Ist RPA überbewertet, skalierbar oder ein Pflaster? Kommen als nächstes Entscheidungsmaschinen?

Ist RPA überbewertet, eine skalierbare Lösung oder ein Pflaster? Sind Entscheidungsmaschinen die Zukunft?

Man hört es oft genug. RPA wird überbewertet. Es ist wie ein Pflaster. Jetzt hat Information Age mit einem Unternehmensberatungsexperten gesprochen, der argumentiert hat, dass eher Entscheidungsmaschinen als RPA die Zukunft sind. Hat er recht?

Für Albert Rees, der die Unternehmensberatung für Nordamerika bei EPAM leitet, ist RPA eher wie ein Pflaster.

Rees sieht zwei Probleme mit RPA.

• Implementierungskosten sind viel höher als erwartet.
• Wartungskosten. „Sie verschieben Daten zwischen bestehenden Systemen und wenn sich diese Systeme nie ändern, ist alles gut in der Welt. Aber das ist nicht wirklich der Fall. Wenn sich die Systeme weiterentwickeln, müssen sich also auch die Dinge am Backend ändern.

Rees sagt:„Man muss sich auf eine ziemlich niedrige Detailebene begeben, um wirklich zu verstehen, wo die Automatisierung funktionieren wird, was sie tun und wie sie mit Systemen interagieren wird.“ Das Erreichen dieser geringen Detailgenauigkeit ist ebenfalls mit Kosten verbunden.

Er fügt hinzu:„Wir sehen Leute, die in und aus Tabellenkalkulationen kopieren, Sie gehen zu Callcentern, Sie sehen das Drei-Bildschirm-Szenario, in dem sie Daten von Bildschirm A zu Bildschirm B zu Bildschirm C verschieben, und es sind nur drei interne Systeme, die sie verwenden bewegen Informationen herum und eine davon könnte Excel sein. Wenn sich irgendetwas an diesen ändert und Sie plötzlich wieder hineingehen und ein Update implementieren müssen. Die meisten Organisationen können das nicht selbst, also geben sie wieder Geld aus.“

Entscheidungsmaschinen

Stattdessen sieht er Entscheidungsmaschinen als Schlüssel. Aber was sind sie? Er sagte:„Ich denke an Decision Engines als Werkzeuge, die verwendet werden, um einen Teil der menschlichen Entscheidungsfindung zu automatisieren, die durch eine Reihe von Regeln definiert werden kann. Sie arbeiten, indem sie vordefinierte Geschäftsregeln (oft als „Entscheidungsbäume“ bezeichnet) auf Datensätze anwenden. Decision Engines sind in der Regel kein Ersatz für RPA, sie können RPA jedoch verbessern, wenn ein Prozess eine Entscheidung erfordert, wenn komplexe Regeln ausgewertet werden, die auf komplexe Datensätze angewendet werden.“

Die Debatte

Ist das richtig?

Kürzlich sprach Information Age mit Bruno Ferreira, Managing Director UK &Ireland bei UiPath, und es überrascht nicht, dass er eine andere Perspektive hat.

Das Hype-Argument, schlägt er vor, macht keinen Sinn. „Unsere Verlängerungsrate liegt bei über 90 %.“

Er bezieht sich auch auf das Wachstum von UiPath:10 Millionen US-Dollar im Jahr 2016, 200 Millionen US-Dollar im Jahr 2018, was darauf hindeutet, dass die harten Zahlen auf einen wilden Appetit auf RPA hindeuten.

Und dennoch schlägt er vor, dass nur eine kleine Anzahl von Organisationen RPA verwendet, was ein enormes Wachstumspotenzial impliziert.

Sarah Burnett, Executive Vice President und Distinguished Analyst bei der Everest Group, sagt:„Wir haben tatsächlich Studien durchgeführt, die zeigen, dass Unternehmen etwa 30 % Kosteneinsparungen erzielen.“

Das RPA-Pflaster?

