RPA: ¿Sobrevalorado o solo un parche? ¿Son los motores de decisión el verdadero futuro?

Se oye a menudo. RPA es sobrevalorado. Es como un parche. Ahora Information Age ha hablado con un experto en consultoría de negocio que ha argumentado que los motores de decisión en lugar de RPA son el futuro. ¿Tiene razón?

Para Albert Rees, que lidera consultoría de negocio para Norteamérica en EPAM, la RPA es más como un parche.

Rees ve dos problemas con la RPA.

• Los costes de implementación son mucho más altos de lo anticipado.
• Costes de mantenimiento. "Estás moviendo datos entre sistemas existentes y si esos sistemas nunca cambian, todo bien en el mundo. Pero ese no es realmente el caso. Así que a medida que los sistemas evolucionan, las cosas en el back-end tienen que cambiar también."

Rees dice: "Tienes que llegar a un nivel de detalle bastante bajo para realmente entender dónde va a funcionar la automatización y qué va a hacer y cómo va a interactuar con sistemas." Llegar a ese bajo nivel de detalle también conlleva un coste.

Añade: "Vemos gente copiando dentro y fuera de hojas de cálculo, vas a centros de llamadas, ves el escenario de tres pantallas donde mueven datos de pantalla A a pantalla B a pantalla C y son solo tres sistemas internos moviendo información y uno puede ser Excel. Si algo cambia en cualquiera de esos y de repente tienes que volver a entrar e implementar una actualización. La mayoría de organizaciones no pueden hacerlo ellas mismas así que vuelven a gastar dinero de nuevo."

Motores de decisión

En su lugar, ve los motores de decisión como la clave. Pero, ¿qué son? Dijo: "Pienso en Motores de Decisión como herramientas usadas para automatizar alguna porción de la toma de decisiones humana que puede definirse por un conjunto de reglas. Funcionan aplicando reglas de negocio predefinidas (a menudo referidas como 'árboles de decisión') a conjuntos de datos. Los Motores de Decisión no son típicamente un reemplazo para RPA, sin embargo pueden mejorar RPA cuando un proceso requiere que se tome una decisión al evaluar reglas complejas aplicadas a conjuntos de datos complejos."

El debate

Entonces, ¿es eso correcto?

Recientemente, Information Age habló con Bruno Ferreira, Director Gerente UK & Ireland en UiPath, no sorprendentemente, tiene una perspectiva diferente.

El argumento del bombo, sugiere, no tiene sentido. "Nuestra tasa de renovación es más del 90 %."

También se refiere al crecimiento de UiPath: 10 millones en 2016, 200 millones en 2018, sugiriendo que los números duros indican un apetito feroz por RPA.

Y aún, sugiere que solo un pequeño número de organizaciones usan RPA, implicando un potencial masivo de crecimiento.

Sarah Burnett, vicepresidenta ejecutiva y analista distinguida en Everest Group, dice que "realmente hemos hecho estudios que muestran que las empresas logran alrededor de 30 % ahorro de costes."

¿El parche RPA?

Luego está el tema de RPA siendo como un parche. Se reduce a sistemas heredados. "Están escritos en COBOL, están sentados en mainframes, y ese es un caso de uso donde no podemos hacer nada con esos sistemas heredados más dice Rees. Luego argumenta que muchos de los sistemas no están bien integrados —"obtenemos múltiples versiones de la verdad, y eso significa un montón de trabajo manual mundano, introduciendo datos, por ejemplo, que ya existen en otro sistema." Sugiere que varias empresas usan RPA para ayudar con esto, pero que "en muchos sentidos, RPA es un parche para cosas que podrían existir, capacidades que podrían existir dentro de ERPs y otras soluciones best-of-breed hoy."

"La pregunta en mi mente, dice, "es cuánto tiempo la RPA realmente se mantiene como una solución viable en el mercado. Y eso no lo sé. Estoy especulando entre tres y cinco años, ya que lo que realmente vemos es clientes moviéndose hacia automatización inteligente y soluciones cloud, que son realmente la próxima evolución de RPA."

Aquí de nuevo, hay quienes discrepan firmemente. Por ejemplo, UiPath ha declarado famosamente su objetivo de lograr un robot para cada escritorio, un objetivo que parece tener planificación a largo plazo implícita.

Bruno Ferreira cita como ejemplo, el objetivo de UiPath de que haya un robot por científico. "Imagínese eso", dice, "cada día un científico va al laboratorio, pero tiene que pasar una hora al día en preparación", con RPA dice "estimaciones sugieren un ahorro de nueve horas al mes, lo cual sería asombroso."

Datos sensibles

Rees también tiene preocupaciones con robots desatendidos, que podrían automatizar un proceso de extremo a extremo. Parte del problema reside en la regulación y el peligro de que robots desatendidos podrían estar repitiendo un error, que operadores, divorciados de las operaciones diarias, desconocen.

"Todos quieren ser ágiles", dice y "ágil es genial desde una perspectiva de desarrollo cuando puedes permitirte cometer errores y aprender de ellos y corregir. Pero no puedes hacer eso con datos sensibles.

"Así que, cuando tienes robots moviendo datos del sistema A al sistema B detrás de un firewall, desatendido funciona genial. Si algo sale mal, ¿qué pasa? Echamos otro sprint, lo arreglamos, y volvemos a desatendido. Típicamente se detecta antes de que llegue a manos de nadie, donde crearía un problema."

Ve un problema, sin embargo, con datos sensibles. Por ejemplo, si obtienes "extractos bancarios de la cuenta corriente de otra persona. "En estas situaciones desatendido se vuelve mucho, mucho más arriesgado."

Sarah Burnett, por el contrario, ve la precisión de datos como una de las fortalezas de RPA.

Como dicen, errar es humano, RPA puede eliminar error.

"Si una persona introduce un dato, puede tan fácilmente cambiar accidentalmente algunos números. Arreglar ese error, cuanto más abajo en el proceso viaja, más caro se vuelve. Podrías tener gente, cuyo tiempo es muy caro, persiguiendo este error e intentando arreglarlo, muy abajo en el carril de proceso. Robots si están desarrollados correctamente y se mantienen y corren suavemente, no cometerán esos errores. Estamos oyendo de organizaciones que dicen que mantuvieron probando sus apps de robot y nunca encontraron un error una vez que lo probaron, era 100 % preciso …siempre."