Obtenga más valor de automatización con IA:su manual de estrategias de IA (parte 2)

La automatización robótica de procesos (RPA) es solo el comienzo:es la base, pero no el destino, de su programa de automatización.

En la primera parte, aprendió a probar si su programa de automatización y su empresa están listos para la inteligencia artificial (IA). En esta publicación, me sumergiré en el meollo de la cuestión:cómo usted y su equipo de automatización pueden implementar IA en el nivel básico.

Los modelos de IA son tanto un acelerador como un multiplicador para su programa de automatización.

El ROI de una inversión en RPA oscila entre el 30 % y el 200 % en el primer año, según estudios de casos realizados por Leslie Willcocks, profesora de tecnología, trabajo y globalización en el Departamento de Administración de la London School of Economics. Entre los clientes de UiPath, hemos visto empresas alcanzar el ROI en tan solo un mes (DHL Global Forwarding, Freight), lograr un ROI de 2:1 (Postbank) y más.

Y el retorno es solo el comienzo:las empresas han encontrado beneficios en el aumento de la productividad, la mejora del compromiso de los empleados y la reducción de errores. Imagine, entonces, lo que puede hacer agregar inteligencia cognitiva a su suite de automatización. ¿Manejo de errores? ¿Excepciones? ¿Humano en el circuito? La IA puede ayudar.

En un seminario web sobre AI Playbook (realizado durante nuestra Cumbre de IA), Brian Klochkoff, director de Automatización para las Américas de dentsu international, se unió a mí para explicarme cómo agregar modelos de IA a su programa de automatización puede desbloquear y crear valor.

Diseñar un plan de apoyo a la ejecución de IA

En la primera parte de esta serie de artículos, le mostramos cómo desmitificar la IA e involucrar a las personas con las posibilidades de la IA. También discutimos cómo demostrar el caso para invertir en IA. Una vez que gane a sus partes interesadas, no querrá desperdiciar ese impulso. Asegúrese de estar listo para ejecutar con un plan de ejecución que consta de los siguientes elementos.

Gobernanza y ética de la IA

La gobernanza y la ética para la IA es un campo relativamente nuevo, por lo que el camino a seguir no está muy transitado. Muchas empresas y entidades gubernamentales todavía están trabajando en cómo se ve la gobernanza, especialmente en lo que se refiere a las consideraciones éticas.

Sin embargo, en su mayor parte, un modelo de gobierno típico de centro de excelencia (CoE) funciona tan bien para AI como para RPA. Las claves, que también son importantes para un RPA CoE, son crear reglas para la rendición de cuentas, la transparencia y la equidad.

¿Cómo evita sesgos sistémicos de su modelo y datos, por ejemplo? Necesita tener puntos de control que le permitan rastrear las decisiones hasta un ser humano, un robot o una mezcla de los dos. Esta parte de su plan de soporte de ejecución también incluirá reglas sobre privacidad de datos y ciberseguridad.

Ponemos el gobierno y la ética en primer lugar porque el gobierno y la ética deben ser un esfuerzo dedicado del equipo que ejecuta la IA. Cualquier cosa menos que la máxima prioridad crea un riesgo que su empresa no quiere asumir.

Modelo operativo

Hemos escrito sobre el modelo de operación de automatización varias veces, incluyendo:

• Los beneficios de diseñar uno

• Consideraciones a tener en cuenta al formar un equipo

• Optimización para todo su potencial de automatización

Cuando se trata de IA, el núcleo de su modelo operativo debe ser un equipo multifuncional. Este equipo multifuncional incluye personas de la empresa, análisis de datos, RPA y soporte. Es importante que diseñe su modelo operativo de manera que no haya silos. Sus canales de interacción deben ser eficientes, con abundantes oportunidades de colaboración.

Determine desde el principio si construirá modelos internamente o utilizará modelos prefabricados. Esta decisión afectará sus requisitos de infraestructura y sus recursos, a los que nos referiremos en las siguientes dos secciones.

