O que o balanceamento inteligente de carga de trabalho significa para RPA

Como o balanceamento inteligente de carga de trabalho pode ser alcançado nesse espaço?
O conceito relativamente novo de balanceamento inteligente de carga de trabalho é importante a ser considerado ao operar o RPA, pois determina se as tarefas são mais adequadas para funcionários humanos ou seus colegas digitais.

Com isso em mente, cinco especialistas do setor identificam maneiras específicas pelas quais isso pode ser aplicado a esse espaço.

Gerenciando regras e transações

Em primeiro lugar, o balanceamento inteligente de carga de trabalho pode ser usado para verificar se os bots podem aderir às regras estabelecidas pela empresa.

“A capacidade de decidir automaticamente se uma atividade requer intervenção humana ou se pode ser realizada por um bot é geralmente chamada de ‘balanceamento inteligente de carga de trabalho’”, disse Sathya Srinivasan, vice-presidente de consultoria de soluções (parceiros) da Appian. “A inteligência vem das regras de negócios que determinam quem é o melhor candidato para concluir o trabalho – humano ou bot. Se humano, qual departamento, grupo, nível de experiência ou gerenciamento é melhor para lidar com esse caso e, se bot, o que é necessário para trazer um bot, quão flexível um bot pode atender a diferentes tipos de solicitações.

“Para ser realmente eficaz, um bot deve ser capaz de trabalhar em um amplo conjunto de parâmetros. Digamos, por exemplo, que uma regra envolva um bot para concluir o trabalho para mercadorias devolvidas com valor inferior a US$ 100, mas durante os horários de pico, quando os retornos são altos, as regras podem alterar dinamicamente o limite para um número mais alto. O bot ainda deve ser capaz de executar todas as etapas necessárias para essa quantidade de aprovação sem precisar ser reconfigurado todas as vezes.”

Gopal Ramasubramanian, diretor sênior de automação inteligente e tecnologia da Cognizant, acrescentou:“Se houver 100.000 transações que precisam ser realizadas e, em vez de atribuir transações manualmente a diferentes robôs, o recurso de balanceamento de carga de trabalho inteligente da plataforma RPA distribuirá automaticamente as 100.000 transações transações em diferentes robôs e garantir que as transações sejam concluídas o mais rápido possível.

“Se um acordo de nível de serviço (SLA) estiver vinculado à conclusão dessas transações e os robôs não puderem atender ao SLA, o balanceamento inteligente de carga de trabalho também pode comissionar robôs adicionais sob demanda para distribuir a carga de trabalho e garantir que qualquer tarefa seja concluída. na hora."

Soluções de inteligência de processos

Neil Murphy, vice-presidente global da ABBYY, explicou como as soluções de inteligência de processos podem ser incorporadas para obter uma melhor perspectiva de quais áreas precisam ser otimizadas.

“Na RPA, a repetição de um grande número de processos pode ser um desafio se os processos estiverem quebrados ou não forem totalmente compreendidos – pois isso leva à intervenção humana frequente”, disse Murphy. “Como tal, há definitivamente um caso para aplicar o balanceamento de carga de trabalho inteligente ao RPA.

“É por isso que vimos surgindo soluções de inteligência de processos. Isso ajuda as empresas a identificar melhor quais processos são melhores para otimizar para RPA e garante que eles entendam completamente um processo, detectando gargalos que podem estar causando erros ou aumentando os prazos de entrega.

“A inteligência de processos também revelará os caminhos mais frequentes de execução de processos, exporá variações de processos quebrados e descobrirá outras ineficiências ocultas nos processos de uma organização. Uma prática crescente nas organizações que desejam uma verdadeira transformação digital – em vez de apenas automatizar processos manuais – é combinar inteligência de processos com RPA. Isso garante os melhores resultados.”

Licenciamento de bot

Chris Porter, CEO da NexBotix, expande o uso do balanceamento de carga de trabalho inteligente para otimizar as operações, falando sobre a importância de levar em consideração o licenciamento de bots.

“Os fornecedores tradicionais de RPA concentram-se predominantemente no licenciamento de bots – vendendo licenças por bot”, disse Porter. “Cada bot é um recurso fixo que só pode processar uma certa quantidade de trabalho e, uma vez cheio, você precisa comprar outro bot. Outro problema com o licenciamento de bots é que os bots são efetivamente agendados manualmente; é uma grande sobrecarga ter alguém sentado lá, agendando trabalho e gerenciando seu pool de licenciamento, e qualquer organização deve ter como objetivo minimizar os gastos e maximizar a automação.

“O balanceamento de carga de trabalho inteligente é analisar os recursos que você tem disponíveis e, em seguida, alocar trabalho a eles de maneira dinâmica. Efetivamente, o que isso faz é maximizar sua utilização de recursos alocando automaticamente trabalho para diferentes bots ou servidores diferentes, dependendo do tipo de trabalho que você está fazendo. Não precisa ser RPA – pode ser aprendizado de máquina ou OCR e distribuir automaticamente essas tarefas.

“Quando isso se torna realmente importante é quando você tem um aumento nos volumes ou sazonalidade em sua força de trabalho e precisa alocar automaticamente o trabalho para mais bots ou ativar mais bots. Por exemplo, o setor de seguros normalmente vê maiores cargas de trabalho em janeiro, quando há altos níveis de renovações e um aumento nos processos.

“Com o RPA tradicional, você precisa comprar para o pico – você precisa garantir que essas licenças estejam disponíveis para o pico. No resto do ano, essas licenças ficam ociosas – você ainda está pagando por elas porque o modelo de licença tradicional significa que você precisa tê-las disponíveis.”

Trabalhadores digitais

Um exemplo final de gerenciamento inteligente de carga de trabalho em ação no RPA está entre os trabalhadores digitais.

Peter Walker, CTO EMEA da Blue Prism, explicou:“Ao contrário de qualquer outro robô, os trabalhadores digitais trabalham de forma proativa, entrelaçando recursos de IA para interoperar sem esforço em ambientes digitais em constante mudança – sem falhas. Os trabalhadores digitais podem planejar de forma otimizada o fluxo de trabalho e a execução da carga de trabalho para fornecer os melhores resultados para gerenciar cargas de trabalho de forma instantânea e inteligente, dimensionar automaticamente outros trabalhadores digitais conforme necessário pelas condições de negócios e usar a mineração automática de processos para analisar os processos de negócios.

“Os trabalhadores digitais podem resolver problemas de lógica, negócios e sistema sem intervenção para usar a detecção automática de problemas para garantir os mais altos níveis de serviço para aumentar a produtividade em todas as automações de processos. Para reduzir o tempo de atendimento aos clientes e melhorar a qualidade geral, os trabalhadores digitais podem se comunicar e concluir tarefas com pessoas, sistemas e outros trabalhadores digitais.

“Por exemplo, os chatbots podem ser implantados para trabalhar com trabalhadores digitais atendendo clientes de forma autônoma e, quando necessário, escalando ações para as pessoas.”