RPA: Superestimado ou Apenas um Curativo? Motores de Decisão São o Futuro Real?

Você ouve com frequência. RPA é superestimado. É como um curativo. Agora Information Age falou com um especialista em consultoria de negócios que argumentou que motores de decisão, não RPA, são o futuro. Ele está certo?

Para Albert Rees, que lidera consultoria de negócios para América do Norte, na EPAM, RPA é mais como um curativo.

Rees vê dois problemas com RPA.

• custos de implementação são muito maiores do que antecipavam.
• custos de manutenção. "Você está movendo dados entre sistemas existentes e se esses sistemas nunca mudam, tudo bem no mundo. Mas esse não é realmente o caso. Então, à medida que sistemas evoluem, coisas no back-end têm que mudar também.

Rees diz: "Você tem que chegar a um nível de detalhe bem baixo para realmente entender onde a automação vai funcionar e o que vai fazer e como vai interagir com sistemas." Chegar a esse nível de detalhe também custa.

Ele adiciona: "Vemos pessoas copiando para dentro e fora de planilhas, você vai a call centers, vê o cenário de três telas onde estão movendo dados da tela A para tela B para tela C e são apenas três sistemas internos movendo informações e um pode ser Excel. Se algo muda em qualquer um deles e de repente você tem que voltar e implementar uma atualização. A maioria das organizações não consegue fazer isso sozinha, então voltam a gastar dinheiro de novo."

Motores de decisão

Em vez disso, ele vê motores de decisão como a chave. Mas o que são? Ele disse: "Penso em Motores de Decisão como ferramentas usadas para automatizar alguma porção da tomada de decisão humana que pode ser definida por um conjunto de regras. Eles funcionam aplicando regras de negócio predefinidas (frequentemente chamadas de 'árvores de decisão') a conjuntos de dados. Motores de Decisão não são tipicamente um substituto para RPA, no entanto podem aprimorar RPA quando um processo requer que uma decisão seja tomada ao avaliar regras complexas aplicadas a conjuntos de dados complexos."

O debate

Então, isso está certo?

Recentemente, Information Age falou com Bruno Ferreira, Diretor Geral UK & Irlanda na UiPath, não surpreendentemente, ele tem perspectiva diferente.

O argumento do hype, ele sugere, não faz sentido. "Nossa taxa de renovação é mais de 90%."

Ele também se refere ao crescimento da UiPath: US$ 10 milhões em 2016, US$ 200 milhões em 2018, sugerindo que os números duros indicam apetite voraz por RPA.

E ainda, ele sugere que apenas um pequeno número de organizações está usando RPA, implicando potencial massivo para crescimento.

Sarah Burnett, vice-presidente executiva e analista distinta no Everest Group diz que "na verdade fizemos estudos que mostram empresas alcançam cerca de 30% de economia de custos."

O curativo RPA?

Então há a questão de RPA ser como um curativo. Resume-se a sistemas legados. "Eles são escritos em COBOL, estão sentados em mainframes, e esse é um caso de uso onde não conseguimos mais fazer nada com esses sistemas legados," diz Rees. Ele então argumenta que muitos dos sistemas não são bem integrados — "obtemos múltiplas versões da verdade, e isso significa um monte de trabalho manual mundano, digitando dados, por exemplo, que já existem em outro sistema." Ele sugere que várias empresas estão usando RPA para ajudar com isso, mas que "de muitas maneiras, RPA é um curativo para coisas que poderiam existir, capacidades que poderiam existir dentro de ERPs e outras soluções best-of-breed hoje."

"A questão na minha mente, ele diz, "é por quanto tempo RPA realmente permanece como solução viável no mercado. E isso eu não sei. Estou especulando algo entre três e cinco anos, pois o que realmente estamos vendo é clientes se movendo em direção a automação inteligente e soluções em nuvem, que são realmente a próxima evolução do RPA."

Aqui novamente, há aqueles que discordam fortemente. Por exemplo, UiPath afirmou famosamente seu objetivo de alcançar um robô para cada mesa, objetivo que parece ter planejamento de longo prazo implícito.

Bruno Ferreira cita como exemplo, alvo da UiPath de haver um robô por cientista. "Imagine isso," ele diz, "todo dia um cientista vai ao laboratório, mas tem que gastar uma hora por dia em preparação," com RPA ele diz "estimativas sugerem economia de nove horas por mês, o que seria incrível."

Dados sensíveis

Rees também tem preocupações com robôs não supervisionados, que poderiam automatizar um processo ponta a ponta. Parte do problema reside na regulação e no perigo de robôs não supervisionados poderem repetir um erro, que operadores, divorciados das operações diárias, desconhecem.

"Todo mundo quer ser ágil," ele diz e "ágil é ótimo do ponto de vista de desenvolvimento quando você pode se dar ao luxo de cometer erros e aprender com eles e corrigir. Mas você não pode fazer isso com dados sensíveis.

"Então, quando você tem robôs movendo dados do sistema A para sistema B atrás de um firewall, não supervisionado funciona ótimo. Se algo der errado, adivinha? Colocamos outro sprint, corrigimos, e estamos de volta no não supervisionado. Tipicamente é pego antes de chegar nas mãos de alguém, onde criaria problema."

Ele vê um problema, no entanto, com dados sensíveis. Por exemplo, se você obtém "extratos bancários da conta corrente de outra pessoa. Nestas situações, não supervisionado se torna muito, muito mais arriscado."

Sarah Burnett, por outro lado, vê precisão de dados como uma das forças do RPA.

Como dizem, errar é humano, RPA pode eliminar erro.

"Se uma pessoa insere um dado, pode facilmente trocar alguns números acidentalmente. Corrigir esse erro, quanto mais abaixo no processo ele viaja, mais caro se torna. Você poderia ter pessoas, cujo tempo é muito caro, perseguindo esse erro e tentando corrigi-lo, bem longe na raia do processo. Robôs, se desenvolvidos corretamente e mantidos e rodando suavemente, não cometerão esses erros. Estamos ouvindo de organizações que dizem que mantiveram testando seus apps de robô e nunca encontraram um erro uma vez testado, era 100% preciso …sempre."