Idealmente, su modelo operativo tiene una estructura que permite la integración de nuevas tecnologías a medida que surgen y puede adoptarlas. La integración y la adopción deben operar dentro de las realidades de su ciclo de vida de desarrollo de software (SDLC) y las demandas de gobierno.

En dentsu, según Klochkoff, “Vemos el modelo operativo como el envoltorio de todas estas cosas”. Como tal, dentsu se enfoca en crear documentación integral y publicar ese trabajo, de manera transparente, en la intranet de la empresa. “La gente puede entender de qué se trata y cómo pueden involucrarse”.

Infraestructura y soporte

Una vez que determine la gobernanza y las operaciones, querrá pensar en la infraestructura. ¿Va a alojar su plataforma de IA en las instalaciones, en espacios abiertos o en la nube? ¿Dónde vas a parar la máquina? ¿Cómo va a alojar los datos que alimentan esos modelos de IA? Querrás decidir aquí también qué métodos usas para entrenar.

Dependiendo de estas decisiones, el tiempo de entrega, el esfuerzo requerido y el presupuesto cambiarán, así que tómelos con cuidado.

Habilidades de recursos

Con su infraestructura establecida, querrá evaluar qué tan calificados son sus recursos actuales y qué brechas de habilidades podría haber. Su principal recurso serán los desarrolladores de RPA que pueden mejorar sus habilidades y aprender a aplicar IA a RPA. Los científicos de datos también jugarán roles clave, el escenario ideal que involucra a un equipo donde los desarrolladores de RPA y los científicos de datos trabajan en estrecha colaboración.

Dependiendo de sus decisiones anteriores, es probable que pueda mejorar las habilidades de los empleados actuales, pero piense detenidamente en la contratación externa también. Necesitará una combinación de recursos para obtener los resultados que desea.

dentsu construyó personas en torno a quién en su equipo está involucrado en el CoE, qué habilidades tienen, en qué están trabajando y qué certificaciones tienen. Klochkoff ve que su trabajo culmina en una "comunidad multifuncional". dentsu quiere crear un camino para el aprendizaje, administrado por el gobierno, que permita a los empleados aumentar su conjunto de habilidades actual.

Klochkoff enfatizó que "la tecnología está evolucionando a un ritmo tal que a veces es difícil mantenerse al día con [su] propio conocimiento". Recomienda que haga una pausa al menos una vez a la semana para que su equipo tenga tiempo de ponerse al día con las notas de la versión, los seminarios web y los documentos técnicos. "No siempre hicimos eso", advirtió Klochkoff, "y significó que nos perdimos parte de la funcionalidad que podíamos integrar en nuestras soluciones".

Integre IA en su programa RPA existente

Con un plan de soporte de ejecución en funcionamiento, está listo para comenzar a integrarse. Las claves para integrar la IA son dos:hacer que su RPA y los CoE de análisis de datos trabajen juntos y ajustar su ciclo de desarrollo de software para incluir la IA.

Anime a sus dos CoE a colaborar

Los CoE tienden a caer en uno de dos modelos, cada uno de los cuales requiere diferentes estrategias de colaboración.

En un modelo de CoE individual, los CoE de análisis de datos y RPA individuales informan a diferentes departamentos. Generalmente, los CoE trabajan por separado e independientemente.

Para lograr una mayor colaboración, el RPA CoE puede comunicarse de manera proactiva con el CoE de datos y análisis. Juntos, pueden encontrar casos de uso comercial que se beneficien de su sinergia. Esto podría requerir explicar RPA al equipo de análisis de datos, pero los beneficios de esa comprensión mutua son inmensos.

En un modelo único de CoE, un solo CoE incorpora todas las tecnologías de automatización y reporta a un líder, generalmente un director digital o un director de automatización. Los líderes del CoE pueden aprovechar esta consolidación para enfocar el CoE en un mandato para automatizar.

No existe un modelo correcto para todas las organizaciones. Deberá sopesar los pros y los contras de cada modelo, junto con sus objetivos y dónde se encuentra en su viaje de automatización, para determinar qué modelo es mejor para su organización.

