Intelligent automation is samen met analytics en kunstmatige intelligentie onderdeel van een vicieuze cirkel die begint met data, gevold door de conclusies die uit die data worden getrokken, waarna de toepassing volgt. De toepassing genereert weer data, waarmee de cirkel rond is. Accenture organiseerde in de villa van ICT Media een workshop Intelligent Automation, de derde in een reeks over applied intelligence. De sessie ging in op robotic process automation (RPA), met een vleugje intelligentie.

Er zitten vele voordelen aan automation. Zeker vergeleken met handmatige arbeid, zo opende Kees van Mansom van Accenture de sessie. Zo is het vele malen sneller, maakt het minder fouten, werkt het consistent – goed voor datakwaliteit en compliance – verlost het medewerkers van sleurwerk, en leidt het, gecombineerd met AI, vaak tot een betere klantbeleving.

Groeipad

De meeste organisaties doorlopen een groeipad als het om intelligent automation gaat. Ze beginnen met het leggen van het fundament, waarbij ze bijvoorbeeld een pilot met RPA doen, ‘process discovery’ ter hand nemen en aan de business-case werken.

Dan volgt de fase die Accenture aanduidt als ‘platform’. RPA wordt in productie gebracht en de run en support worden ingericht en opgeschaald. De derde fase heet ‘smart’. Orkestratie van processen doet zijn intrede, net als verrijkingen van RPA, zoals AI in de vorm van een cognitive reasoning engine, virtual assistants en natural language processing. In de vierde fase, ‘intelligent’, komt AI echt om de hoek kijken met zelflerende, autonome systemen en automatische verwerking van audio, video en data van sensoren.

Wat is RPA?

Voor de definitie van RPA werd in de sessie goed de tijd genomen, zodat elke deelnemer zich een beeld kon vormen. Dat lukte goed aangezien er naar aanleiding van de definitie aardig wat vragen loskwamen. RPA is software op een virtuele machine, die menselijk handelen in een proces nabootst. Het logt in en volgt dan een lineair proces, stap voor stap, waarbij het de bestaande user interface van systemen gebruikt. Het kan eenvoudige regels toepassen (‘if… then…’) en kan op basis van regels het proces bijsturen of vertakken (exception handling). Een RPA-systeem wordt niet geprogrammeerd maar gemodelleerd en geconfigureerd. Het kan zich op lokale infrastructuur of in de cloud bevinden.

“Goede exception-handling en in batches werken voorkomen het scenario van de tovenaarsleerling”

“Hoe komen scripts tot stand?”, was de eerste vraag van een deelnemer aan de workshop. Het antwoord was kort: handmatig. De volgende vraag betrof een nogal breed levende angst, namelijk van een verkeerd ingestelde RPA die in hoog tempo duizenden fouten maakt – het verhaal van de tovenaarsleerling. Hoe voorkom je dat scenario? “Goede exception handling en in batches werken is nodig”, was het antwoord van Accenture. “En verder is RPA te schedulen en centraal te beheren.”

Een andere deelnemer vroeg of je moet terugvallen op andere systemen, bijvoorbeeld legacy, als je use-case verandert. Het antwoord was negatief. Veranderingen in RPA zijn niet vaak nodig doordat je kunt terugvallen op onder meer screen-scraping.

En dan de vraag hoe je omgaat met dynamische bedrijfsprocessen. Kun je daarvoor RPA inzetten? Het bleek beter te zijn om dat niet te doen, omdat cognitieve systemen daarvoor beter voldoen. RPA kan wel de uitkomsten van die systemen verwerken.

Al dan niet geschikt

Lang niet alle organisaties hebben ervaring met de inzet van RPA. Het is daarom goed een scherp beeld te hebben van de toepassingen waarvoor RPA al dan niet geschikt is.

