Aturan 5: Prioritaskan Proses Anda
Ketika memulai program RPA, bahkan pada tahap pilot, tim teknologi harus mengambil pandangan pipa terhadap proses. Banyak program RPA yang sukses telah membangun pipa calon proses dengan pengambilan, penilaian, dan prioritisasi selama 12 hingga 18 bulan ke depan, dipimpin oleh COE atau tim pemogokan. Untuk membangun pipa masuk yang kuat:
- Sejajarkan RPA dengan kasus penggunaan yang tepat. Tim teknologi yang ingin bereksperimen dengan RPA sering lupa bahwa untuk palu, segalanya terlihat seperti paku. Alat lain dalam kotak alat otomasi cerdas (IA) mungkin mencapai hasil yang lebih tahan lama atau mengarah pada kecerdasan yang lebih besar. Mulailah dengan evaluasi proses RPA dengan menggunakan “aturan lima” Forrester untuk mengidentifikasi proses calon yang mudah. Untuk otomatisasi yang lebih kompleks, gunakan kerangka kerja otomatisasi Forrester. Hindari RPA untuk integrasi data cepat ketika pendekatan API mungkin lebih baik dalam jangka panjang. Seperti yang dikatakan seorang pemimpin RPA di sebuah perusahaan otomotif kepada kami: “Kami melihat RPA [vanila] sebagai otomatisasi terakhir, setelah semua model otomatisasi dievaluasi dan dibuang.”
- Untuk proses sederhana, gunakan analitik pekerja digital. Forrester mendefinisikan analitik pekerja digital (DWA) sebagai platform dan metodologi yang mendukung pendekatan terotomatisasi dan sistematis untuk berkolaborasi, menangkap, membangun struktur, menganalisis, menstandardisasi, mendokumentasikan, dan menilai aktivitas desktop dan browser manusia untuk membantu menstandardisasi, merancang, dan membangun pekerja digital untuk otomatisasi tugas dan kecerdasan yang lebih besar. Alat pertambangan tugas saat ini menyediakan pendekatan serupa tetapi merupakan subset dari fungsionalitas DWA yang lebih luas. DWA kaya akan data. Sedangkan penemuan proses yang dipimpin oleh konsultan memakan waktu dan tenaga kerja, analitik tugas sekarang dapat mengidentifikasi, memprioritaskan, dan mendokumentasikan masukan dan keluaran manusia. Ini mensintesis dan menilai elemen tugas – data login, navigasi dan akses layar, pemilihan mouse, waktu pencarian, entri lapangan dari beberapa rekaman – berdasarkan faktor aturan lima seperti panjang tugas, jumlah orang yang melakukan proses, dan jumlah sistem yang digunakan.
- Untuk tugas yang kompleks, pergi lebih dalam. Proses kompleks dapat meliputi beberapa lingkungan aplikasi heterogen. Berpikir desain dan visi perjalanan sangat berharga untuk memahami proses kompleks yang mencakup beberapa disiplin dan pemangku kepentingan. Alat-alat ini memungkinkan pemahaman nuansa tentang proses melalui masukan kualitatif seputar perilaku pengguna, motivasi, dan ketergantungan. Pandangan gabungan tentang masukan kualitatif dan data keras melalui DWA dapat membantu mengungkapkan peluang otomatisasi jangka pendek dan panjang untuk memberi makan pipa calon proses untuk otomatisasi. Salah satu studio film besar menerapkan pemikiran desain untuk mengidentifikasi dan menyederhanakan proses manajemen metadata di banyak sumber dan jenis aset digital.
- Inteligensi proses mendorong kesuksesan RPA – tetapi juga dapat melakukan banyak hal lain. Dengan menyediakan wawasan waktu nyata ke dalam kinerja RPA, inteligensi proses dapat membantu mengidentifikasi bottleneck, mengoptimalkan alur kerja, dan meningkatkan efisiensi dan akurasi secara besar-besaran. Dengan kemampuan untuk memantau, menganalisis, dan mengoptimalkan proses RPA secara real time, inteligensi proses menawarkan alat yang kuat untuk kesuksesan RPA. Perusahaan sedang merangkul optimisasi proses sebagai bagian integral dari otomasi: 40% permintaan intelijen proses dari klien Forrester pada tahun 2022 berpusat pada pertambangan proses. Pertambangan proses masih merupakan teknologi tahap awal dengan potensi masa depan yang signifikan, karena vendor menyematkan fitur AI untuk mendorong pengamatan seluruh bisnis. Program RPA harus, dalam skala besar, mengintegrasikan intelijen proses ke dalam prosedur operasi standar. Cari cara untuk mengintegrasikan RPA sebagai bagian dari pemeriksaan lebih luas dari proses organisasi Anda dan jadikan RPA bagian dari program transformasi proses Anda.
