Botten, der elskede mig: Hvordan intelligent automatisering vil forbedre vores job og vores virksomheder

Leveret af PwC

Når vi tænker på automatisering, kommer typiske eksempler – robotter på fabrikken, spamfiltre og automatiserede softwaretestværktøjer – ofte i tankerne. Men hvad nu hvis automatisering kunne få en dramatisk opgradering, en gjort mere intelligent ved at integrere disse værktøjer med maskinlæringsteknologier (ML)? Forestil dig en verden, hvor automatiseringsværktøjer overvåger, hvordan vi arbejder, og brug derefter kunstig intelligens (AI)-drevet indsigt til at fortælle os, hvordan vi kan arbejde bedre (eller opgradere vores arbejdsindsats for os) i farten.

Det er ikke en fantasi: Intelligent automatisering ankommer nu , og det vil dybt ændre den måde, vi arbejder på.

I dag er automatiseringsværktøjer stort set isoleret og segmenteret i deres egne len. En hjemmeside-chatbot interagerer typisk ikke med en kundeservicemedarbejder, medmindre den er programmeret til at aflevere en samtale, hvis visse betingelser er opfyldt. Chatbotten følger bare sin programmering og ændrer aldrig kurs, medmindre den bliver beordret til det. Når vi udvikler et system som dette, finder vi først ud af, hvad vi vil automatisere; derefter designer og udvikler vi botten til at fungere til dets specifikke formål.

Men alt dette ændrer sig fra bunden.

Maskinlæring afgør, hvad der skal automatiseres

Sådan ser fremtiden for automatisering ud: I stedet for at bestemme en proces, som vi ønsker at automatisere, vil en maskinlæringsagent observere den måde, vi arbejder på, indsamler og udvinder historiske data for at bestemme, hvor mulighederne for automatisering ligger. AI-værktøjet vil derefter opstille en hypotese om en løsning i form af en automatiseret procesændring og simulere, hvordan disse ændringer vil forbedre produktiviteten eller føre til bedre forretningsresultater.

Derfra vil den optimerede, automatiserede proces blive implementeret i arbejdsmiljøet, der problemfrit integrerer sig selv i vores job, med det mål at reducere gentagne, manuelle indsatser – det såkaldte travle arbejde, der spiser så meget af dagen. Denne kombination af menneskelig og digital arbejdskraft kaldes orkestrering.

Det er ikke en fantasi: Intelligent automatisering ankommer nu, og det vil dybt ændre den måde, vi arbejder på.

Når det bruges i hele virksomheden, giver orkestrering os mulighed for at skabe en guldstandard af automationsdrevet bedste praksis, der kan standardiseres på tværs af hele organisationen. Disse værktøjer vil konstant overvåge deres egen præstation (og kunne også overvåge medarbejdernes præstation) og forbedre deres egne algoritmer, efterhånden som yderligere data fanges, og de bliver bedre hver dag, mens de anvender deres læring på andre udfordringer, der har relaterede problemer. For eksempel kan en algoritme, der dirigerer indgående kundeservice-e-mails, i sidste ende tilpasse sig til at rute interne medarbejderevalueringsdokumenter.

Intelligent automatisering har applikationer på tværs af en bred vifte af jobroller, discipliner, afdelinger og sektorer. Det kan bruges til alt fra at forbedre beskeder til at tildele faktureringskoder til at strømline eksterne marketinginitiativer.

Men mens ML-drevet orkestrering vil finde masser af applikationer i kontorlignende arbejde, er det ikke begrænset til rutineopgaver som at sende automatiske e-mail-svar på kundeforespørgsler eller onboarding af nye medarbejdere.

Forestil dig en forsikringsagent, der udvikler komplekse politikker for sine kunder, baseret på udtømmende undersøgelser, der beskriver deres særlige behov. Disse politikker kan tage timer at bygge – udviklet stykkevis fra dybe kataloger over variable vilkår, omkostninger og fordele. Det kan være en ligetil proces, men det er også en tidskrævende proces, der kræver stor opmærksomhed på detaljer for at sikre, at intet bliver overset.

Intelligent automatisering eliminerer næsten al denne indsats. En intelligent mikrobot kunne observere forsikringsagentens arbejdsgang, afdække, hvor der foregår for meget manuel indsats, og bestemme, hvor automatisering både kunne strømline arbejdsgangen og forbedre det færdige produkt, alt sammen uden at involvere agenten direkte.

Mens agenten ville bevare overblikket, ville han blive befriet fra de mere banale aspekter af jobbet, da mikroboten komponerede politikken på hans vegne og lod agenten fokusere på den overordnede opgave at betjene sine kunder bedre.

Intelligent automatisering kan gavne enhver medarbejder

Et af målene med intelligent automatisering er at udvide dette til gavn for alle på tværs af organisationen . Du skal ikke involvere IT-afdelingen for at drage fordel af automatisering, da disse værktøjer er ved at blive bygget til at kassere det, der engang var en meget besværlig og teknisk proces, og gøre den meget mere brugervenlig.

Forsikringsagenteksemplet ovenfor lyder måske komplekst, men i sin kerne er det et grundlæggende problem, som enhver videnmedarbejder har: at skulle investere mange timer i en gentagen proces, der ikke udnytter den pågældende fagpersons tid eller færdigheder bedst muligt. Det ideelle intelligente automatiseringsværktøj er designet til at være tilgængeligt for alle, og organisationer behøver ikke en stab af dataforskere til at implementere det.