Dann ist da noch das Problem, dass RPA wie ein Pflaster ist. Es läuft auf Legacy-Systeme hinaus. „Sie sind in COBOL geschrieben, sie sitzen auf Mainframes, und das ist ein Anwendungsfall, bei dem wir mit diesen Legacy-Systemen nichts mehr anfangen können“, sagt Rees. Er argumentiert dann, dass viele der Systeme nicht gut integriert sind – „wir erhalten mehrere Versionen der Wahrheit, und das bedeutet eine Menge alltäglicher manueller Arbeit, zum Beispiel das Eingeben von Daten, die bereits in einem anderen System vorhanden sind.“ Er schlägt vor, dass eine Reihe von Unternehmen RPA verwenden, um dabei zu helfen, aber dass „RPA in vielerlei Hinsicht ein Pflaster für Dinge ist, die existieren könnten, Fähigkeiten, die heute in ERPS und anderen Best-of-Breed-Lösungen existieren könnten. ”

„Die Frage in meinem Kopf ist, sagt er, „wie lange RPA wirklich als praktikable Lösung auf dem Markt bleibt. Und das weiß ich nicht. Ich spekuliere irgendwo zwischen drei und fünf Jahren, da wir wirklich sehen, dass sich Kunden in Richtung intelligenter Automatisierungs- und Cloud-Lösungen bewegen, die wirklich die nächste Evolution von RPA sind. ”

Auch hier gibt es diejenigen, die dem entschieden widersprechen. Beispielsweise hat UiPath bekanntlich sein Ziel formuliert, einen Roboter für jeden Schreibtisch zu entwickeln, ein Ziel, das eine langfristige Planung zu beinhalten scheint.

Bruno Ferreira nennt als Beispiel das Ziel von UiPath, einen Roboter pro Wissenschaftler zu haben. „Stellen Sie sich vor“, sagt er, „ein Wissenschaftler geht jeden Tag ins Labor, muss aber eine Stunde pro Tag mit der Vorbereitung verbringen“, sagt er, „mit RPA können Schätzungen zufolge neun Stunden pro Monat eingespart werden, was erstaunlich wäre. ”

Sensible Daten

Rees hat auch Bedenken hinsichtlich unbeaufsichtigter Roboter, die einen Prozess durchgängig automatisieren könnten. Ein Teil der Probleme liegt in der Regulierung und der Gefahr, dass unbeaufsichtigte Roboter einen Fehler wiederholen könnten, dessen sich Bediener, die vom Tagesgeschäft getrennt sind, nicht bewusst sind.

„Jeder möchte agil sein“, sagt er, und „agil ist aus Entwicklungsperspektive großartig, wenn man es sich leisten kann, Fehler zu machen und aus den Fehlern zu lernen und sie zu korrigieren. Aber das geht nicht mit sensiblen Daten.

Wenn Sie also Roboter haben, die Daten von System A nach System B hinter einer Firewall verschieben, funktioniert unbeaufsichtigt großartig. Wenn etwas schief geht, weißt du was? Wir legen einen weiteren Sprint an, reparieren ihn und sind wieder unbeaufsichtigt. Normalerweise wird es gefangen, bevor es jemals in die Hände von irgendjemandem gelangt, wo es ein Problem schaffen wird.“

Ein Problem sieht er allerdings bei sensiblen Daten. Wenn Sie zum Beispiel die „Kontoauszüge für das Girokonto einer anderen Person“ erhalten. „In diesen Situationen werden Unbeaufsichtigte viel, viel riskanter.“

Sarah Burnett hingegen sieht die Leistungsgenauigkeit der Daten als eine der Stärken von RPA.

Wie man so schön sagt:Irren ist menschlich, RPA kann Fehler eliminieren.

„Wenn eine Person ein paar Daten eingibt, kann sie so leicht versehentlich einige Nummern vertauschen. Die Behebung dieses Fehlers wird umso teurer, je weiter unten der Prozess verläuft. Sie könnten Leute haben, deren Zeit sehr teuer ist, die diesem Fehler nachjagen und versuchen, ihn zu beheben, und zwar weit unten in der Prozessschwimmbahn. Roboter, wenn sie richtig entwickelt und gewartet werden und reibungslos laufen, werden diese Fehler nicht machen. Wir hören von Organisationen, die sagen, dass sie ihre Roboter-Apps immer wieder getestet haben und nie einen Fehler gefunden haben, nachdem sie es getestet hatten, es war 100 % genau … immer.“