Aturan 6: Letakkan Dasar Awal untuk Manajemen dan Tata Kelola Otomatisasi yang Efektif
Mendapatkan proses otomatisasi yang tepat lebih penting daripada hanya mendapatkan proses terotomatisasi. Ini melibatkan menetapkan metode yang dapat diulang untuk identifikasi, prioritisasi, dan pengelolaan pipa untuk proses yang akan diotomatisasi. Proses otomatisasi juga melibatkan menetapkan model operasi dan tata kelola yang efektif yang memberikan stabilitas pada program otomatisasi tanpa mengorbankan kelenturan. Berikut adalah beberapa prinsip panduan:
- Dokumen desain proses (PDD) adalah senjata penting dalam perjuangan melawan pemilihan proses yang tidak sempurna. Program RPA tahap awal seringkali memilih fragmen dari suatu proses, bukan seluruh proses, untuk diotomatisasi. Sedikit yang mempertimbangkan throughput dari seluruh tugas dalam mode straight-through. Pandangan proses sebagian mengabaikan ketergantungan pada langkah-langkah eksternal, mengekspos otomatisasi pada ketidakstabilan. Tim juga kehilangan kemampuan untuk mengukur nilai dan dampak otomatisasi sebagian. Pengetahuan proses dapat bertambah dari waktu ke waktu dengan dokumentasi yang tidak mencukupi. Gunakan dokumen desain proses (PDD) sebagai senjata penting untuk membuat dokumentasi deskriptif mendalam tentang proses target Anda. Sertakan detail granular, mulai dari alur kerja hingga pandangan tombol keyboard. Analisis ketergantungan eksekusi proses dan tangkap variasi.
- Mengerti, mendokumentasikan, menstandardisasi, memperbaiki, dan kemudian mengotomatisasi. Mendesain ulang atau menstandardisasi suatu proses sebelum mengotomatisasinya mungkin meningkatkan biaya awal tetapi biasanya menghasilkan otomatisasi yang lebih berkelanjutan dengan pengembalian yang lebih baik. Kotak alat perbaikan proses berisi banyak alat dan metodologi yang dapat membantu. Metodologi tradisional meliputi Kaizen, Lean, Six Sigma, analisis biaya kualitas buruk, dan analisis mode dan efek kegagalan. Menggunakan metode ini untuk mendesain ulang proses end-to-end bisa menakutkan, dan banyak perusahaan kurang sabar untuk melakukannya. Pendekatan yang lebih cepat dan lebih cerdas berbasis data seperti task mining dan process mining membuat proses ini lebih mudah dan dapat diulang pada skala yang lebih besar.
- Pilih model tata kelola yang ringan dan terfederasi. Meskipun model tata kelola ideal Anda unik untuk organisasi Anda, beberapa prinsip umum dan trade-off berlaku. Model terpusat memberikan lebih banyak kontrol, terutama pada awal program, tetapi kontrol ini mengurangi kecepatan otomatisasi dan menghambat skala. Model terfederasi mendukung kecepatan dan kelincahan tetapi membutuhkan kolaborasi jangka panjang yang lebih erat antara bisnis dan TI untuk mengembangkan ritme operasi dan distribusi tanggung jawab (lihat Gambar 3). Targetkan model pusat terfederasi dengan beberapa pusat desain otomatisasi yang terletak di bisnis, didukung oleh tim pemogokan otomatisasi (lihat Gambar 4). Akhirnya, ketika RPA bertransisi dari kemampuan mandiri yang terindustrialisasi menjadi bagian dari kain otomatisasi, model tata kelola harus mencari kesesuaian yang lebih dekat dengan kantor transformasi organisasi.
