços de manutenção preditiva. Um amplo espectro de empresas pode aproveitar a IA para usos como gerenciamento de risco e conformidade, bem como segurança de TI. Eles podem alcançar o rápido retorno da RPA e o potencial avançado da IA. Essa combinação é especialmente atraente para empresas com grandes sistemas herdados - como nos serviços financeiros e em telecomunicações ou nas funções de RH e finanças. Uma transição natural da automação para a inteligência ocorre quando um humano intervém em um processo baseado em regras. Por exemplo, um bot rotina o texto, digitalizado por reconhecimento de caracteres ópticos, para um humano para classificar itens como data, endereço e tópico. Com o tempo, um sistema de IA pode assumir essa classificação. À medida que melhora, o sistema pode substituir gradualmente interações humanas adicionais. (Consulte o Anexo 1.)
Ultimately, the insurer decided to build a team of internal AI experts to develop transparent algorithmic learning solutions for some areas rather than more advanced deep-learning approaches. For many other areas, the company concluded that traditional rules-based automation would work fine.
AI applications are not limited to financial services but apply across the entire industrial landscape. Retailers and consumer companies can microtarget offers to customers, B2B companies can cross-sell more effectively, and industrial goods companies can offer predictive maintenance services. A broad spectrum of companies can take advantage of AI for uses such as risk and compliance management as well as IT security.
Automation and Intelligence: Working Together
Many service organizations are starting to recognize the benefits of combining RPA and AI. They can achieve both the rapid payback of RPA and the advanced potential of AI. This combination is especially attractive for companies with large legacy systems—such as in the financial services and telecom industries or in HR and finance functions.
Employees can work together with both RPA and AI to optimize service processes. A natural transition from automation to intelligence occurs when a human intervenes in a rules-based process. For example, a bot routes text, digitized via optical-character recognition, to a human to classify items such as date, address, and topic. Over time, an AI system can take over this classification. As it improves, the system can gradually replace additional human interactions. (See Exhibit 1.)
An Asian bank took this approach to automation and intelligence in order to provide a better experience to customers, improve risk and compliance, and cut costs. The bank had already reduced head count by digitizing many discrete processes, but it wanted to go further.
To replace human tasks, the bank installed RPA and AI systems that learned on the fly. They routed cases to humans only when the systems were uncertain about what to do. Within four weeks, the AI system had achieved a 50% accuracy rate, and it eventually reached levels superior to those of humans.
Ao submetê -lo à transformação de automação e inteligência, o banco reduziu seus custos em 20% e diminuiu de dias para minutos a quantidade de tempo que dedicou a certos processos. Além disso, o banco acumulou uma biblioteca de automação e módulos de IA que pode reutilizar em outros contextos. Mas, mesmo em casos mais complexos, as organizações podem ser capazes de pré -processar certas atividades, reduzindo a carga de trabalho humana em 80% ou mais. (Consulte Anexo 2.)
Fully automating all service processes does not make economic sense. But, even in more complex cases, organizations might be able to preprocess certain activities, reducing the human workload by 80% or more.
Getting Started
Your organization needs to introduce automation and intelligence in an organized and thoughtful way, in order to avoid falling victim to the seductive pitches of vendors and stumbling over common pitfalls. (See Exhibit 2.)
To Create Value, You Need a Strategy. Organizations need both a realistic perception of the risks and rewards of automation and intelligence as well as a clear understanding of the objectives they want to achieve. The overall RPA and AI strategy and target setting should help advance business priorities and reflect a clear understanding of the current maturity and the disruptive potential of emerging technologies.
To Move Forward, You Need Priorities. Companies need to objectively assess the current status of RPA and AI projects and identify a comprehensive set of opportunities. They should examine how they can leverage internal and external data sets and exploit the speed and scale of intelligent machines. To avoid myopia, this analysis should not happen in a vacuum but should be embedded in a wider range of efficiency and optimization efforts under way in the company.
