Abordando los retos de la hiperautomatización

La automatización robótica de procesos (RPA) y la inteligencia artificial han sido temas explorados por muchas organizaciones de diferentes sectores durante los últimos años. Si bien se ha hablado mucho acerca de cómo la adopción de RPA puede ser algo “simple de implementar” por los usuarios de negocio, la experiencia nos ha demostrado que más allá de una percepción respecto a su abstracción y facilidad de uso versus tecnologías tradicionales de programación, la soluciones RPA necesitan algo más que el conocimiento funcional del proceso. 

Usualmente, la automatización robótica de procesos requiere de soporte en tecnologías adicionales, donde entran por ejemplo, la analítica avanzada o la inteligencia artificial para dar paso a una digitalización del proceso. En ese sentido, el Digital Process Automation o la Hiper-automatización, tiene un enfoque holístico de la aplicabilidad de varias tecnologías para alcanzar la automatización de un proceso, más allá de las actividades operativas o manuales de trabajo actual, sino llevándolo hacia la forma de trabajo del futuro, donde los robots y la inteligencia artificial conviven con los usuarios y los hace parte de los actores de un ecosistema de trabajo digital.

 USD 15.000 millones.- Se estima como crecimiento de mercado de plataformas de DPA 
(Digital Process Automation) y Low-code que serán fundamentales para el mundo post COVID-19 – Forrester

En el Ecuador la adopción de las tecnologías como RPA ha venido en aumento durante los últimos 4 años y han existido ya muchos casos de uso desplegados en diferentes industrias, siendo las soluciones de fabricantes como UiPath, Automation Anywhere y Blue Prism, las herramientas más robustas para el efecto, así como también otro tipo de herramientas de nicho más pequeñas, para empresas con menor complejidad en sus procesos. Sin embargo, la hiper-automatización contempla el uso además, de soluciones de inteligencia artificial como lo es Watson de IBM o Servicios Cognitivos de Azure o Google, así como ABBY u otros procesadores de documentos, que permiten potenciar aún más las capacidades de las funcionalidades de robótica con capacidades como visión por computador, extracción de datos, machine learning o incluso analítica avanzada con modelos desarrollados a la medida y explotados en diferentes soluciones como PowerBI o Tableau.

Entre algunos ejemplos de casos implementados en Ecuador, los servicios financieros principalmente tienen el caso de uso más amplio, con la posibilidad de automatizar procesos end to end y de mayor complejidad, como creación y migración de cuentas, conciliación bancaria, verificación de cartera, análisis de riesgos crediticios, control de débitos incorrectos, etc. Así también, sectores como el de productos de consumo para el ingreso de pedidos de venta, manejo de órdenes de producción, cuentas por pagar y por cobrar como algunos ejemplos, e incluso, en el sector del cuidado de la salud incorporando liquidación de honorarios médicos y hospitalarios vía robótica e inteligencia artificial para ingreso de información a partir de documentos escaneados. 

Existe otra tendencia de casos de uso de mayor complejidad, aplicables a diferentes industrias, que también se han venido adoptando en la región, entre los que se puede destacar la auditoría digital, control de calidad de centros de contacto y entrevistas inteligentes. Todos estos ejemplos, tienen en común que se apoyan en inteligencia artificial de procesamiento de lenguaje natural (NLP por sus siglas en inglés) y, a través de analítica y algoritmos diseñados, se cuantifica, de forma exhaustiva y sin sesgos, parámetros de personalidad, discurso y capacidad de comunicación

Si bien existe una amplia oferta en el mercado, tanto de proveedores de servicios como de herramientas, es importante entender que la hiper-automatización requiere integrar las diferentes soluciones enfocadas en la estandarización y agilidad del proceso para aprovechar adecuadamente las tecnologías involucradas, aplicando un abordaje basado en:

• Identificar y priorizar casos de uso para desplegar soluciones aceleradas
• Automatizar el proceso a alta velocidad con la tecnología adecuada y mejores prácticas:
  • Diseñar el proceso basado en prácticas probadas de digitalización con aceleradores de low-code
  • Mejorar el time to market, aplicando componentes reutilizables a menor costo
• Aplicar módulos o productos prediseñados para cubrir casos de uso específicos
• Colaboración entre organizaciones, desarrollando paquetes y templates para ser añadidos a “Marketplaces” de las diferentes plataformas de hiper-automatización.
• Y finalmente pero no menos importante, preparar el modelo de operación y escalamiento de las tecnologías de hiper-automatización de forma organizada.