Aturan 7: Rencanakan untuk AI, Tetapi Jangan Terburu-buru
RPA adalah teknologi deterministik, sedangkan AI menangani probabilitas. Meskipun begitu, ada keterkaitan yang erat dan alami antara otomatisasi proses dan pembelajaran mesin (ML). Menanamkan ML ke dalam alur kerja berbasis RPA sangat meningkatkan luas area tugas dan proses yang dapat diotomatiskan dengan memungkinkan penggunaan kasus baru yang tidak dapat dilakukan oleh bot perangkat lunak saja (lihat Gambar 5). Kasus penggunaan meliputi dari yang sederhana (misalnya, mengekstraksi data terstruktur dari gambar yang dipindai) hingga yang kompleks (misalnya, menanamkan algoritma keputusan kompleks ke dalam alur kerja RPA). Namun, dengan kekuatan besar ini datanglah tanggung jawab yang lebih besar; titik lemah ML terus memegang kendali dalam keterlibatan IA. Untuk berhasil dengan kasus penggunaan AI/ML dalam program RPA:
- Mulailah dengan langkah-langkah kecil. Mengotomatisasi proses dengan RPA sudah cukup sulit; AI menambah dimensi ekstra pada kompleksitas ini. Jelajahi kasus penggunaan yang mudah, terutama yang memperluas otomatisasi stabil yang sudah ada ke wilayah nondeterministik. Proses back-office di bidang keuangan dan akuntansi, pengadaan, atau domain lain yang menangani dokumen kertas semiterstruktur seperti faktur atau pesanan pembelian, menawarkan kesempatan awal. Tetapi sebelum melompat masuk, kembangkan penghargaan terhadap alat AI atau ML tertentu yang digunakan, serta akurasi dan batasan dari algoritma yang mendasarinya dalam skenario yang berbeda. Tetapkan harapan dengan pemangku kepentingan bisnis bahwa algoritma tidak selalu berhasil, tetapkan parameter untuk tingkat keberhasilan yang dapat diterima, dan buat penangkal manusia.
- Fokus pada kualitas data awal. Seperti yang akan dikatakan oleh setiap ilmuwan data, kualitas dan akurasi model ML Anda hanya sebagus kualitas data pelatihan Anda. Ketika Anda lulus ke kasus penggunaan AI/ML yang lebih kompleks, bekerja sama dengan tim ilmu data pada kualitas data Anda. Inilah di mana pendekatan kain otomatisasi membantu. Menampung tim ilmu data dan tim otomatisasi dalam struktur organisasi atau COE yang sama memperkuat keterkaitan tujuan strategis, kerja sama yang lebih baik, dan akhirnya otomatisasi yang lebih kuat.
Aturan 8: Mengambil Pandangan Inovasi dari Otomasi Cerdas
Inisiatif RPA tahap awal harus memprioritaskan CX, pembangunan kapasitas internal, dan pencapaian hasil otomatisasi terhadap kasus bisnis. Namun, saat program berkembang dan kepercayaan pada RPA meningkat, RPA dapat memainkan peran kritis dalam inovasi. Bawa pandangan inovasi ke program RPA Anda dengan:
- Mengambil pandangan layanan bisnis terhadap inovasi. COE atau tim pemogokan Anda memberi Anda kompetensi internal untuk memberikan konsultasi, skala, dan dukungan sebagai layanan bisnis kepada organisasi secara luas – mengapa tidak inovasi juga? Arsitektur, manajemen siklus hidup, pengukuran, kegunaan ulang, pelatihan, manajemen kapasitas, jaminan kualitas, pemantauan, dan pelaporan yang memungkinkan otomatisasi untuk menangani pengalaman pelanggan dan beban kerja baru berfungsi dengan baik dalam budaya inovasi. Peran tim otomatisasi Anda bukan hanya tentang skala dan pengembangan keterampilan.
- Mendorong keterampilan otomatisasi internal. Menggunakan RPA dan teknologi terkait untuk mengotomatisasi proses memerlukan orang dengan keterampilan baru dan kebutuhan spesialisasi. Anda harus menciptakan peran tertentu untuk ini (lihat Gambar 6). Organisasi melaporkan memulihkan jumlah pekerjaan kecil tetapi signifikan yang hilang karena otomatisasi yang terakumulasi pada program otomatisasi mereka. Pada saat yang sama, beberapa organisasi melaporkan bahwa, bukannya takut kehilangan pekerjaan, karyawan sering merangkul otomatisasi, senang belajar keterampilan baru atau meningkatkan kualitas pekerjaan mereka.
- Mendukung pengembangan warga. Karyawan dengan sedikit atau tanpa keterampilan pengembangan aplikasi konvensional atau pemrograman mengambil alih pengembangan otomatisasi mereka sendiri. Munculnya pengembang warga adalah tema yang berkembang di seluruh perusahaan. Berita baiknya: Sebagian besar produk RPA modern semakin mendukung pengembang warga dengan antarmuka desain kode rendah dan integrasi out-of-the-box yang mudah dengan aplikasi pihak ketiga umum. Namun, mendukung pengembang warga memerlukan beberapa kompetensi tambahan di COE otomatisasi dan dukungan yang erat dari tim teknologi. Perusahaan seberang Carlsberg, Singtel, dan Spotify berhasil mendorong adopsi RPA di seluruh organisasi mereka dengan fokus pada pengembangan kerangka kerja, pelatihan, dan tata kelola untuk membantu pengembang warga berhasil.
