Boten som älskade mig: Hur intelligent automation kommer att förbättra våra jobb och våra företag

Tillhandahålls av PwC

När vi tänker på automatisering kommer ofta typiska exempel – robotar från fabriken, spamfilter och automatiserade testverktyg för programvara – upp i minnet. Men vad händer om automatisering kunde ges en dramatisk uppgradering, en som gjordes mer intelligent genom att integrera dessa verktyg med maskininlärningsteknik (ML)? Föreställ dig en värld där automationsverktyg tittar på hur vi arbetar, och använd sedan artificiell intelligens (AI)-drivna insikter för att berätta hur vi kan arbeta bättre (eller uppgradera våra arbetsinsatser åt oss) i farten.

Det är ingen fantasi: Intelligent automation kommer nu , och det kommer att på djupet förändra hur vi arbetar.

Idag är automationsverktyg till stor del isolerade och segmenterade i sina egna län. En chatbot på en webbplats interagerar vanligtvis inte med en kundtjänstanställd såvida den inte är programmerad att lämna en konversation om vissa villkor är uppfyllda. Chatboten följer bara sin programmering och ändrar aldrig kurs om den inte beordras att göra det. När vi utvecklar ett sådant här system kommer vi först på vad vi vill automatisera; sedan designar och utvecklar vi boten för att fungera för dess specifika syfte.

Men allt detta förändras från grunden.

Maskininlärning avgör vad som ska automatiseras

Så här ser framtiden för automatisering ut: I stället för att bestämma en process som vi vill automatisera, kommer en maskininlärningsagent att observera hur vi arbetar, samlar in och utvinner historisk data för att avgöra var möjligheterna till automatisering finns. AI-verktyget kommer sedan att anta en lösning i form av en automatiserad processförändring och simulera hur dessa förändringar kommer att förbättra produktiviteten eller leda till bättre affärsresultat.

Därifrån kommer den optimerade, automatiserade processen att implementeras i arbetsmiljön och sömlöst integrera sig i våra jobb, med målet att minska repetitiva, manuella ansträngningar – det så kallade upptagna arbetet som äter upp så mycket av dagen. Denna kombination av mänskligt och digitalt arbete kallas orkestrering.

Det är ingen fantasi: Intelligent automation kommer nu, och det kommer att på djupet förändra hur vi arbetar.

När den används i hela företaget, tillåter orkestrering oss att skapa en guldstandard av automationsdrivna bästa praxis som kan standardiseras över hela organisationen. Dessa verktyg kommer ständigt att övervaka sin egen prestation (och kan också övervaka anställdas prestationer) och förbättra sina egna algoritmer när ytterligare data samlas in, och blir bättre för varje dag samtidigt som de tillämpar sina lärdomar på andra utmaningar som har relaterade problem. Till exempel kan en algoritm som dirigerar inkommande e-postmeddelanden från kundtjänst i slutändan anpassa sig till att dirigera interna medarbetarutvärderingsdokument.

Intelligent automation har applikationer inom ett brett spektrum av jobbroller, discipliner, avdelningar och sektorer. Den kan användas för allt från att förbättra meddelandehantering till att tilldela faktureringskoder till att effektivisera externa marknadsföringsinitiativ.

Men även om ML-driven orkestrering kommer att hitta många applikationer i kontorsarbete, är det inte begränsat till rutinuppgifter som att skicka automatiska e-postsvar på kundförfrågningar eller ta in nya medarbetare.

Föreställ dig en försäkringsagent som utvecklar komplexa policyer för sina kunder, baserat på uttömmande undersökningar som beskriver deras specifika behov. Dessa policyer kan ta timmar att bygga – utvecklade bitvis från djupa kataloger med rörliga villkor, kostnader och fördelar. Det kan vara en enkel process, men det är också en tidskrävande process som kräver stor uppmärksamhet på detaljer för att säkerställa att ingenting förbises.

Intelligent automation eliminerar nästan all denna ansträngning. En intelligent mikrobot kunde observera försäkringsagentens arbetsflöde, avslöja var för mycket manuell ansträngning äger rum och avgöra var automatisering kan både effektivisera arbetsflödet och förbättra den färdiga produkten, allt utan att involvera agenten direkt.

Medan agenten skulle ha tillsyn, skulle han befrias från de mer vardagliga aspekterna av jobbet, eftersom mikroboten komponerade policyn för hans räkning, och låter agenten fokusera på den övergripande uppgiften att bättre betjäna sina kunder.

Intelligent automation kan gynna varje anställd

Ett av målen med intelligent automation är att utöka detta fördel för alla i hela organisationen . Du ska inte behöva involvera IT-avdelningen för att dra fördel av automatisering, eftersom dessa verktyg byggs för att kasta bort det som en gång var en mycket mödosam och teknisk process och göra den mycket mer användarvänlig.

Försäkringsagentexemplet ovan kan låta komplicerat, men i grunden är det ett grundläggande problem som varje kunskapsarbetare har: att behöva investera långa timmar i en repetitiv process som inte utnyttjar den professionellas tid eller kompetens på bästa sätt. Den idealiska intelligenta automationsverktygslådan är designad för att vara tillgänglig för alla, och organisationer behöver inte en personal med datavetare för att implementera den.

