[18/06/2021] La pandemia ha acelerado el interés por la automatización de procesos, ya que las organizaciones se han apresurado para revisar los procesos empresariales, y a redoblar las transformaciones digitales en respuesta a las alteraciones provocadas por la COVID-19.
Y para los líderes de TI que se adentran o ya están inmersos en estos esfuerzos de modernización, la inteligencia artificial -principalmente en forma de aprendizaje automático- promete revolucionar la automatización, acercándolos a sus sueños de automatización de procesos end-to-end.
[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]
Pero por ahora, la automatización de procesos impulsada por la IA sigue siendo un enfoque fragmentado, en el que la IA interviene en tareas individuales, pero no en toda la cadena de procesos. Independientemente de cómo lo expliquen los proveedores, la automatización totalmente inteligente aún no ha llegado, pero las organizaciones que trabajan para llenar los vacíos están encontrando formas innovadoras de acercarse a este prometedor concepto.
El estado actual de la automatización inteligente
Un caso típico de uso de la IA en la automatización incluye lo siguiente: en lugar de requerir que alguien vuelva a introducir manualmente la información de un PDF en un formulario, se entrena a una IA para que lo haga por ellos; o en lugar de que un trabajador busque los documentos corporativos para responder a la pregunta de un cliente, la IA le sugiere posibles respuestas.
En cuanto al resto del proceso, los humanos están en el centro. Un analista de negocio humano determina lo que se incluye en un proceso concreto. Los desarrolladores utilizan sistemas de automatización de procesos robóticos (RPA) para crear flujos de procesos. Más analistas de negocio supervisan el rendimiento del proceso, tratando de encontrar cuellos de botella y de aportar ideas para otros pasos que podrían automatizarse mediante scripts tradicionales o con el aumento de la IA.
En otras palabras, la IA, hasta ahora, ha actuado como una herramienta que puede llenar nichos en el esquema mayor de la automatización.
"Uno de los secretos mejor guardados de la IA es lo limitado que es cada caso de uso", afirma Elena Christopher, vicepresidenta senior de investigación de HFS Research.
Sin embargo, es posible que la tecnología que permite la automatización inteligente end-to-end ya esté disponible, al menos en partes. Sigue habiendo retos, como el hecho de que obtener visibilidad de los flujos de trabajo de la empresa no siempre es sencillo, porque los empleados suelen cambiar de sistema para realizar parte de una tarea o completan una acción que es difícil de capturar digitalmente, lo que socava la capacidad de la IA para comprender completamente un proceso de principio a fin.
Uso de la visión por computadora para obtener información sobre los procesos
Genpact, una empresa global de servicios profesionales con casi 100 mil empleados, ejecuta miles de procesos para cientos de clientes, entre los que se encuentran muchas empresas de la lista Fortune 500. Utiliza la inteligencia para relacionar las transacciones individuales de los sistemas centrales con los procesos más amplios de los que forman parte, pero esta se queda corta cuando, por ejemplo, un empleado abandona el sistema central para abrir una página en un navegador web, comenta Sanjay Srivastava, director digital de Genpact.
Por ejemplo, un paso de un proceso puede consistir en consultar una página de precios para comprobar si un artículo concreto cuesta más o menos de 100 dólares. Para completar la tarea, un empleado puede abrir la página correspondiente, y buscar visualmente el precio antes de decidir qué hacer a continuación. Esa acción -ver algo en la pantalla- es difícil de capturar digitalmente.
Ahí es donde entra en juego la visión por computadora, que utiliza cámaras en los puestos de trabajo para rastrear hacia dónde miran los empleados. "Tiene que hacerse con el consentimiento de las personas", anota Srivastava. "Normalmente, las empresas a las que servimos tienen políticas preexistentes que rigen esto, así que esto funciona para algunas empresas y no para otras".
Utilizando una combinación de técnicas, incluida la visión por computadora, el sistema automatizado de Genpact recopila todas las acciones relacionadas con el proceso empresarial, no solo las de los empleados de un departamento o función concreta. La identificación de todas las tareas y su vinculación a un flujo de trabajo se denomina extracción de procesos, algo que Genpact lleva haciendo desde hace tres años con una solución automatizada de fabricación propia basada en la IA, afirma Srivastava. En el último año, la empresa ha añadido la visión por computadora para que la tecnología sea más integral.
Una vez que se ha identificado y extraído el proceso empresarial, Genpact puede supervisar y solucionar instancias individuales o perfeccionarlo basándose en el feedback continuo.
"Supongamos que la semana pasada se compraron 100 mil laptops en mi empresa", señala. "Podemos extraer 100 mil procesos end-to-end. Monitorearemos todas las versiones y podremos rastrear hasta una en concreto. ¿Por qué se ha desviado este proceso? Usted puede arreglar los problemas del negocio o adaptarse a la nueva normalidad".