Sin embargo, con el tiempo, a medida que las empresas agregan más tecnologías de automatización, los modelos CoE individuales tienden a evolucionar hacia modelos CoE singulares.

A medida que demostraron valor y lo articularon a los líderes y líderes de operaciones, pudieron explicar cómo la IA mitigó los desafíos humanos en el circuito y amplió la capacidad de automatización para abordar "problemas más complejos".

Una vez que las empresas tienen una cartera de tecnologías de inteligencia artificial y automatización, es natural comenzar a pensar en cómo pueden hacerlas armoniosas.

Ajuste su ciclo de vida de desarrollo de software

Si está utilizando un modelo CoE individual, para que el SDLC opere con la máxima eficacia, necesita la orquestación de ambos CoE. En general, ambas tecnologías seguirán el mismo SDLC, pero los matices sutiles cambian la forma en que puede orquestar mejor. Para introducir una estructura que pueda acomodar la IA, concéntrese en los siguientes seis componentes.

• Identificar: Comience con el problema comercial, no con la solución tecnológica. Reúna a RPA, científicos de datos y usuarios comerciales, idealmente en la misma sala, para identificar problemas que se adapten a las soluciones de IA. Antes de hacer cualquier otra cosa, determine si el uso de RPA y UiPath AI Center resolverá el problema en cuestión. Y si determina que AI Center se ajusta, averigüe qué debería resolver el modelo de aprendizaje automático (ML).

• Diseño: la estratificación de la IA requiere consideración de diseño. A medida que comience a diseñar, determine si sus desarrolladores de RPA necesitarán diseñar sus soluciones de RPA de manera diferente con la adición de ML. Además, querrá preguntarle a su equipo de datos qué preparación de datos necesitará su modelado ML.

• Desarrollar :en esta etapa, puede permitir que sus equipos de científicos de datos y RPA diverjan y hagan sus componentes individuales siempre que sigan sus respectivas políticas y procedimientos de DevOps. Determine el nivel de orquestación necesario entre su CoE de datos y análisis y su CoE de RPA. Sepa, en el flujo de trabajo de extremo a extremo, cómo la entrada de una tecnología creará la salida de la próxima tecnología.

• Prueba :asegúrese de que su probador de aceptación de usuarios, así como sus CoE, sepan qué esperar en cada etapa del SDLC. RPA tiende a ser sencillo, por lo que la prueba es definitiva. O pasas o no. ML se trata de una mejora gradual, por lo que los modelos incluyen un umbral de confianza que mejorará con el tiempo.

• Implementar :el avance de las tecnologías de automatización modernas ha hecho que AI Ops sea más fácil que en años anteriores. Determine si RPA CoE maneja la implementación de modelos de IA en AI Center. Actualice su lista de verificación de implementación para asegurarse de que las verificaciones estén en su lugar. El acto real de despliegue ahora es bastante simple.

• Mantener :determine cómo sus equipos mitigan y gestionan los efectos de los cambios externos, y determine qué equipo mantiene los modelos de IA después de la implementación. En RPA, todos saben si el robot está funcionando; determinar si un modelo de ML está tomando la decisión "equivocada" es difícil. Es posible que deba crear un panel que realice un seguimiento de la confianza y active alertas si la confianza cae por debajo de un determinado umbral.

Aunque los SDLC de RPA y AI comparten muchas similitudes, las diferencias son las que marcan la diferencia.

Lleva tu estrategia de automatización al siguiente nivel integrando IA

AI llevará su estrategia de automatización al siguiente nivel. La integración de la IA requerirá habilidades organizativas y tecnológicas, pero los beneficios de esa integración serán enormes. Su SDLC, su RPA y CoE de análisis de datos, su programa de automatización, todos requieren una reevaluación clara y cuidadosa antes de la introducción de la IA.

Para obtener más información sobre los modelos de IA y las prácticas recomendadas de IA y automatización, consulte la grabación completa del seminario web de AI Playbook.