One sensible approach to setting priorities is to create a heat map of RPA and AI opportunities across relevant products and processes, plotting value created against time to implementation. Organizations should identify the improvements with the highest potential payoff and realistically assess the current abilities of various technologies under consideration. They should also take an end-to-end view of implementation. One company, for example, rushed to automate a series of isolated tasks before realizing that this piecemeal approach would not reduce head count or achieve performance increases.
Para voar, você precisa de pilotos. Ao entrar em pilotos acasamente, as empresas correm o risco de aprender as lições erradas. Uma empresa, por exemplo, não adotou uma visão de ponta a ponta e os robôs instalados no meio de uma cadeia de valor que criou problemas complicados nas extremidades dianteiras e traseiras. When designing pilot projects, organizations should remember the saying “Practice does not make perfect. Perfect practice makes perfect.” By entering into pilots haphazardly, companies risk learning the wrong lessons. One company, for example, did not take an end-to-end view and installed robots in the middle of a value chain that created cumbersome issues at the front and back ends.
para chegar ao seu destino, você precisa de um roteiro. Com muita frequência, vemos experimentos que não têm transparência, coordenação e orientação - e sem surpresa ficarem aquém das expectativas. As empresas precisam de um cronograma e um plano que abranja as mudanças subjacentes à tecnologia, organização, pessoas e operações. Um patrocinador, de preferência um executivo C-Suite, deve supervisionar a transformação. Como em todas as transformações, o sucesso começa no topo. Companies should combine the insights they gained from setting priorities and running pilots and should create a comprehensive roadmap of their individual RPA and AI projects. Too often, we see experiments that lack transparency, coordination, and guidance—and unsurprisingly fall short of expectations. Companies need both a timetable and a plan that covers the underlying changes to technology, organization, people, and operations. A sponsor, preferably a C-suite executive, should oversee the transformation. As with all transformations, success starts at the top.
para vencer, você precisa integrar dados e tecnologia. Mas o grau de dificuldade aumenta com a sofisticação e a escala da automação e inteligência que as empresas estão introduzindo. As organizações devem garantir que os novos sistemas se integrem perfeitamente a call centers e outros centros de serviço e devem estabelecer um centro de desempenho para gerenciar as atividades gerais de automação e inteligência. E, à medida que as empresas se mudam para a IA, elas precisam de acesso a grandes conjuntos de dados internos e externos. Os fornecedores variam amplamente em sua capacidade de apoiar essas integrações; no entanto, as organizações precisam avaliar criticamente as capacidades de fornecedores nessa área. As organizações de serviço compartilhado continuarão sendo uma parte importante da mistura, apesar das alegações de que a automação reduz sua relevância. Historicamente, muitas dessas organizações estão localizadas em mercados de baixos salários para aproveitar a arbitragem dos custos da mão-de-obra. No futuro, o papel dessas organizações se tornará mais estratégico, mudando para a entrega de recursos digitais, atendimento ao cliente, análise de dados e suporte à decisão. Simple RPA systems are fairly easy to layer atop legacy systems. But the degree of difficulty rises with the sophistication and scale of the automation and intelligence that companies are introducing. Organizations must ensure that the new systems integrate seamlessly with call centers and other service centers, and they must establish a performance center to manage the overall automation and intelligence activities. And, as companies move into AI, they need access to large internal and external data sets. Vendors vary widely in their ability to support these integrations, however, so organizations need to critically assess vendor capabilities in this area.
To Leverage Automation and AI, You Need New Operating and Governance Models. Automation and intelligence change the nature and economics of work and consequently have significant implications for how companies should organize and deliver their services. Shared-service organizations will remain an important part of the mix, despite claims that automation reduces their relevance. Historically, many of these organizations have been located in low-wage markets to take advantage of labor cost arbitrage. In the future, the role of these organizations will become more strategic, shifting toward the delivery of digital capabilities, customer service, data analytics, and decision support.
