Task manuali e ripetitive, processi manuali, input stabili
Se ne parla come la nuova rivoluzione informatica, con soluzioni che potrebbero garantire una maggiore efficienza delle strutture organizzative.
È in questo ambito che trovano la loro applicazione i software RPA, Robotic Process Automation. Secondo uno studio di Gartner, entro il 2025, il 65% delle aziende li avrà adottati.
Ma per comprendere il motivo di questa attenzione, è utile partire da una definizione e comprendere così il perimetro applicativo.
RPA, Robotic Process Automation, si riferisce alla tecnologia, coinvolta nell’Automazione dei processi lavorativi, che utilizza software capaci di automatizzare attività ripetitive interagendo con gli applicativi informatici e riproducendo le azioni umane.
Caratteristiche che rendono la Robotic Process Automation il principale strumento per risolvere gli interventi di efficientamento urgenti che i normali progetti di automazione non riescono a soddisfare.
Si tratta di un approccio vincente per implementare soluzioni quick-win che permettono di portare rapidamente in esercizio l’automazione di processi complessi, che implicano anche l’utilizzo combinato di più applicazioni. I robot infatti possono eseguire azioni che prevedono l’accesso e l’utilizzo di più sistemi e procedure (sistemi ERP, e-mail, fogli elettronici, siti web, etc…) e l’esecuzione di lunghe sequenze di attività e tutto questo senza sosta, molto più velocemente di come farebbe un utente umano e soprattutto con un grado di precisione elevatissimo.
Definite le caratteristiche, è più chiaro quindi che l’utilizzo di RPA sia efficace solo se vengono rispettate alcune condizioni. Da cui possiamo individuare quattro principali:
1.Processi basati su regole: le attività svolte dai bot devono basarsi su regole e logiche rigidamente definite in anticipo, che non richiedano quindi nessuna decisione da parte loro. Il tasso di eccezioni da gestire deve essere infatti molto basso.
2.Processi manuali e ripetitivi: le tecnologie di RPA si applicano a passaggi del processo che vengono generalmente eseguiti in maniera manuale e ripetitiva.
3.Processi stabili: i processi devono essere consolidati, deterministici e lineari e non devono subire variazioni di alcun tipo nell’immediato futuro.
4.Standard input: l’input del processo dovrebbe essere elettronico, come ad esempio un’interfaccia di un applicativo o un sito web, oppure facilmente leggibili come una fattura con campi predefiniti.
Il primo grande vantaggio è quello di “liberare” i dipendenti da task manuali e a scarso valore, due le modalità con cui è possibile raggiungerlo:
1.RPA presidiata (o attended): i robot lavorano “accanto” a ciascun utente. In questo modo il controllo è ancora mantenuto dal cliente, così da decidere quando utilizzare l’automazione e quando invece intervenire in caso di incident.
2.RPA non presidiata (o unattended): i robot operano invece su un server o su una macchina virtuale separata. Eseguono quindi azioni senza la necessità di attivazione da parte dell’utente, automatizzando le interazioni in background e garantendo un’elevata produttività e bassi tempi di gestione. Questa modalità, da una parte libera maggiormente l’utente, ma dall’altra necessita di una struttura di controllo precedentemente creata (control room) costituita da uno o più operatori, che si occupano di pianificare le schedulazioni e verificare il loro corretto funzionamento. Si tratta quindi di una gestione completamente centralizzata e più facile da gestire.
Accanto alla possibilità di liberare l’utente da task a scarso valore, i vantaggi dell’applicazione di RPA sono anche strettamente economici. Il costo dell’utilizzo di un robot è infatti 1/9 rispetto al costo di una normale risorsa “in house” e 1/3 di una risorsa off shore.
Insomma, non si tratta tanto di sostituire il cervello umano attraverso le macchine come nei migliori scenari cinematografici, quanto di promuovere un dialogo sempre più serrato tra tecnologie e abilità umane per estenderle e valorizzarle.
Scopri di più nell'e-book dedicato:
Leggi l'eBook: AI, Automation, Machine Learning, Deep Learning: quali le differenze?