- Manfaatkan mitra co-inovasi Anda. Mitra co-inovasi adalah pihak eksternal strategis yang membawa aset, aliansi, dan solusi dan membantu Anda mentransformasikan dengan mengatur nilai dari ekosistem internal dan eksternal Anda. Mitra layanan strategis Anda yang paling strategis sudah tertanam dalam ekosistem Anda dan mendukung tujuan digital Anda. Banyak dari mereka sudah meningkatkan inisiatif otomatisasi Anda di seluruh layanan dan telah menghabiskan beberapa tahun terakhir membangun garis layanan canggih, kemitraan, metodologi, platform, dan aset untuk membantu mendorong otomatisasi di seluruh perusahaan Anda. Diskusikan tujuan otomatisasi Anda dengan mitra strategis Anda dan manfaatkan keahlian mereka sepanjang perjalanan Anda.
Aturan 9: Desain Untuk Manusia
Bot yang sepenuhnya otonom masih fiksi ilmiah; manusia masih kritis untuk keberhasilan otomatisasi. Wawasan, tenaga kerja, dan dukungan manusia sering diperlukan untuk merencanakan, mengukur, menerapkan, dan menstabilkan otomatisasi. Proses langsung tidak dapat diandalkan dalam semua kasus penggunaan. Selain itu, teknologi probabilitas seperti ML membuat pentingnya manusia dalam lingkaran. Anda perlu merancang dengan hati-hati skenario di mana bot dan manusia berinteraksi (lihat Gambar 7). Untuk memulai desain manusia-dalam-lingkaran Anda:
- Arsitek keamanan manusia. Platform RPA akan mengatur alur proses antara orang dan bot, memerlukan jaring pengaman manusia dalam banyak kasus. CX memerlukan proses untuk mengelola hasil jika bot Anda rusak. RPA yang terhubung dengan ML untuk menangani pengecualian membutuhkan manusia untuk melatih algoritma, memvalidasi hasil, dan mengelola pengecualian proses.
- Berkomitmen pada program manajemen perubahan yang kuat. Semua pemangku kepentingan harus jelas memahami kebutuhan otomatisasi, dan organisasi harus mengkomunikasikan alasan ini. Pemimpin program RPA harus melibatkan karyawan dari awal, mencari masukan mereka untuk mengidentifikasi proses yang paling cocok untuk otomatisasi dan menurunkan resistensi terhadap program otomatisasi. Organisasi harus memberikan pelatihan dan dukungan yang cukup untuk membantu karyawan menyesuaikan diri dengan sistem baru. Sponsor eksekutif yang kuat dan tujuan yang jelas membantu mengurangi resistensi manajemen menengah terhadap otomatisasi. Komunikasi harus terbuka dan transparan sepanjang proses. Setelah berjuang dengan pemikiran fungsional yang terpisah, program RPA di Roche Hong Kong mengkalibrasi pendekatan dan dampaknya dengan menetapkan tujuan lintas-fungsional bersama, didukung oleh alokasi anggaran dinamis dan perencanaan yang didorong oleh acara.
- Letakkan kesejahteraan karyawan di pusat. Otomatisasi tidak boleh berarti bahwa manusia menjadi yang kedua; sebaliknya, itu membuat mereka lebih kritis untuk kesuksesan Anda. Tidak diragukan lagi bahwa otomatisasi akan mempengaruhi sikap karyawan Anda dengan cara yang baru dan berbeda dan memainkan peran besar dalam restrukturisasi kerja; ini adalah konsekuensi langsung dari bekerja dengan mesin cerdas dan kecepatan digital yang lebih cepat. “Pengalaman manusia penting. Seberapa baik Anda terlibat dengan mitra bisnis dan karyawan Anda akan menentukan kualitas hasil otomatisasi, tingkat adopsi solusi otomatis, dan kemauan karyawan dan pemangku kepentingan untuk terus bekerja pada kesempatan otomatisasi lainnya dan mengadopsi kemampuan terkait tambahan, termasuk AI generatif.” (Rockie Solomon, pemimpin otomatisasi bisnis cerdas, Eversource Energy)
- Fokus pada pengalaman karyawan. Penelitian EX terkait otomatisasi sekarang berpusat pada elemen EX mana yang paling penting. Kecemasan semakin naik daftar. Mesin akan membuat keputusan lebih banyak untuk kita, mengungkap kesenjangan keterampilan lebih cepat, dan menantang kita untuk tetap sejalan. Saat ini terjadi, pekerja manusia yang paling terpengaruh oleh maraknya otomatisasi akan merasa terancam dan terpinggirkan.