Esa "nueva normalidad" podría incluir la instrumentación automática de los cambios en el proceso. Por ejemplo, si se requiere la aprobación de cambios de más del 10% en el importe de una factura original y la aprobación se da el 100% de las veces, quizá sea el momento de ajustar la regla de negocio del 10% al 20%, sostiene Srivastava. La automatización de procesos robóticos puede omitir el paso de aprobación para los cambios en las facturas inferiores al 20% o enviar una nota emergente para recordar a los empleados que ya no tienen que enviar la factura a finanzas para su aprobación y que pueden tomar la decisión final ellos mismos.
Scripts de automatización generados por la IA
La consultora de transformación digital UST lleva tres años utilizando la IA para ayudar a automatizar esas tareas de procesos empresariales difíciles de digitalizar, afirma Adnan Masood, arquitecto de IA y aprendizaje automático de la empresa.
Masood, que colabora con los laboratorios de IA de Stanford y el MIT, tiene una patente sobre el descubrimiento de procesos empresariales mediante el aprendizaje no supervisado, que conecta las tareas individuales en un proceso integral.
Tomemos, por ejemplo, esa misma página web que un empleado escanea para buscar un precio. Una cosa es que un sistema automatizado identifique que esto ocurre como parte de un proceso, pero más difícil es ser capaz de duplicar la acción, dado que los sitios web cambian todo el tiempo.
"Vectorizamos los inputs que llegan y utilizamos el aprendizaje profundo para identificar qué es un input", indica Masood. Así, la próxima vez que el empleado vaya a ese sitio web, la IA puede extraer los datos automáticamente, sin que alguien tenga que escribir manualmente la tarea, y mejorar con el tiempo, con el aprendizaje de refuerzo.
"Hay un humano en el bucle que lo refuerza o puede decirle a la computadora que el campo de datos no se ha validado correctamente", anota Masood. "Las plataformas típicas de RPA se limitan a automatizar el trabajo pesado, pero la IA cognitiva se autooptimiza y autoaprende".
Dentro de ciertos parámetros, el sistema también puede ponerse en piloto automático, señala. "Ahí es donde puede actuar directamente basándose en lo que ha aprendido".
Pero el sistema de Masood sigue necesitando una base de registros para trabajar, y encontrar y reunir todos los registros del proceso sigue siendo un proceso manual que lleva mucho tiempo, añade. "Los datos nunca están en un solo sistema. Provienen de múltiples fuentes y de diferentes modalidades. Alguien tiene que hacer la configuración inicial".
Si los datos se encuentran en sistemas heredados, este proceso puede requerir una codificación personalizada, la apertura de firewalls o la obtención de aprobaciones normativas o de ciberseguridad, por no hablar de los ingenieros de datos que configuran los flujos de datos, un proceso que puede llevar meses.
Una vez recogidos los datos, la IA empieza a analizar los flujos de trabajo. La validación del mapa de flujos de trabajo puede llevar unos cuantos meses más, dependiendo del número de personas implicadas en el proceso y de la frecuencia de las transacciones, afirma.
Con el proceso ya mapeado, los seres humanos deben seguir validándolo. "Un experto en la materia lo examina y dice: 'No, este paso es incorrecto, aquí están las fuentes de datos correctas para ello'", afirma.
El reto de las integraciones profundas
Para las empresas que han recurrido a la RPA, las tareas fuera de los sistemas centrales pueden seguir presentando desafíos. Las soluciones alternativas como el raspado de la web y el escaneo de documentos mediante OCR son soluciones a corto plazo que pueden introducir errores y provocar la interrupción de los procesos. Una solución mejor es una integración más profunda, de máquina a máquina, a través de las API.
"Cuando se utiliza RPA contra un sitio web, la automatización no es tan estable", señala Megan Amdahl, vicepresidenta senior de alianzas y operaciones de la consultora tecnológica Insight.
La RPA puede observar lo que hacen los usuarios en un sitio web, dice, pero no hay forma de que el sistema de RPA sepa que el sitio web puede ofrecer una API que pueda utilizarse para obtener los datos directamente. Como resultado, Insight volvió a la codificación manual para este tipo de automatizaciones.
"El departamento de TI ahora codifica a mano las solicitudes de transferencia de datos de la API", sostiene Amdahl. "Al estar dentro del departamento de TI, pueden ponerlo en marcha más rápidamente y puede escalar más rápido. Codificar a mano a través de las APIs no afecta a la automatización. Los estándares de las APIs cambian, pero lo hacen más lentamente".
