Robotic process automation (RPA) wordt in organisaties toegepast als een manier om repetitief, regelgebaseerd werk snel te automatiseren. RPA bootst acties van een werknemer na en kan, technisch gezien, worden gebruikt om bijna alles te automatiseren. Toch blijft het slechts een hulpmiddel. RPA moet passen in de automatiseringsstrategie van een bedrijf en bijdragen aan de bedrijfsdoelstellingen.

Op basis van uitgebreide ervaring in (digitale) technologieën en een enquête onder RPA-beslissers in de Benelux, doen wij enkele aanbevelingen voor de basis voor toekomstig digitaal personeel. RPA gaat niet alleen over kostenreductie, maar brengt ook kwaliteitsverhoging, versnelling van time-to-market of marktresponstijd en verlaging van compliance-inspanning.

Meestal wordt RPA gekozen als oplossing voor de korte tot middellange termijn om kosten te besparen. Om het op deze termijn tot een succes te maken en valkuilen te vermijden, moet de implementatie goed voorbereid zijn. Een RPA-programma vereist specifieke governance en commitment vanwege gevoeligheden. Best practices bieden uitkomst. Bijvoorbeeld voor het herscholen van mensen en het herontwerpen van de organisatie, wanneer RPA een significant deel van het personeel vrijmaakt van routinematig werk.

Bovendien is een goed doordachte process-intake-aanpak fundamenteel voor het selecteren van de juiste RPA-proceskandidaten. Processen moeten gestandaardiseerd zijn als voorwaarde voor RPA. Toch dient ermee rekening te worden gehouden dat iedere verbetering invloed heeft op de businesscase.

Groot potentieel

RPA genereert veel meer data vergeleken met handmatige verwerking. Al deze logging of andere robot-output heeft op twee manieren een groot potentieel. Ten eerste kunnen de compliance-inspanningen worden verlaagd, doordat er minder vaak audits nodig zijn, en is het verzamelen van audit-inputs makkelijker. Ten tweede maken al deze gegevens analyticsoplossingen mogelijk waarmee nieuwe inzichten verkregen kunnen worden. De analyse van uitzonderingen helpt om data-inconsistenties bij de bron te corrigeren en verhoogt dus ook de kwaliteit van het werk.

Ongeacht of de organisatie zich in een vroeg stadium van RPA-adoptie bevindt of al op schaal toepast, er komen snel advanced automation-technologieën op. De overgang naar systems that think en systems that learn kan een nog groter potentieel bieden voor de complexe logica, interpretatie en communicatie die tot nu toe niet met RPA kon worden geautomatiseerd. En zo kan het samen het digitale personeel vormen van de toekomst.

Valkuilen voorkomen

De meeste beslissers passen RPA toe om kosten te besparen (meer dan twee derde ziet dit als topprioriteit, zie afbeelding 1) en gebruikt het als oplossing voor de korte tot middellange termijn (65%). Robots blijven functioneren zolang het proces en de onderliggende applicaties niet veranderen. In het geval van een meer gestabiliseerd en volwassen proces- en applicatielandschap, kan RPA ook strategisch zijn. Als technologie kan RPA überhaupt op veel langere termijn worden toegepast. Dit is vooral handig in het geval van legacy IT-applicaties die niet eenvoudig kunnen worden vervangen.

Afbeelding 1

Om daadwerkelijk van de verwachte voordelen te profiteren, is het cruciaal om aandacht te besteden aan de meest voorkomende valkuilen. Deze zijn: ‘technische implementatie wordt ervaren als complexer dan verwacht’, ‘meer tijd van procesexperts nodig dan verwacht’ en ‘geen uniforme en/of geoptimaliseerde processen bij aanvang’.

Om de genoemde valkuilen te vermijden dient een RPA-programma voldoende managementcommitment te hebben. Voordat met de implementatiefase wordt begonnen, moet de organisatie goed voorbereid zijn door de business en IT-organisatie op één lijn te brengen en te zorgen voor stabiele end-to-end-applicatieomgevingen.

Organiseer hieromheen verandermanagement en communicatie en definieer een duidelijke automatiseringsscope. Zorg er tevens voor dat de intake en analyse van het proces op de juiste manier wordt uitgevoerd. De beslissing een proces wel of niet te robotiseren lijkt de allerbelangrijkste om problemen te voorkomen.

Door een weloverwogen processelectieaanpak kan het project op een voorspelbare manier worden gepland. Het automatiseren van processen die technisch te complex zijn, niet goed beschreven zijn, op korte termijn zullen veranderen, waarbij geen procesexperts beschikbaar zijn of een laag volume hebben, zullen uiteindelijk leiden tot complicaties of ontevredenheid over de behaalde resultaten.

Goudmijn van RPA

RPA kan eenvoudig grote hoeveelheden accurate data genereren om (handmatige) werkzaamheden te verminderen die nodig zijn voor het exporteren, verzamelen, samenvoegen, opschonen en valideren van gegevens voor interne audits. Compliance-afdelingen worstelen aanvankelijk met het concept van een virtuele medewerker. Wat te doen met het vier- of zesogenprincipe? Waarom nog steeds periodieke audits doen als een robot 100 procent consistent en correct is? Uiteindelijk kan RPA veel van deze overhead besparen. De meeste beleidsmakers zien dit echter helemaal niet als een potentiële kans of geven dit de laagste prioriteit. Dus verlaging van compliance-inspanning is een nog verborgen voordeel ter overweging.

Hiernaast zijn de enorme hoeveelheden gegevens een goudmijn voor nieuwe inzichten. RPA-logbestanden en andere output kunnen worden gebruikt door analyticsoplossingen. Denk aan een toename van historische gegevens voor rapportages (descriptive), meer beschikbare data om te voorspellen wat er zou kunnen gebeuren (predictive) en zelfs voor te schrijven wat moet gebeuren (prescriptive). Een voorbeeld is het voorschrijven (op basis van verschillende indicatoren, zoals grote geldopnames, afnemende spaarsaldi, achterlopende hypotheekbetalingen en slechte kredietregistraties) van de ‘best next action’ om een ​​bankklant te behandelen met betalingsproblemen.

Complexer werk

Hoewel veel organisaties nog steeds RPA opschalen, overweegt meer dan de helft in de nabije toekomst advanced automation toe te passen (zie afbeelding 2). Terwijl RPA geschikt is voor het verwerken van regelgebaseerd werk op basis van gestructureerde data, is advanced automation oordeelgebaseerd en kan het eveneens ongestructureerde data verwerken. Dit is het verschil (pdf) tussen enerzijds ‘systems that do’ (bijvoorbeeld RPA, speech-to-text-conversie, dataverzameling en -voorbereiding) en aan de andere kant ‘systems that think’ en ‘systems that learn’ (zoals natural language processing, kunstmatige intelligentie, machine-learning, sentimentanalyse).

Afbeelding 2

‘Systems that think’ kunnen taken veel dynamischer uitvoeren en alleen uitzonderingen en andere afwijkingen afhandelen. Een voorbeeld is IT-serviceautomatisering, waarbij een systeem een ​​door een gebruiker gegenereerd probleemticket herkent, prioriteiten stelt en het probleem oplost en na verloop van tijd verbetert op basis van historische oplossingsdata. ‘Systems that learn’ hebben de mogelijkheid om enorme hoeveelheden dynamische en ongestructureerde input te analyseren en processen uit te voeren die zeer dynamisch zijn. Dit soort systemen is ook adaptief, wat betekent dat ze ook regels in andere situaties kunnen toepassen. Voorbeelden zijn volledig gepersonaliseerde verzekeringsoplossingen en verbeterde diagnostische mogelijkheden van medische imagingsystemen door machine-learning.

Intelligente toevoeging

Toepassing van advanced automation hoeft RPA niet noodzakelijkerwijs te vervangen, maar kan een intelligente toevoeging zijn. RPA kan zich nog steeds focussen op het ‘hoe’ en grote hoeveelheden werk uitvoeren, gebruikmakend van onderliggende (legacy)-applicaties. ‘Systems that think or learn’ kunnen het ‘wat’ bepalen en de RPA-oplossingen aansturen. Bijvoorbeeld door gebruik te maken van conversational AI (chatbots, voice assisted bots) in interactie met klanten of medewerkers, internet of things (IoT-)sensoren en analytics. Trend in de markt is dat RPA-productleveranciers werken aan het verbeteren van hun producten met kunstmatige intelligentie om hierop in te spelen. Bovendien zal het gebruik van advanced automation verschuiven naar meer waarde toevoegende en klantgerichte processen, in plaats van de backofficeprocessen waar RPA zich voornamelijk op richt.

Vervolgstappen

Wanneer goed voorbereid, kan RPA een krachtige manier zijn om kosten te besparen op korte tot middellange termijn. Het is een goede stap om te beginnen met het digitaliseren van de organisatie en het moet deel uitmaken van elke digitale roadmap. Naast het mogelijk maken van analytics en het verlagen van compliance-inspanning, kan advanced automation het complexere werk uitvoeren.

Cognizant heeft veel organisaties geholpen ​​van het definiëren van een automatiseringsstrategie, tot aan implementatie en het behalen van de voordelen. Wereldwijd heeft het RPA toegepast in meer dan honderd organisaties waarvan zeven grote klanten in de Benelux. Er zijn meer dan 3.000 robots ontwikkeld. Cognizant heeft partnerships met alle belangrijke RPA-leveranciers, zoals UiPath, Automation Anywhere en Blueprism.

Marcel van der Schenk en Peter Paul Bos zijn werkzaam bij het Cognizant Consulting Automation Expert Center. Ze zijn bereikbaar voor meer informatie en advies rondom RPA.

Cognizant (NASDAQ: CTSH) is een vooraanstaande dienstverlener in digital, consultancy, IT outsourcing en BPO services. Met het hoofdkantoor gevestigd in Teaneck, New Jersey (US) werkt Cognizant in nauw partnerschap met ’s werelds grootste organisaties om hun concurrentiepositie te versterken door middel van efficiency en innovatie in hun bedrijfsoperatie. Cognizant heeft wereldwijd meer dan 100 ontwikkel & delivery centers en opereert met ruim 260.000 werknemers. De organisatie heeft een NASDAQ-100 en S&P 500-notering en is verder genoteerd in de Forbes Global 2000 en Fortune 500 (#205). Cognizant behoort hiermee tot de best presterende en snelst groeiende bedrijven in de wereld.