Intelligenta automationsrobotar kommer att behöva övervinna dessa farhågor innan vi litar tillräckligt på dem för att lägga hela tyngden av verksamheten på deras axlar.

Tänk på ett annat affärscase som nästan alla stora företag kämpar med: callcentret. Callcentret är ett bra exempel eftersom vi kan se ganska tydligt hur det fungerar och drivs, vad callcenteragenter gör och hur de hanterar varje samtal. Mycket energi går åt på att övervaka samtal, bestämma typen av samtal och dirigera det på lämpligt sätt. Callcenterchefer är ofta stolta över att ha tillgång till ett berg av information om varje samtal som kommer in till centret.

Så låt oss börja tillämpa grundläggande automatisering på den avdelningen. Ett enkelt AI-verktyg, som ett som finns idag, kan bestämma att de bästa kunderna ska vänta minst tid. Detta är ett strikt algoritmiskt tillvägagångssätt som shuntar vissa uppringare till webbplatsen, ger andra uppringare ett standardsvar och snabbt eskalerar VIP:s till en mer erfaren agent.

AI-verktyget använder regler och logik för att fatta dessa beslut, men det finns ingen känsla av mänsklig empati här. AI-verktyget kan inte känna frustrationen i en uppringares röst, och det bryr sig inte om att en upprörd mamma som är sen med att hämta sina barn har varit på is i en timme.

Genom att ta med ett orkestrerat, intelligent automationsverktyg till mixen kan systemet lära sig av att studera interaktionerna mellan alla agenter och alla uppringare, snarare än att bara förlita sig på en uppsättning statiska, förutbestämda regler. Det är inte samma sak som mänsklig empati, men botens förmåga att anpassa sig (eller självläka) flyttar nålen i den riktningen och ger mätbart bättre resultat över tiden.

Genom att observera hur människor reagerar på olika samtal, blir automatiseringsverktyget allt bättre på att fatta beslut om hur man hanterar dessa samtal utan mänsklig inblandning. Det slutliga resultatet är nöjdare kunder och mer engagerade och produktiva callcenteroperatörer.

Detta kan låta fantasifullt och futuristiskt, men verktyg som detta börjar redan komma ut på marknaden. Senast 2019 bör de vara i utbredd användning i en rad olika branscher.

Det betyder inte att dessa verktyg är ensidigt redo för rampljuset, eftersom intelligent automation har några utmaningar som vi måste övervinna när tekniken kommer in i mainstream.

Förtroende är en av de största frågorna. Marknadsföringsmail och faktureringskoder är en sak, men kan folk lita på bots med finansiella transaktioner och personalinformation? När känsliga uppgifter som sjukvårdsjournaler och kreditkortsnummer blir inblandade är det naturligt att frukta att något kan gå åt helvete tack vare en felplacerad kodrad.

Intelligenta automationsrobotar kommer att behöva övervinna dessa farhågor innan vi litar tillräckligt på dem för att lägga hela tyngden av verksamheten på deras axlar.

Smarta företag tar steget före ... genom att utveckla ett ramverk för styrning framför automatisering.

Datastandardisering är en annan utmaning. Data lagras i otaliga format, dussintals programmeringsspråk är vanliga, och antalet applikationer som bots kommer att behöva interagera med troliga siffror i tusentals. Hur använder bots alla dessa datakällor och format? Och vem är ansvarig för att hantera botsvärmen?

Slutligen, hur gör vi för att förhindra att fördomar kryper in i intelligenta system? Kommer en utvecklares fördomar smyga sig in i hans eller hennes algoritm? Om en banks låneansvarige tillämpar olika standarder på minoritetssökande, lär sig boten det beteendet och gör diskriminering till en del av sin interna process? Situationer som dessa ger upphov till etiska frågor som inte har diskuterats fullt ut – men de måste vara det.

Dessa utmaningar behöver inte vara skrämmande och kan börja lösas genom rigorös styrning i företaget. Smarta företag går före i spelet (och hanterar några av dessa utmaningar) genom att utveckla ett ramverk för styrning över automatisering, som anger godkända verktyg och säkerhetsprotokoll som bots kan använda. I vissa företag återuppfinns också affärsprocesser, så automatisering kan implementeras mer framgångsrikt. Andra anpassar sin verksamhetsmodell för att integrera mer teknik direkt i verksamheten.

Även om vi har en väg att gå, har intelligent automation redan bevisat sitt värde. Detta svit av teknik ger ett demonstrerat sätt att minska utgifterna, förbättra produktiviteten och öka medarbetarnas tillfredsställelse. Och när automatiseringen blir intelligentare och mer meningsfull kommer alla dessa faktorer att fortsätta att förbättras – ibland dramatiskt.

När vi omprövar alla typer av processer från ände till slut, förväntar vi oss att se uppkomsten av många, helt nya värdeförslag, alla drivna av kraften i intelligent automation.

För att lära dig om PwC:s automationsperspektiv och upptäcka hur du kan återuppfinna ditt företag, Klicka här.

Dölj