Cómo el equilibrio inteligente de carga mejora el rendimiento de la RPA

¿Cómo se puede lograr un equilibrio inteligente de carga dentro de este ámbito? El concepto, relativamente nuevo, de equilibrio inteligente de carga es fundamental al operar con RPA, ya que determina si las tareas son más adecuadas para empleados humanos o sus colegas digitales.

Con esto en mente, cinco expertos de la industria identifican formas particulares en las que esto puede aplicarse a este espacio.

Gestión de reglas y transacciones

En primer lugar, el equilibrio inteligente de carga puede utilizarse para verificar que los bots cumplan con las reglas establecidas por la empresa.

«La capacidad de decidir automáticamente si una actividad requiere intervención humana o si puede ser realizada por un bot suele denominarse "equilibrio inteligente de carga"», afirma Sathya Srinivasan, vicepresidente de consultoría de soluciones (Partners) en Appian. «La inteligencia proviene de las reglas de negocio que determinan quién es el mejor candidato para completar el trabajo: humano o bot. Si es humano, ¿qué departamento, grupo, nivel de experiencia o gestión es el más adecuado para manejar este caso? Y si es un bot, ¿qué se necesita para incorporarlo, qué tan flexible puede ser para atender diferentes tipos de solicitudes?»

«Para ser verdaderamente efectivo, un bot debe poder operar en una amplia gama de parámetros. Por ejemplo, una regla podría indicar que un bot complete el trabajo para devoluciones de mercancía con un valor inferior a 100 dólares, pero en épocas de alta demanda, las reglas podrían cambiar dinámicamente el umbral a un número mayor. El bot debería seguir siendo capaz de realizar todos los pasos necesarios para esa cantidad de aprobación sin tener que reconfigurarse cada vez».

Gopal Ramasubramanian, director sénior de automatización inteligente y tecnología en Cognizant, añade: «Si hay 100.000 transacciones que deben realizarse y, en lugar de asignarlas manualmente a diferentes robots, la función de equilibrio inteligente de carga de la plataforma RPA distribuirá automáticamente esas 100.000 transacciones entre distintos robots, garantizando que se completen lo antes posible.»

«Si un acuerdo de nivel de servicio (SLA) está vinculado a la finalización de estas transacciones y los robots no podrán cumplirlo, el equilibrio inteligente de carga también puede comisionar robots adicionales bajo demanda para distribuir la carga de trabajo y asegurar que cualquier tarea se complete a tiempo».

Soluciones de inteligencia de procesos

Neil Murphy, vicepresidente global en ABBYY, explica cómo las soluciones de inteligencia de procesos pueden incorporarse para obtener una mejor perspectiva de qué áreas necesitan optimizarse.

«En RPA, repetir un gran volumen de procesos puede ser un desafío si estos están rotos o no se comprenden completamente, ya que esto conduce a una frecuente intervención humana», dice Murphy. «Por tanto, definitivamente hay un caso para aplicar el equilibrio inteligente de carga a la RPA.»

«Por eso hemos visto surgir soluciones de inteligencia de procesos. Estas ayudan a las empresas a identificar mejor qué procesos son los más adecuados para optimizar con RPA, y aseguran que comprendan plenamente un proceso al detectar cuellos de botella que podrían estar causando errores o aumentando los tiempos de entrega.»

«La inteligencia de procesos también revelará las rutas más frecuentes de ejecución de procesos, expondrá variaciones de procesos rotas y descubrirá otras ineficiencias ocultas dentro de los procesos de una organización. Una práctica creciente en organizaciones que buscan una verdadera transformación digital —en lugar de solo automatizar procesos manuales— es combinar la inteligencia de procesos con RPA. Esto asegura los mejores resultados.»

Licencias de bots

Chris Porter, CEO de NexBotix, amplía el uso del equilibrio inteligente de carga para optimizar operaciones, hablando de la importancia de tener en cuenta las licencias de bots.

«Los proveedores tradicionales de RPA se centraron predominantemente en la licencia de bots, vendiéndolas por bot», dice Porter. «Cada bot es un recurso fijo que solo puede procesar una cierta cantidad de trabajo, y una vez que se llena, hay que comprar otro. Otro problema es que los bots se programan manualmente; eso supone una gran sobrecarga tener a alguien sentado allí, programando trabajo y gestionando el grupo de licencias, y cualquier organización debería apuntar a minimizar el gasto y maximizar la automatización.»

«El equilibrio inteligente de carga examina los recursos disponibles y luego asigna el trabajo de forma dinámica. Efectivamente, esto maximiza la utilización de recursos al asignar automáticamente el trabajo a diferentes bots, o diferentes servidores, según el tipo de trabajo. No tiene por qué ser RPA; podría ser aprendizaje automático u OCR, y distribuir automáticamente esas tareas.»

«Esto se vuelve realmente importante cuando hay un aumento de volúmenes o estacionalidad en la fuerza laboral y se necesita asignar automáticamente trabajo a más bots o activar más bots. Por ejemplo, el sector de seguros suele ver cargas de trabajo aumentadas en enero, cuando hay altos niveles de renovaciones y un pico en los procesos.»

«Con la RPA tradicional, hay que comprar para el pico: hay que asegurarse de tener esas licencias disponibles para el pico. El resto del año esas licencias están ociosas, pero sigues pagando por ellas porque el modelo de licencia tradicional exige que estén disponibles.»

Trabajadores digitales

Un ejemplo final de gestión inteligente de carga en acción dentro de la RPA es entre los trabajadores digitales.

Peter Walker, CTO de EMEA en Blue Prism, explica: «A diferencia de cualquier otro robot, los trabajadores digitales trabajan proactivamente entrelazando capacidades de IA para interoperar sin esfuerzo en entornos digitales en constante cambio, sin fallos. Los trabajadores digitales pueden planificar óptimamente el flujo de trabajo y la ejecución de la carga de trabajo para ofrecer los mejores resultados, gestionar instantánea e inteligentemente las cargas de trabajo, autoescalar otros trabajadores digitales según las condiciones del negocio y utilizar minería de procesos automática para analizar procesos de negocio.»

«Los trabajadores digitales pueden resolver problemas lógicos, de negocio y de sistemas sin intervención, utilizando detección automática de problemas para garantizar los más altos niveles de servicio y aumentar la productividad en todas las automatizaciones de procesos. Para reducir el tiempo de atención al cliente y mejorar la calidad general, los trabajadores digitales pueden comunicarse y completar tareas con personas, sistemas y otros trabajadores digitales.»

«Por ejemplo, los chatbots pueden desplegarse para trabajar con trabajadores digitales atendiendo clientes de forma autónoma y, cuando sea necesario, escalar acciones a personas.»