de maneira mais ampla, a ascensão da IA nas organizações encantam as configurações organizacionais e de processos tradicionais. À medida que humanos e máquinas interagem em um ambiente de aprendizado constante, as equipes funcionais e técnicas devem colaborar mais de perto trabalhando de maneiras ágeis. Ai e ágil são inerentemente iterativos. Em ambos, ofertas e processos se tornam ciclos contínuos. Os algoritmos aprendem com os resultados passados, assim como as equipes ágeis aprendem com prototipagem rápida e feedback rápido. Esse impulso por um desempenho e eficiência cada vez maior liberarão a força de trabalho para conceber a próxima onda de melhorias de serviço. Ao implementar esses novos sistemas, uma organização pode encontrar resistência dos funcionários preocupados com o salário e com os executivos satisfeitos com o status quo. Ambos podem descobrir que precisam de novas habilidades para aproveitar as oportunidades de mudança. Os gerentes geralmente não são treinados para supervisionar um ambiente misto de robôs e pessoas. Eles podem saber como comunicar as mudanças em seus funcionários, mas podem não estar preparados para abordar as preocupações emocionais dos funcionários em relação à automação. Esses profissionais podem se sentir confortáveis com as novas tecnologias, mas não com a colaboração exigida sob maneiras ágeis de trabalhar. Ou eles podem se sentir desconfortáveis com ambos. A primeira e óbvia necessidade é encontrar uma maneira de contratar funcionários com habilidades tecnológicas modernas em um momento em que a concorrência para essas pessoas é alta. Para abordar a escassez de talentos, as empresas devem considerar gerenciar seus recursos de IA centralmente, pelo menos inicialmente. A outra necessidade mais sutil é treinar os funcionários deslocados para novas funções e responsabilidades. A realidade aumentada pode ajudar esses funcionários a passar de um emprego para outro com treinamento mínimo sobre tecnologias mais recentes. O CEO de uma dessas empresas nos disse que sua organização remove vários milhares de funcionários por quarto de seus papéis tradicionais e lhes oferece novas tarefas. Sua empresa também treinou mais de 100.000 funcionários em design thinking, um método de elaborar novas idéias que podem ser usadas para melhor atender os clientes.
Ultimately, companies may be headed toward an “automation and intelligence first” imperative, similar to the “mobile first” mantra in multichannel environments. This push for ever-increasing performance and efficiency will free the workforce to devise the next wave of service improvements.
To Make Automation and AI Successful, You Need to Manage Change and Build Capabilities. Automation and intelligence are not just tools to be introduced in a vacuum. When implementing these new systems, an organization may encounter resistance from employees worried about their paycheck and from executives satisfied with the status quo. Both may discover that they need new skills to take advantage of changing opportunities.
Even if jobs are not in jeopardy, the introduction of robots and AI into an organization of people is challenging. Managers are generally not trained to oversee a mixed environment of robots and people. They may know how to communicate the changes to their staff but may not be prepared to address employees’ emotional concerns regarding automation.
One underestimated and unexpected challenge to implementation of these technology changes may come from the IT staff. These professionals may be comfortable with the new technologies but not with the collaboration required under agile ways of working. Or they may be uncomfortable with both.
In addition to managing employee reaction to the changes, organizations must also change their capabilities so they can meet two needs. The first, and obvious, need is to find a way to hire employees with modern technology skills at a time when competition for these people is high. To address talent scarcity, companies should consider managing their AI resources centrally, at least initially. The other, more subtle need is to retrain displaced employees for new roles and responsibilities. Augmented reality can help these employees transition from one job to another with minimal training on newer technologies.
Indian business process outsourcers have already faced these challenges in introducing automation and intelligence. The CEO of one of these companies told us that his organization removes several thousand employees a quarter from their traditional roles and gives them new tasks. His company has also trained more than 100,000 employees in design thinking, a method of devising new ideas that can be used to better serve customers.
A combinação de RPA e IA é um presente e um enigma. As empresas podem começar a se beneficiar do presente hoje com iniciativas de pagamento rápido. O enigma que eles enfrentam é descobrir como usar o RPA e a IA para prosperar em um ambiente mais exigente amanhã. Como o Lao Tzu disse: “A jornada de mil milhas começa com um passo.”
