Uma organização que deseje adotar tecnologias de automação de processos, como RPA (Automação de Processos Robóticos) ou outras, enfrentará duas questões essenciais: qual é a poupança (tempo, dinheiro e erros) potencial ao automatizar um processo e qual é o potencial real após essa implementação estar em produção. Esta é uma questão essencial com que parceiros e clientes se debatem constantemente nos projetos de RPA, nem sempre evidente ou fácil de medir. Além disso, existem outras questões, todas elas importantes, cuja resposta não é de fácil obtenção, como a eficácia da utilização de licenças de plataformas ou quais as automações que irão falhar de seguida.
A automação de processos, especialmente os repetitivos, trazem consigo um conjunto de melhorias em termos de eficiência operacional que são evidentes e amplamente comprovadas. No entanto, nem sempre é fácil traduzir esse aumento de eficiência em métricas. Se pensarmos nos RPA como uma frota de trabalhadores virtuais que diariamente têm de fazer o seu trabalho, com um potencial de ocupação máxima para rentabilizar o seu custo. Sendo que a paragem destes robôs implica perdas significativas, desta forma podemos fazer um paralelo com outras indústrias, como por exemplo a da aviação. As companhias de aviação fazem lucro com os seus aviões a voarem com o máximo de lotação possível e em contraponto, perdem dinheiro com manutenções não previstas e avarias. Desta forma neste e noutros casos, têm sido feitos esforços imensos de compilar indicadores chaves, análise preditivas e padronização por forma a minimizar paragens imprevistas.
Aos dias de hoje os RPA têm um papel importante na operacionalidade das empresas, pelo que a sua prontidão é um fator a ter em conta. Não basta somente os orquestradores e recolha de KPIs para se perceber o seu real desempenho. São necessárias ferramentas de monitorização constante e em real time, assentes em Inteligência Artificial e Machine Learning para compreender o potencial instalado e a previsibilidade da sua operacionalidade. Esta plataformas iluminam um conjunto de dados e evidências que até então se encontravam difusos.
Assim, têm surgido recentemente plataformas com esta morfologia, que nós intitulamos de Intelligent Process Automation Analytics (IPAA) que visam tentar responder a um conjunto de perguntas difíceis nos CoE de RPA. No nosso entendimento, estas plataformas assentam e devem-se comprometer com os seguintes verticais:
Visão Consolidada do Ecossistema de Automações
Essas plataformas conectam-se a plataformas de RPA de diversos fornecedores, criando uma visão global de todas as automações. Isso elimina a necessidade de consultar múltiplas plataformas e máquinas para entender o panorama geral, resultando em maior eficiência e na capacidade de exportar resultados tendo em conta o alcance global das tecnologias de RPA.
Análise Preditiva
Com base em modelos de IA, essas plataformas analisam registos e evidências das execuções, procurando comportamentos e padrões desviantes que possam indicar potenciais falhas futuras. Isso permite ação por parte das equipas de suporte de primeira linha antes mesmo que o problema ocorra, o que é especialmente importante em automações críticas para o negócio, evitando futuras paragens ou interrupções.
Centralização de Alarmes
Agregar alarmes numa única plataforma proporciona uma única fonte de informações para as equipas de suporte, evitando a necessidade de aceder a várias plataformas e máquinas. Manter um histórico dos alertas permite definir estratégias futuras em relação aos programas de automação, seja para a sua consolidação ou para a respetiva expansão.
Análise da Eficiência dos Programas de Automação
Com base em heurísticas e IA, é possível avaliar as poupanças geradas pela automação de cada processo, tendo em conta os custos associados à licença e à manutenção. Isso permite mapear os processos mais dispendiosos de manter em funcionamento, permitindo a definição de ações de melhoria para reduzir os custos de manutenção. Também é possível traçar um mapa de alocação de licenças para garantir que os recursos alocados estejam a ser plenamente explorados.
Numa altura em que no mercado dos RPA se fala muito em Process and Communications Minning, com uma forte aposta dos principais fornecedores em incorporarem essas capacidades nas suas plataformas, permitindo oscular e identificar pontos de melhoria em vários softwares das organizações. As plataformas IPAA são como o Process Minning direcionado para os RPA, preenchendo um espaço até então pouco coberto pelas plataformas de orquestração de cada um dos fornecedores.
Como oxigénio para esta combustão, soma-se a crescente estratégia multi software de RPA. Onde temos assistido a diversos clientes, com diversos softwares nos seus CoEs de RPA, muitas vezes fortemente motivados pelo valor associado à escala e estruturação dos licenciamentos. Esta estratégia permite poupanças significativas de custo, no entanto levanta questões adicionais de governance e consolidação da operacionalidade.
Em resumo, as plataformas de Intelligent Process Automation Analytics (IPAA) desempenham um papel fundamental na maximização dos benefícios da automação de processos, oferecendo visibilidade, análise preditiva e eficiência operacional. Elas capacitam as organizações a enfrentar os desafios da automação de maneira proativa, garantindo uma operação mais suave e eficaz, aproveitam ao máximo o potencial das tecnologias de RPA e adaptando a um cenário empresarial em constante transformação.