Intelligente automatiseringsbots bliver nødt til at overvinde denne frygt, før vi stoler nok på dem til at lægge virksomhedens fulde vægt på deres skuldre.

Overvej en anden business case, som næsten alle store virksomheder kæmper med: callcenteret. Callcenteret er et godt eksempel, fordi vi ganske tydeligt kan se, hvordan det fungerer og drives, hvad callcenter-agenter laver, og hvordan de håndterer hvert opkald. Der bruges meget energi på at overvåge opkald, bestemme typen af ​​opkald og dirigere det korrekt. Call center ledere er ofte stolte af at have adgang til et bjerg af information om hvert opkald, der kommer ind i centeret.

Så lad os begynde at anvende grundlæggende automatisering til den afdeling. Et ligetil AI-værktøj, som et der findes i dag, kan beslutte, at de bedste kunder skal vente mindst tid. Dette er en streng algoritmisk tilgang, der shunter nogle opkaldere til webstedet, giver andre opkaldere et standardsvar og hurtigt eskalerer VIP'er til en mere erfaren agent.

AI-værktøjet bruger regler og logik til at træffe disse beslutninger, men der er ingen følelse af menneskelig empati her. AI-værktøjet kan ikke mærke frustrationen i en opkalds stemme, og det er ligeglad med, at en forhastet mor, der er forsinket med at hente sine børn, har været i venteposition i en time.

Ved at bringe et orkestreret, intelligent automatiseringsværktøj til blandingen, kan systemet lære af at studere interaktionerne mellem alle agenter og alle opkalderne, i stedet for blot at stole på et sæt statiske, forudbestemte regler. Det er ikke det samme som menneskelig empati, men botens evne til at tilpasse sig (eller selvhelbredende) flytter nålen i den retning og producerer målbart bedre resultater over tid.

Ved at observere, hvordan mennesker reagerer på forskellige opkald, bliver automatiseringsværktøjet stadig bedre til at træffe beslutninger om, hvordan man håndterer disse opkald uden menneskelig indgriben. Det ultimative resultat er gladere kunder og mere engagerede og produktive callcenteroperatører.

Det lyder måske fantasifuldt og futuristisk, men værktøjer som dette er allerede begyndt at komme på markedet. I 2019 skulle de være i udbredt brug i en række brancher.

Det betyder ikke, at disse værktøjer ensidigt er klar til rampelyset, for intelligent automatisering har nogle få udfordringer, som vi bliver nødt til at overvinde, efterhånden som teknologien kommer ind i mainstream.

Tillid er et af de største problemer. Marketing-e-mails og faktureringskoder er én ting, men kan folk stole på bots med økonomiske transaktioner og oplysninger om menneskelige ressourcer? Når følsomme data som sundhedsjournaler og kreditkortnumre bliver involveret, er det naturligt at frygte, at noget kan gå galt takket være en malplaceret kodelinje.

Intelligente automatiseringsbots bliver nødt til at overvinde denne frygt, før vi stoler nok på dem til at lægge virksomhedens fulde vægt på deres skuldre.

Smarte virksomheder kommer foran ... ved at udvikle en ramme for styring frem for automatisering.

Datastandardisering er en anden udfordring. Data gemmes i utallige formater, snesevis af programmeringssprog er almindelige, og antallet af applikationer, som bots skal interagere med, er sandsynlige tal i tusindvis. Hvordan bruger bots alle disse datakilder og formater? Og hvem er ansvarlig for at styre botsværmen?

Til sidst, hvordan forhindrer vi bias fra at krybe ind i intelligente systemer? Vil en udviklers bias krybe ind i hans eller hendes algoritme? Hvis en banks låneadministrator anvender forskellige standarder på minoritetsansøgere, lærer botten så den adfærd og gør diskrimination til en del af sin interne proces? Situationer som disse giver anledning til etiske spørgsmål, som ikke er blevet diskuteret fuldt ud - men de skal være det.

Disse udfordringer behøver ikke være skræmmende og kan begynde at blive løst gennem streng ledelse i virksomheden. Smarte virksomheder kommer foran spillet (og håndterer nogle af disse udfordringer) ved udvikle rammer for styring over automatisering, som præciserer godkendte værktøjer og sikkerhedsprotokoller, som bots kan bruge. I nogle virksomheder bliver forretningsprocesser også genopfundet, så automatisering kan implementeres mere vellykket. Andre tilpasser deres driftsmodel for at integrere mere teknologi direkte i virksomheden.

Selvom vi har en vej at gå, beviser intelligent automatisering allerede sin værdi. Det her suite af teknologi giver en demonstreret måde at reducere udgifter på, forbedre produktiviteten og øge medarbejdertilfredsheden. Og efterhånden som automatisering bliver mere intelligent og mere meningsfuld, vil alle disse faktorer fortsætte med at blive bedre – nogle gange dramatisk.

Når vi genovervejer alle slags processer fra ende til anden, forventer vi at se fremkomsten af ​​talrige, helt nye værdiforslag, alle drevet af kraften i intelligent automatisering.

For at lære om PwC's automatiseringsperspektiv og finde ud af, hvordan du genopfinder din virksomhed, Klik her.

skjule