Aturan 10: Fostering Budaya Otomatisasi Pertama
Sikap otomatisasi yang tepat dimulai dengan tujuan mengotomatisasi proses sebanyak mungkin dan kemudian membawa tenaga kerja manusia. Mindset ini penting karena perbatasan otomatisasi terus berkembang. RPA telah mengotomatisasi beberapa tugas rutin. Bersama dengan AI dan ML dan dalam konteks kain otomatisasi, ia siap untuk merambah pada spektrum jenis proses dan area pengambilan keputusan yang semakin meningkat. Untuk berhasil dengan otomatisasi, organisasi harus beralih untuk memikirkan itu sebagai model utama untuk semua jenis pekerjaan. Kerangka kerja kuantitas robot Forrester dapat membantu Anda membangun otot organisasi seputar otomatisasi. Mindset yang tepat memerlukan organisasi Anda untuk:
- Menyebarkan visi akhir untuk otomatisasi. Pasarkan secara proaktif nilai dan manfaat otomatisasi secara internal dan di seluruh bisnis. Mulailah dengan menjelaskan manfaat otomatisasi menggunakan contoh dunia nyata. Terangkan manfaat dengan jelas seperti efisiensi yang meningkat, biaya yang lebih rendah, akurasi yang lebih baik, dan kemampuan untuk fokus pada pekerjaan bernilai lebih tinggi. Jelaskan bagaimana otomatisasi dapat membantu organisasi mencapai tujuan dan visinya. Komunikasikan rencana jelas, tangani kekhawatiran, dan libatkan orang. Gunakan lokakarya, hackathon, dan inisiatif lainnya untuk mendorong ideasi otomatisasi dan partisipasi di seluruh organisasi. Schlumberger menghasilkan kegembiraan untuk RPA dengan menjalankan hackathon enterprisewide di lokasi di seluruh dunia. Ini digunakan untuk menemukan ide dari pebisnis, membangun kesadaran dan kegembiraan seputar masalah yang dapat diselesaikan oleh otomatisasi, dan memberi penghargaan pada tim yang memberikan dampak bisnis yang tinggi.
- Mendorong eksperimen dan pembelajaran. Membangun budaya otomatisasi pertama memerlukan keterbukaan untuk bereksperimen dan belajar. Dorong karyawan untuk menjelajahi alat dan teknologi baru dan berbagi pengalaman mereka dengan orang lain dalam organisasi. Buat budaya pembelajaran yang berkelanjutan di mana kesalahan dilihat sebagai kesempatan untuk memperbaiki. Dan ketika proyek otomatisasi berhasil, rayakan! Soroti manfaatnya dan akui tim atau individu yang terlibat dalam proyek. Ini akan membantu membangun momentum dan kegembiraan seputar otomatisasi dan memperkuat nilai dari budaya otomatisasi pertama dalam organisasi.
- Ajar mereka memancing! Saat Anda memperkenalkan alat dan teknologi baru, penting untuk melatih dan mendukung karyawan. Ini akan membantu mereka memahami cara menggunakan alat dengan efektif dan memanfaatkan peluang otomatisasi sebanyak mungkin. Berikan dukungan berkelanjutan saat karyawan terus menggunakan alat dan menghadapi tantangan baru. Pada saat yang sama, jangan hanya berhenti pada pelatihan alat. Investasikan dalam membantu karyawan dan pengembang warga mengembangkan keterampilan TI yang lebih luas seperti membuat PDD, pendekatan pengembangan perangkat lunak atau pengujian dasar, dan keterampilan non-TI seperti pengembangan kasus bisnis dan komunikasi.
- Diskusikan keterampilan yang muncul secara proaktif dan transparan. Saat otomatisasi membuat kemajuan yang lebih dalam, penghapusan peran pekerjaan tidak dapat dihindari. Pelatihan ulang untuk pekerjaan yang telah berubah akan menjadi banyak. Kabar baiknya adalah bahwa otomatisasi menawarkan peluang karir bagi banyak karyawan dengan pekerjaan di bawah garis air.