Enkla robotar sparar - smarta robotar utvecklar

Robotisering handlar i grund och botten om att använda avancerad teknik för att automatisera processer. Denna automatisering kan mycket väl börja med att eliminera enkla rutiner och manuella handgrepp vilket förbättrar arbetssituationen för de som idag genomför rutinerna samtidigt som den mänskliga faktorn elimineras för ökad säkerhet och kvalitet.

Det är oftast här det börjar: kunderna som vill automatisera för att öka effektiviteten och kvaliteten, och inte sällan har som slutlig målsättning att kunna reducera kostnader för dessa ofta enkla men nödvändiga uppgifter, som till exempel att kontrollera verifikationer, samla in data till beslutsunderlag och annat.

Genom att ersätta manuell handläggning och hantering med en mjukvarurobot kan man, enligt en undersökning från Kinetic Consulting Services 2016, inte sällan spara upp till 90 procent på kostnaderna för verksamheten och McKinsey hävdade att 45 procent av all verksamhet kan automatiseras så det är onekligen lågt hängande frukt som kan adresseras med enkel automatisering av rutiner och processer.

Först besparing, sedan utveckling

I CGI Client Global Insights, en sammanställning av djupintervjuer med 1300 IT-chefer och andra påverkare som CGI sammanställer varje år, är kunderna tämligen samstämmiga när det gäller varför de investerar stort i automatisering. Det handlar främst om att möta kundernas förväntan på den digitala närvaron, att man vill öka effektiviteten i driften av de befintliga systemen och att man vill kunna lägga grunden för att ta fram och arbeta med nya affärsmodeller.

Med kunskaper om branscher, organisationer och deras verksamhet kan man oftast snabbt identifiera andra områden där robotiseringen helt förändrar förutsättningarna i grunden. Att spara, effektivisera, eliminera är givetvis viktiga åtgärder som frigör resurser för mer kvalificerade uppgifter. Men det är inte där den stora, ”disruptiva”, potentialen finns. Den finner vi istället i den intelligenta automationen som går hand i hand med affärsutvecklingen och innovationsförmågan.

Det börjar med det som kallas Basic Automation och fortsätter med Robotic Process Automation vilket är den nivå där de flesta befinner sig på idag och som innebär att man klarar av enklare regelbaserade processer över flera plattformar och applikationer. Nästa steg är Enhanced Process Automation där man börjar kunna låta robotiseringen hantera även ostrukturerade rutiner med mer komplexa beslutssituationer. Men fortfarande förutsätter automationen att det finns ett begränsat antal händelseutvecklingar och även om tekniken kan styra besluten genom en rad komplexa regelverk och flöden så kan den inte hantera att en helt ny situation uppstår.

Det är där Algorithmic Automation kommer in med teknik som machine learning, det vill säga system som hela tiden lär sig att hantera nya situationer vartefter de uppstår. Med språkigenkänning och möjligheten att kunna tolka naturligt tal kan den denna automatisering fatta beslut på komplexa och föränderliga situationer, med det som inom artificiell intelligens kallas narrow intelligence (läs gärna Conny Svenssons blogginlägg om olika typer av artificiell intelligens) vilket innebär att systemet kan resonera och agera inom vissa väldigt specifika områden, till exempel att köra en bil eller att styra om en resursplanering baserad på analys av stora interna och externa datamängder.

Den tänkande automationen

Det slutliga målet är dock automation där systemet kan utföra komplexa analyser och resonera kring olika alternativ och fatta det beslut som bäst gynnar verksamheten på kort och lång sikt. Den nivån kallas helt enkelt Artificial Intelligence Automation och innebär att tekniken kommer att kunna fatta bättre, mer informerade beslut än människor är kapabla att göra.

Det låter som science fiction och är – tills vidare – något som ligger långt fram i tiden. Men det fjärde steget, som baseras på avancerad dataanalys och maskininlärning är något vi redan idag ser exempel på i applikationer.

På CGI arbetar vi till exempel med lösningar som kombinerar teknik från sakernas internet, avancerad analys, maskininlärning och automation för att kunna förutse när en maskin börjar närma sig slutet av sitt serviceintervall eller sin livslängd – det som kallas predictive maintenance. Genom att varna innan haveriet inträffar undviks kostsamma och potentiellt farliga driftsstörningar och -stopp.

Intelligent automation möjliggör redan idag helt nya sätt att bedriva sin verksamhet, utveckla nya affärsmodeller och drastiskt öka verksamhetens kvalitet och driftssäker, oavsett om det handlar om en ekonomiavdelning eller tillverkande industri.

/Eva Vatn

De sex drivkrafterna bakom automation

1. Kunder

Genom att använda kontextuell information om kunderna kan man få insikter kring köpbeteenden och preferenser, som sedan kan användas för att automatiskt anpassa kommunikationen.

2. Säkerhet

Genom att bearbeta och analysera enorma mängder nätverkstrafik och beteenden i infrastrukturen kan automatiseringen kontinuerligt och i realtid justera skydd och regelverk.

3. Modernisering

Det är varken möjligt eller alltid önskvärt att kasta ut alla sina gamla IT-system och skaffa nytt. Med automatisering kan man ”klä in” dem så att man effektiviserar och moderniserar sin miljö utan att kasta ut allt och börja om.

4. Effektivisering

Kostnadsreduktion är ständigt en drivkraft i utvecklingen och genom att reducera arbetsinsatserna som krävs för att genomföra repetitivt arbete kan man istället flytta resurserna till utveckling.

5. Agilitet

Kundernas önskemål och krav kring utbud, betalningsmöjligheter, logistik och annat växlar allt snabbare och att automatisera miljön frigör resurser för vidareutveckling och gör det enklare att utvecklas utan att bygga om allt.

6. Kvalitet

Med automatisering av processer och rutiner eliminerar man den mänskliga faktorn och ser till att arbetet genomförs på det sätt regelverket föreskriver allt.