Älykäs automaatio tehostaa yrityksesi liiketoimintaprosesseja sekä vähentää manuaalityöstä aiheutuvien virheiden mahdollisuutta. Tulevaisuudessa tekoälyä hyödyntävät teknologiat arkipäiväistyvät, jolloin niiden käyttämiseen ei aina tarvita erillistä asiantuntijaa.
Pyry Vanamo
Head of Automation
”Automaation teknisen tiimin vastaavana valvon työnlaatua ja vastaan eri projektien roolituksista. Työhöni kuuluu paljon suunnittelua ja teknisen puolen myyntivastuuta.”
“Älykäs automaatio on tekoälyn hyödyntämistä kokonaisten, jopa päiviä kestävien, prosessien automatisoinnissa. Käytännössä tämä tarkoittaa prosessien automaation aikana tapahtuvien päätösten opettamista tekoälylle säännöstöverkon tai opettamisen kautta”
Aitomationin Head of Automation Pyry Vanamo valottaa.
Älykäs automaatio yhdistelee perinteistä RPA:ta tekoälyyn ja koneoppimiseen. Terminä sitä ei kannata sekoittaa hyperautomaatioon, joka on kokonaisvaltainen liiketoimintalähtöinen lähestymistapa yrityksen automaatio- ja integraatiohaasteisiin.
Aitomation hyödyntää älykästä automaatiota asiakasyritysten liiketoimintaprosessien tehostamiseen. Sosiaalipalveluita tuottavan Luonan tapauksessa älykkäällä automaatiolla nopeutettiin ostolaskujen käsittelyä.
Älykäs automaatio korjaa manuaalityössä tulleita virheitä
Parhaita kohteita älykkään automaation hyödyntämiseen ovat usein moniulotteiset, pitkät prosessit. Esimerkiksi laskujen täsmäytyksessä voidaan hyödyntää suoraviivaisen ohjelmistorobotiikan lisäksi tekoälyä, joka käy läpi epäonnistuneita täsmäytyksiä sekä korjaa niitä. Tekoäly voi käyttää hyväkseen erilaisia kaavoja ja laskentatapoja huomatakseen täsmäytyksen virheet ja korjatakseen ne.
Toinen tyypillinen esimerkki on sisäiseen prosessiin liitetty ulkoinen vaihe. Esimerkiksi osassa verkkokaupoista käytetään luottotietojen tarkistukseen automaatiota, joka luottotietohaun perusteella tekee päätöksen, onko asiakas luottokelpoinen.
Kolmantena esimerkkinä älykästä automaatiota voidaan käyttää pdf-tiedostojen lukemiseen. Pdf-tiedostot ovat yksi käytetyimmistä tiedostomuodoista, mutta niiden käsittelyyn ja lukemiseen liittyy paljon ongelmia. Automaation avulla älykäs pdf-lukija opetetaan poimimaan pdf-tiedostoista tietyt tiedot, jolloin vältytään suurelta määrältä manuaalityötä.
Automaatiolla yksinkertaistetaan liiketoimintaprosesseja
Automaation tavoitteisiin pätee aina samat lainalaisuudet: manuaalityötä ja virheiden mahdollisuutta halutaan vähentää. Ihmisillä on tarpeeksi tekemistä ilman turhaa copy-paste -työtäkin, joten ajan lisäksi säästetään myös hermoja.
“Ihminen on myös altis erilaisille inhimillisille erheille: automaation avulla tieto kopioidaan sellaisenaan yhdestä sijainnista useampaan, jolloin virheitä ei tule, ja toiminta on keskimäärin noin kolme kertaa nopeampaa kuin manuaalisesti tehtynä”, Vanamo vertaa. Monilla yrityksillä on käytössä vanhoja ERP- eli toiminnanohjausjärjestelmiä, joilla liiketoiminnan keskeisiä prosesseja hallitaan. Vanhoissa ERP-järjestelmissä asiakkuuden luominen sisältää moniosaisia prosesseja, joissa samat tiedot täytyy kirjata moneen eri paikkaan. Automaation avulla prosessi yksinkertaistuu ja kaikki tiedot tulevat kerralla oikein. Kun yhtälöön lisätään tekoäly, ihmisten prosessin aikana tekemät päätökset vähenevät.
Tekoälyn hyödyntäminen vaatii suuria määriä dataa
Tekoälyä hyödyntävien prosessien kannalta on haaste löytää raja sille, kuinka älykkääksi mikäkin prosessi kannattaa kehittää. Älykkään automaation kehittäminen vaatii aina osaamista ja aikaa, jolloin hinta kohoaa helposti korkeaksi. Tekoälyn hyödyntäminen ei onnistu nopeasti ja halvalla.