Otros obstáculos para la automatización total son los socios comerciales que aún no han digitalizado sus procesos o que tienen sistemas incompatibles.
"Los clientes quieren hacer las cosas como las hacen ellos, y acudirán a una empresa que reciba la información de la forma en que ellos quieren darla", anota. "Así, por ejemplo, podrían pedir la mayoría de las cosas que quieren desde nuestra página web, pero sus procesos internos requieren que creen una orden de compra".
Si un cliente es capaz de conectar los sistemas directamente, requiere una codificación manual para realizar la conexión, señala. "Y luego hay que hacer un mantenimiento para que no se rompa", añade.
A medida que un mayor número de empresas se pasan a las plataformas SaaS para los sistemas empresariales principales y esos proveedores de SaaS colaboran entre sí para establecer integraciones de datos, todo esto podría cambiar pronto. "Tener los conectores preconstruidos es el estado ideal absoluto", indica Amdahl.
Lo específico sobre lo general
PricewaterhouseCoopers (PwC) ha tenido cierto éxito con la minería de procesos impulsada por la IA, pero de forma limitada en casos específicos y estrechos, comenta Anand Rao, líder global de IA de PwC.
"Hemos reunido bastantes herramientas de proveedores para hacerlo", anota. "Dada la disparidad del tipo de trabajos que realiza la gente, si solo tuviéramos un bot de fondo que estuviera mirando a todo el mundo, no seríamos capaces de darle algún sentido".
Por ello, Rao advierte contra los argumentos de venta de automatización que lo curan todo. "Si me dicen que puedo instalar un software de extracción de procesos y sustituir a diez personas, no me lo creería", afirma.
Además, la mayor parte de la IA utilizada en RPA es para tareas específicas e individuales, añade Chida Sadayappan, especialista principal de la nube de datos y el aprendizaje automático en Deloitte Consulting.
"Todo está habilitado por la IA", indica. "Hay documentos que se pueden leer, datos que se pueden extraer, PII que se puede redactar. Hay actividades de imagen, como el reconocimiento de los daños en un paquete" Pero eso no es RPA con IA, añade. "La IA solo está sustituyendo algunas de las tareas mundanas".
Hay IA y aprendizaje automático que se está infundiendo en la automatización del flujo de trabajo del proceso, sostiene. "Pero no hay muchos casos de uso".
Las grandes compañías de seguros pueden estar infundiendo la IA en la automatización del flujo de trabajo de procesos y las instituciones financieras pueden utilizarla para procesar las solicitudes de hipotecas, señala Sadayappan, "pero en cuanto al resto, hay muy pocas automatizaciones del flujo de trabajo a gran escala".
Sin embargo, Dan Diasio, líder global de consultoría de inteligencia artificial en Ernst & Young, ve potencial de crecimiento. "La IA tiene muchas soluciones puntuales, pero ahora hay una oportunidad de pasar de las soluciones puntuales a las plataformas impulsadas por la IA, y la automatización está buscando saltar a las tareas impulsadas por ésta. Las dos cosas están convergiendo", indica, y añade que EY "ha llevado al equipo que tradicionalmente se centra en la automatización de procesos al equipo de IA" por este motivo.
El objetivo del proceso
La IA para la extracción de procesos y la automatización de flujos de trabajo está todavía en una fase inicial, afirma Marc Kerremans, analista de Gartner, autor de un informe sobre el procesamiento de la minería en abril. "Pero esto solo puede mejorar".
Pero lo que no se va a automatizar, al menos en un futuro inmediato, es el conocimiento del contexto. Seguirá siendo necesario el análisis humano para determinar si un proceso debe existir en primer lugar, o si debe ser sustituido por otra cosa.
Mientras tanto, los proveedores están invirtiendo mucho. Todos los principales proveedores de RPA están creando o comprando funciones de extracción de procesos e invirtiendo en IA, incluyendo Celonis, UiPath, Automation Anywhere, Blue Prism y Livejourney.
Los principales proveedores también están en la lucha, impulsados por las adquisiciones. IBM acaba de comprar la empresa de minería de procesos myInvenio, mientras que SAP ha adquirido el proveedor de minería de procesos Signavio, y Microsoft se ha hecho con el proveedor de automatización de flujos de trabajo Softomotie.
Según Kerremans, la minería de procesos acabará siendo una característica común en las plataformas empresariales.
Aun así, Kerremans aconseja no dormirse en la minería de procesos. "Aunque no se disponga de toda la información, hay que empezar por las tareas que tienen información disponible", sostiene. "Aun así, creará conocimientos, visibilidad y valor. Si no lo hace y espera tres años, se quedará atrás".
Basado en el artículo de Maria Korolov (CIO) y editado por CIO Perú
Puede ver también: