AUTORI

Stefano Bighini
Robotic Process
Automation Chapter
Leader @Bip xTech

Andrea Lui
Data Science Team
Leader @Bip xTech

Basato su esperienze reali sul campo

Nel recente passato, il tema dell’automazione di processi aziendali tramite l’introduzione della Robotic Process Automation ha consentito di ottenere un deciso miglioramento soprattutto nei back office e nei processi ad alta routinarietà, ad esempio in alcune attività della contabilità e in alcuni ambiti operativi come le riconciliazioni di pratiche amministrative con dati frammentati tra sistemi informativi differenti.

Ma la gamma di processi che può e anzi oseremmo dire deve essere migliorata è ulteriormente ampliabile tramite l’applicazione dell’Hyperautomation (termine oramai entrato nell’uso comune) in cui l’aggettivo “hyper” deriva dal fatto che l’unione di più tecnologie porta ad una moltiplicazione dei benefici ottenibili.

Le tecnologie che entrano in campo nell’ambito dell’Hyperautomation sono la Robotic Process Automation, ovviamente, ma anche il Process Mining, le tecniche di Artificial Intelligence applicate al trattamento delle informazioni, gli algoritmi di Cognitive Computing, che consentono di espandere le capacità di comprensione dei fenomeni grazie all’analisi di testi e dialoghi, e il Business Process Management per ridisegnare i processi in maniera più efficace ed efficiente grazie all’ingaggio automatico delle persone nel momento giusto.

L’Hyperautomation rappresenta un approccio evoluto al miglioramento dei processi aziendali che può portare benefici indotti anche diversi dalla semplice riduzione di costi e tempi di esecuzione: per gli operatori avere l’informazione giusta nel momento giusto ed essere ingaggiati solo quando serve comporta miglioramento delle condizioni lavorative ed aumento dell’efficacia e della sensazione di “apportare valore” nell’esecuzione delle proprie mansioni.

La novità dell’hyperautomation è l’uso simultaneo delle tecnologie fondanti in modo da agire su tutto il processo: infatti il limite dei benefici indotti dall’applicazione delle singole tecnologie che compongono l’hyperautomation è che intervengono in modo mirato su un singolo punto operativo. Per fare qualche esempio abbiamo visto e realizzato tantissimi processi di ticket routing basati su Cognitive Computing dare risultati egregi in termini di comprensione dei contenuti e classificazione degli stessi, ma se uniamo a questi risultati la possibilità di individuare e disegnare tramite Process Mining i passi che vengono eseguiti a fronte di ogni ticket, possiamo individuare i punti di inefficienza oppure le operazioni che possono essere governate da un Workflow oppure automatizzate dall’introduzione di un processo RPA. Quindi di fatto la somma delle tecnologie agisce come moltiplicatore dei benefici apportati.

Quello che segue è un esempio di come, grazie all’applicazione di alcuni dei principi dell’hyperautomation, si sia automatizzato, in modalità end to end, un intero processo, la gestione delle richieste di servizi accessori, per un player in ambito assicurativo. La fusione di più tecnologie fondanti ha consentito non solo di automatizzare il processo, ma anche di rivedere i punti di interazione uomo/macchina ottimizzando il contributo dell’umano concentrandolo nei soli punti decisivi dove la macchina non poteva essere risolutiva: uomo e macchina collaborano in maniera ottimizzata valorizzando i punti di forza di ognuno e armonizzando i momenti di scambio.

Il progetto nasce al termine di un’analisi sui processi condotta avvalendosi del supporto di un tool di process mining grazie al quale, oltre a rilevare in modo oggettivo l’intero processo operativo, sono stati evidenziati i punti di possibile intervento. A questa analisi, condotta utilizzando solamente i Log di tutti i sistemi interessati (minimo impatto IT), sono state affiancate anche verifiche qualitative che hanno consentito di evidenziare le ricadute anche in termini di soddisfazione e di qualità del servizio reso al cliente finale.

L’analisi così ottenuta ha consentito di individuare i 3 principali punti di intervento, finalizzati a risolvere 3 principali problematiche del processo:

Classificazione della tipologia di richiesta ricevuta, con possibilità di identificazione delle richieste non processabili autonomamente da un bot, per eliminare le attività manuali di lettura e smistamento delle e-mail entranti
Lettura e interpretazione del contenuto delle richieste, presenti nel corpo nella richiesta e in eventuali allegati, per eliminare le attività manuali di analisi finalizzate a recuperare da e-mail e allegato i dati fondamentali per verificare la titolarità del servizio richiesto, la classe di servizio accordabile, il luogo di svolgimento del servizio, la durata
Esecuzione dell’operazione di prenotazione del servizio accessorio, per evitare la necessità di reimputazione manuale nel sistema “legacy” di prenotazione del servizio dei dati rilevati nel punto precedente.

La sequenza di operazioni che caratterizzava questo processo si è dimostrata ideale per un’automazione tramite Robotic Process Automation in quanto sparsa tra più sistemi, anche non di proprietà del committente, e caratterizzata dall’inserimento di molte informazioni più volte nel corso della pratica.

Tuttavia, senza l’inserto dell’AI cognitiva, una semplice RPA basica non sarebbe stata in grado di portare a casa l’automazione e di giustificare l’investimento.

In accordo con il committente, basandosi su uno storico di informazioni di più di 12.000 documenti, è stato predisposto un algoritmo di classificazione testuale che, utilizzando una combinazione di tecniche di Natural Language Processing e di Artificial Intelligence, è in grado di classificare le richieste “imparando” dalle categorizzazioni eseguite dagli operatori umani in passato. In particolare, sono stati valutati diversi modelli di classificazione supervisionata (XGBoost, CatBoost, LightGBM e Neural Network based) sia in relazione alle performance di classificazione sia alla velocità di esecuzione della classificazione su nuove richieste. L’ulteriore applicazione di alcuni criteri deterministici di classificazione (basati su keyword, pattern prestabiliti e indirizzi e-mail specifici) ha consentito di ottenere una percentuale di corretta classificazione superiore al 99%.

Una volta definito il tipo di richiesta ricevuta, l’applicazione di un mix di Cognitive OCR e Named Entity Recognition consente di estrarre nel 95% dei casi le informazioni necessarie alla lavorazione della pratica. Tali informazioni vengono necessarie per il processamento della richiesta specifica, vengono riconosciute “cercando” all’interno del thread di mail e/o negli allegati aggiuntivi. La presenza di documentazione scansita ed eventualmente scritta a mano richiede l’utilizzo di soluzioni di OCR per il riconoscimento del testo. I tool applicati simulano il funzionamento dell’occhio umano durante la ricerca delle informazioni, non limitandosi al semplice testo ma alla sua rappresentazione visiva sullo schermo.

L’analisi approfondita del processo, come detto eseguita utilizzando un tool di process mining, ha inoltre evidenziato in un certo numero di casi la necessità operativa di integrare le informazioni fornite dall’utente in fase di richiesta con altre più puntuali e conosciute solo dal destinatario finale del servizio. Questo punto è stato segnalato come “collo di bottiglia” da risolvere al fine di efficientare ulteriormente il processo.

Per risolvere questo problema, di cui non si era percepita la portata, è stato quindi realizzato un sistema di richiesta informazioni tramite mobile site che ha dato sin da subito notevoli benefici in termini di affidabilità delle informazioni e di velocità di risposta dei clienti finali. L’utilizzo di questa nuova funzionalità viene ingaggiato in modo autonomo dal tool di RPA in presenza di informazioni mancanti tramite l’invio di un link personalizzato direttamente via SMS al cliente finale.

Nel caso in cui il cliente tarda nell’inserimento delle informazioni mancanti o i dati presenti sono inconsistenti per la richiesta identificata, tramite una nuova veste grafica (strumento di monitoraggio di processo), questi “scarti” vengono sanati manualmente dagli operatori che tramite un form di inserimento dati. In questo caso l’operatore è comunque in grado di efficientare l’esecuzione del processo rispetto al passato, sfruttando le informazioni parzialmente riconosciute dal cognitivo e la soluzione di Robotic Process Automation che prende in carico la richiesta una volta che tutte le informazioni sono state riconosciute o inserite.

La definizione di KPI di monitoraggio e la registrazione di tutte le azioni, delle eccezioni, delle tipologie di intervento richiesto, riportate in un cruscotto analitico consente di misurare sia l’efficacia sia degli algoritmi di riconoscimento delle informazioni sia del bot che effettua le operazioni, consentendo di migliorare nel tempo sia gli uni che gli altri.

I benefici ottenuti con questo progetto sono quindi:

Economici, il costo di manutenzione e di licenze del sistema è di gran lunga inferiore al costo del lavoro della precedente gestione manuale
Di alleggerimento degli utenti della centrale operativa, che hanno quindi la possibilità di dedicarsi maggiormente ai casi più difficoltosi
Di soddisfazione del cliente finale, che percepisce una velocità operativa ed un tempo di risposta migliore anche in orari di picco\non lavorativi, anche nei casi in cui interviene l’operatore
Di gestione senza problemi dei picchi di lavoro, grazie all’assegnazione dinamica delle attività a più BOT (scalabilità del processo).
Di misurazione oggettiva della performance lungo tutto il processo, sia nella componente umana che in quella robotico/cognitiva.

Qui di seguito una sintesi delle performance di efficacia dei singoli componenti operativi:

In conclusione, si può dire che l’Hyperautomation porta benefici ben più solidi rispetto alla sola RPA, poiché consente di indirizzare un set di processi più articolati e complessi, e aggredisce tutti gli aspetti dell’automazione, non solo l’emulazione del “braccio” umano (RPA), ma anche l’emulazione dell’accoppiata occhio/cervello umano (cognitive), dell’interazione tra umani (mobile site dedicati per interazioni rapide), del controllo del processo prima e dopo l’automazione (process mining).

Questa combinazione consente, e lo evidenziamo come reale punto di svolta, di cambiare radicalmente la prospettiva di utilizzo degli strumenti di automazione: non si corre più a mettere le “pezze” su parti del processo con il singolo strumento, ma si opera un reengineering complessivo dell’intero processo, rivedendo anche i momenti di interazione uomo-uomo e uomo-macchina.

L’hyperautomation non è da tutti, evidentemente, ma è sicuramente per tutti. Chi realizza progetti di questo tipo deve avere competenze di altissimo livello in tutti gli ambiti sopra descritti, e deve avere maturato la mentalità corretta per saperli usare insieme in modo coordinato.

I vantaggi per il cliente sono notevoli e hanno uno spettro operativo esponenzialmente più elevato di qualunque altro processo di automazione.

In Bip xTech abbiamo in un unico polo tutte le competenze sopra descritte: RPA, AI e Cognitivo, Process Mining, Automazione di Processo, realizzazione di strumenti di information retrieval tramite Smart Coding.

Siamo il più grande centro di competenza in ambito AI in Italia e uno dei più grandi in Europa (source: LinkedIN Talent Insight, 2021), e lavoriamo con tutte le principali tecnologie in ambito RPA, AI, Process Mining.

Se sei interessato a saperne di più sulla nostra offerta o vuoi avere una conversazione con uno dei nostri esperti, invia un’e-mail a [email protected] con “Hyperautomation” come oggetto, e sarai contattato prontamente.