Repeterende handelingen, met hoge volumes en gebaseerd op eenvoudige regels, zijn zeer geschikt voor RPA. Het is ook belangrijk dat processen gestandaardiseerd zijn (weinig uitzondering kennen) en gebaseerd op gestructureerde data. Wanneer met twee of meer systemen gewerkt moet worden, komt RPA ook goed tot zijn recht.

Minder geschikt zijn processen met ongestructureerde data. De huidige generatie RPA-tools kan dergelijke data niet verwerken. Complexe regels en niet-lineaire processen zijn andere showstoppers. RPA-software kan berichten naar mensen sturen, maar biedt nog geen soepele overdracht van werk tussen mens en machine.

“Ongestructureerde data, complexe regels en niet-lineaire processen zijn showstoppers”

Hierover ontstond discussie tussen de deelnemers aan de workshop. Het blijkt dat een RPA-systeem toch mogelijkheden biedt, zoals een gedefinieerde stap in het proces voor een handmatige ingreep. Ook integratie met een BPM-systeem is mogelijk. Een van de deelnemers gaf aan zelfs al een integratie met een AI-systeem te hebben.

Levenscyclus RPA-project

In grote lijnen ziet de RPA-levenscyclus eruit als de bekende OPDCA-cyclus (Observe-Plan-Do-Check-Act): discovery – procesanalyse – ontwikkelen, testen/implementeren – uitvoeren – analyseren.

Bij de eerste stap, discovery, is het goed te kijken naar processen met een lage complexiteit en veel waarde. Bij het in kaart brengen van een proces (as is) wordt steeds vaker gebruikgemaakt van process mining. Het opnieuw modelleren van een proces voor de inzet van RPA (to be) en het configureren van de RPA is echt werk voor een hoogopgeleide modeler.

De testfase verschilt niet van die bij andere typen software. Om ten slotte te kunnen uitvoeren en analyseren (check & act) bieden RPA-tools dashboards, waarop je bijvoorbeeld de top 10-exceptions of de verwerkingstijd kunt zien. Het is mogelijk daar zelf nog allerlei analyses aan toe te voegen.

Hierna gingen de deelnemers in twee groepen uiteen om onder leiding van Accenture te bekijken wat de toegevoegde waarde van RPA zou kunnen zijn voor processen als HR, finance en diverse ondersteunende functies. Centraal stond de vraag: waar kunnen we RPA goed toepassen? Na deze sessie was het duidelijk wat RPA is en wat het voor een organisatie kan betekenen.


AI

De olifant in de kamer van intelligent automation is AI. Het komt eraan, daar twijfelt niemand aan. Maar wat gaat het betekenen? Volgens Accenture is AI in het kader van automation zeer geschikt voor content- en procesoptimalisatie. Het is nog maar de vraag of we AI als opvolger van RPA moeten zien. Tot nu toe is ermee werken op schaal nog een issue, aldus Accenture. Mocht dat te zijner tijd gaan lukken, zou het groot kunnen worden. Aan de andere kant is er ook iets te zeggen voor het handhaven van een simpele execution-engine. Auditability van AI is in sommige sectoren zeer belangrijk en een issue. Hoe weet je hoe een neuraal netwerk tot zijn beslissingen is gekomen?

Arnoud van Gemeren is hoofdredacteur van CIO Magazine, Boardroom IT en voormalig hoofdredacteur van TITM (Tijdschrift IT Management) en Outsource Magazine. Hij heeft een lange staat van dienst in de Nederlandse IT-mediawereld. Na een start bij een redactiebureau, was hij als hoofdredacteur van 1996 tot 2001 bij uitgeverij Array Publications verantwoordelijk voor diverse IT-vakbladen. In 2001 sloot hij zich aan bij een adviesbureau op het gebied van marketingcommunicatie, Beatrijs Media Group. Vanuit dit bureau bleef hij als hoofdredacteur actief, onder meer voor Sdu Uitgevers.

REAGEREN

Plaats je reactie
Je naam