Toisaalta myöskään joissain kriittisissä tehtävissä, joissa vastauksen on pakko olla aina oikein, ei kannata käyttää tekoälyä. Tekoäly, jolla kaikki onnistuisi 100% oikein koko ajan ei, ainakaan vielä, ole realistista. Jotkin kriittiset prosessien osat kannattaakin jättää manuaalisesti toteutettaviksi tai yksinkertaisemman robotiikan tehtäviksi.
Välillä haasteeksi muodostuu myös ihmisten odotukset tekoälyä ja automaatiota kohtaan: halutaan tekoälyratkaisuja asioihin, joihin olisi paljon järkevämpää käyttää perinteisempiä automatiikan lähestymistapoja. Siinä kohtaa asiantuntijan tehtävänä on kertoa asiakkaalle, mikä on kannattavaa ja mikä ei.
Viimeisenä haasteena nousee esille datan määrän tarve. Jotta tekoälyratkaisuja kannattaa alkaa kehittää, tarvitaan jopa kuukausien ajalta dataa, jota ei ole läheskään aina saatavilla asiakasyrityksen puolesta. Tällöin ratkaisuna voi olla automaation prototyypin kehittäminen samalla, kun tarvittavaa dataa kerätään vielä esimerkiksi puolen vuoden tai vuoden ajan.
Vanamo painottaa, että kun automaatioratkaisuja lähdetään kehittämään, tulee aina ensin analysoida koko prosessi sekä sen mahdolliset pullonkaulat:
“Ensisijaisesti lähdetään muuttamaan käytäntöjä ja parantamaan datan laatua. Jos prosessissa on ongelmia, etsitään niille syyt, eikä käytetä automaatiota “laastarina”, sillä se aiheuttaa pitkällä tähtäimellä vain lisää ongelmia.”
On hyvä muistaa, että automaatiolla, ja varsinkin ohjelmistorobotiikalla, on tarkoitus korjata nopeasti ja kustannustehokkaasti akuuttiongelma. Sen ei ole siis tarkoitus olla lopullinen ratkaisu integraatio-ongelmiin.
Pilviautomaatio ja API-integraatiot yleistyvät
Aiemmin automaation rooli on ollut suurissa määrin ohjelmistorobotiikan hyödyntämistä task-automaatiossa, jossa älykkyys tulee matkalla tehdyistä päätöksistä. Tekoälyratkaisut kuitenkin kehittyvät jatkuvasti, ja tulevaisuudessa on saatavilla helpompia, halvempia ja parempia tapoja tehdä asioita. Toisaalta pienen älykkyyden vaativat tehtävät kannattaa hoitaa perinteisesti vielä useamman vuoden ajan.
Vanamo näkee asian niin, että tulevaisuudessa käyttöliittymäautomaatioiden osuus jää pienemmälle ja pilviautomaation sekä API-integraatioiden osuus nousee:
“Jo tällä hetkellä käydään keskustelua siitä, onko RPA teknologiana matkalla hautaan. Uskon myös, että näitä teknologioita ajetaan tulevaisuudessa enemmän toimistotyöntekijöiden osaamisen piiriin”, Vanamo ennustaa ja jatkaa:
“Prosessiautomaatioihin liittyvät pienet tehtävät arkipäiväistyvät, eikä kaikkiin toiminnallisuuksiin enää tarvitakaan erillistä asiantuntijaa. Tämä niin sanottu Citizen Developer -malli on jo ottanut viime vuosina hieman tuulta alleen.”
Lopuksi Vanamo mainitsee, että “älykäs automaatio” terminä on hieman haastava. Tosielämässä hyvin pieni osuus nykyisistä ohjelmistorobotiikkaratkaisuista on hänen mukaansa “millään tavoin älykäs”, sillä suurin osa perustuu päätelmäkaavioihin ja erilaisiin valmiiksi kirjoitettuihin reitteihin.
Prosessiin ja liiketoimintaan perustuva analyysi ja sen pohjalta tehdyt muutokset poistavat yleensä suurimman osan automaatiotarpeista, minkä jälkeen jäljelle jäävä osuus on usein suhteellisen yksinkertaista automatisoitavaa – ilman sen suurempia älykkäitä malleja. Sen sijaan oppivien mallien lisäämistä pilviautomaatioihin sekä erilaisiin integraatioratkaisuihin ei pidä aliarvioida.