Como o Balanceamento Inteligente de Carga de Trabalho Melhora o Desempenho do RPA

Como o balanceamento inteligente de carga de trabalho pode ser alcançado neste espaço? O conceito relativamente novo de balanceamento inteligente de carga de trabalho é fundamental ao operar 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 de aplicar este conceito.

Gerenciamento de regras e transações

Primeiramente, o balanceamento inteligente de carga de trabalho pode verificar se os bots conseguem aderir às regras estabelecidas pela empresa.

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

“Para ser verdadeiramente eficaz, um bot deve conseguir operar em uma ampla gama de parâmetros. Digamos, por exemplo, que uma regra envolva um bot para concluir trabalho de devolução de mercadorias com valor inferior a $100, mas em horários de pico, quando as devoluções são altas, as regras podem alterar dinamicamente o limite para um número maior. O bot ainda deve ser capaz de executar todas as etapas necessárias para esse valor de aprovação sem precisar ser reconfigurado a cada vez.”

Gopal Ramasubramanian, diretor sênior de automação inteligente e tecnologia na Cognizant, acrescentou: “Se existem 100.000 transações a serem realizadas e, em vez de atribuí-las manualmente a diferentes robôs, o recurso de balanceamento inteligente de carga de trabalho da plataforma RPA distribuirá automaticamente as 100.000 transações entre diferentes robôs, garantindo que sejam concluídas o mais rápido possível.”

“Se um acordo de nível de serviço (SLA) estiver vinculado à conclusão dessas transações e os robôs não conseguirem cumpri-lo, o balanceamento inteligente de carga de trabalho também pode comissionar robôs adicionais sob demanda para distribuir a carga e garantir que qualquer tarefa seja concluída no prazo.”

Soluções de inteligência de processos

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

“No RPA, repetir um grande volume de processos pode ser desafiador se os processos estiverem quebrados ou não forem totalmente compreendidos – pois isso leva a frequentes intervenções humanas,” disse Murphy. “Portanto, definitivamente há um caso para aplicar balanceamento inteligente de carga de trabalho ao RPA.”

“É por isso que vimos surgir soluções de inteligência de processos. Elas ajudam as empresas a identificar melhor quais processos são ideais para otimização com RPA, garantindo que compreendam totalmente um processo ao detectar gargalos que possam causar erros ou aumentar os tempos de execução.”

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

Licenciamento de bots

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

“Fornecedores tradicionais de RPA focaram predominantemente no licenciamento de bots – vendendo licenças por bot,” disse Porter. “Cada bot é um recurso fixo que só processa uma certa quantidade de trabalho; uma vez cheio, você precisa comprar outro. Outro problema é que bots são efetivamente agendados manualmente; isso gera grande sobrecusto ter alguém alocando trabalho e gerenciando o pool de licenças, e qualquer organização deve buscar minimizar gastos e maximizar automação.”

“O balanceamento inteligente de carga de trabalho analisa os recursos disponíveis e aloca trabalho dinamicamente. Isso maximiza a utilização de recursos ao alocar automaticamente trabalho a diferentes bots ou servidores, dependendo do tipo de trabalho. Não precisa ser apenas RPA – pode ser machine learning ou OCR, distribuindo automaticamente essas tarefas.”

“Isso se torna crucial quando há aumento de volumes ou sazonalidade na força de trabalho e você precisa alocar automaticamente trabalho a mais bots ou ativar mais bots. Por exemplo, o setor de seguros tipicamente vê cargas de trabalho aumentadas em janeiro, com altos níveis de renovações e pico de processos.”

“Com RPA tradicional, você compra para o pico – precisa garantir licenças disponíveis para o pico. O resto do ano, essas licenças ficam ociosas – você ainda paga por elas porque o modelo tradicional exige que estejam disponíveis.”

Trabalhadores digitais

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

Peter Walker, CTO EMEA da Blue Prism, explicou: “Diferente de qualquer outro robô, trabalhadores digitais trabalham proativamente entrelaçando capacidades de IA para interoperar sem esforço em ambientes digitais em constante mudança – sem falhas. Trabalhadores digitais podem planejar otimamente fluxo de trabalho e execução de carga para entregar os melhores resultados, gerenciar cargas instantânea e inteligentemente, auto-escalar outros trabalhadores digitais conforme necessário pelas condições de negócio e usar mineração de processos automática para analisar processos de negócio.”

“Trabalhadores digitais resolvem problemas de lógica, negócio e sistema sem intervenção, usando detecção automática de problemas para garantir os mais altos níveis de serviço e aumentar a produtividade em todas as automações de processos. Para reduzir tempo de atendimento ao cliente e melhorar qualidade geral, trabalhadores digitais podem se comunicar e completar tarefas com pessoas, sistemas e outros trabalhadores digitais.”

“Por exemplo, chatbots podem ser implantados para trabalhar com trabalhadores digitals servindo clientes autonomamente e, quando necessário, escalando ações para pessoas.”