نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

16 آذر 1401 5:31 ب.ظ

آیا بالاخره محل کار هوشمند در دسترس است؟

نوشته جوئل خلیلی -اعتبار تصویر: Shutterstock / elenabsl)

همانطور که ممکن است آینده نگرانه به نظر برسد، اتوماسیون فرآیند روباتیک (RPA) در واقع برای چندین دهه، تحت پوشش های مختلف، وجود داشته است. و هدف کلی همیشه یکسان بوده است: دادن یک راه ساده به کسب و کارها برای خودکارسازی وظایف سخت.

دلیل اینکه تعداد کمی در خارج از بخش فناوری اطلاعات نام RPA را شنیده اند مربوط به انواع وظایفی است که توانسته است آن را خودکار کند. روبات‌های به اصطلاح نرم‌افزاری (تکاملی از ماکروهای قدیمی) معمولاً برای پیروی از قوانین ساده، اما نه برای رسیدگی به استثنائات، مجهز هستند.

با این حال، پیشرفت های اخیر در زمینه هوش مصنوعی (AI) نویدبخش گسترش دامنه RPA است، که به طور فزاینده ای قادر به اجرای وظایف پیچیده نیز می باشد. در اصطلاح صنعتی، به این «هیپراتوماسیون» می گویند.

یکی از شرکت‌هایی که در خط مقدم این جنبش قرار دارد، Blue Prism است که در اوایل سال جاری به مبلغ 1.65 میلیارد دلار توسط SS&C Technologies پس از یک دوره رشد سریع در طول همه‌گیری، خریداری شد.

موجودیت ترکیبی، SS&C Blue Prism، ​​با هدف تامین هر قطعه از پازل اتوماسیون – از استخراج فرآیند گرفته تا RPA، پردازش اسناد و ربات‌های گفتگو – که همگی زیربنای هوش مصنوعی هستند.اریک تایری، رئیس هوش مصنوعی و اتوماسیون در SS&C Blue Prism این را می گوید.

در گفتگو با TechRadar Pro، Eric Tyree، مسئول هوش مصنوعی و اتوماسیون در این شرکت، توضیح داد که توسعه مدل‌های در مقیاس بزرگ، هوش مصنوعی را به یک ابزار کاربردی در دسترس تبدیل کرده است و درهای مختلفی را در فضای اتوماسیون باز می‌کند.

او به ما گفت: «وارد کردن هوش مصنوعی به یک سازمان به روشی معنادار اکنون ساده‌تر است، زیرا توانایی آن برای خودکارسازی یک نوع کار در یک ربات RPA تعبیه شده است.

از نقطه نظر عملی، این امر هوش مصنوعی را تقریباً کالایی کرده است و به یک انقلاب زمین گیر جان می بخشد. [قبلا]، میزان موفقیت پروژه های هوش مصنوعی سازمانی بسیار پایین بود.

RPA در حال افزایش است

موردی برای اتوماسیون بیشتر روی کاغذ قانع کننده است. فروشندگان می گویند که RPA میزان منابع صرف شده برای مدیریت مکرر را کاهش می دهد، خطای انسانی را حذف می کند و کارمندان را آزاد می کند تا روی کارهایی که نیاز به تفکر انتزاعی دارند تمرکز کنند.

به عنوان مثال، در زمینه حسابداری، اتوماسیون می تواند به متخصصان اجازه دهد زمان کمتری را برای حسابداری و جمع آوری داده ها و زمان بیشتری را برای تجزیه و تحلیل و استراتژی تجاری صرف کنند.

بخش خدمات مشتری نیز به خوبی آماده بهره‌برداری است. هدف اصلی یک نماینده تعامل با مشتریان است، اما زمان زیادی برای جابجایی داده ها در سیستم های CRM و پایگاه داده تلف می شود، چیزی که RPA می تواند به راحتی از عهده آن برآید.

در چند سال گذشته، رشد بازار جهانی RPA ثابت بوده است، البته اگر غیرقابل تماشا باشد. اما تحلیل گراند ویو ریسرچ نشان می‌دهد که این بخش در دهه آینده رشد خواهد کرد و به نرخ رشد مرکب سالانه (CAGR) بیش از 38 درصد از هم‌اکنون تا سال 2030 دست خواهد یافت.

مسیر رشد احتمالاً به دلیل نیاز به افزایش کارایی در طول همه‌گیری تشدید شده است، اما Blue Prism معتقد است که بازار مدت‌هاست در این مسیر حرکت می‌کند.

کووید باعث شد مردم متوجه شوند که می‌توانند نحوه عملکرد کسب‌وکارها را به سرعت تغییر دهند و در برخی موارد آنها را مجبور کرد. اما آنچه واقعاً اتوماسیون را هدایت می کند، اقتصاد است. “روش قدیمی تفکر در مورد دیجیتالی کردن، پاره کردن سیستم های قدیمی و جایگزینی آنها است، اما RPA روشی بسیار سبک تر و ارزان تر برای تغییر است.”

و به عنوان مثال به نبرد بین بانک‌های سنتی و رقیب اشاره کرد: «بانک‌های خرد به‌طور سنتی به کندی حرکت می‌کردند، اما فین‌تک آنها را زنده می‌خورد. و از آنجایی که آن‌ها در پاسخ به آن زمان برای بازسازی املاک قدیمی خود ندارند، باید در راس آن‌ها خودکارسازی کنند.»

در این سناریو، اتوماسیون در مورد فشار بر دستاوردهای بهره وری نهایی نیست که نتیجه را صیقل می دهد، بلکه یک ضرورت استراتژیک است.

آوردن هوشمندی به حزب

تا همین اواخر، چشم انداز اتوماسیون بزرگ تا حدودی یک فانتزی باقی مانده بود. تنها بزرگترین کسب و کارها در اقلیت کوچکی از بخش ها توانسته اند سود ببرند. اما نشانه هایی وجود دارد که فروشندگان ممکن است به زودی بتوانند هدف اصلی را برای رساندن اتوماسیون به توده ها انجام دهند.

انتظار می رود مقدار بسیاری از رشد در پذیرش RPA ناشی از ظرفیت بهبود یافته برای اجرای فرآیندهای دشوار و کاهش پیچیدگی مرتبط با استقرار و مدیریت باشد.

Tyree توضیح داد: «در زمان‌های قدیم، اگر هوش مصنوعی را به یک سازمان وارد می‌کردید، یک پلتفرم می‌خریدید و فرآیندهایی را به آن وارد می‌کردید، که انواع موانع را ایجاد می‌کرد.

RPA آن را برعکس کرده است. شما هوش مصنوعی را به RPA متصل می‌کنید و آن را به فرآیندها و واحدهای تجاری که می‌خواهید خودکار کنید، می‌آورید. ناگهان، الحاق یک ربات چت یا فناوری تشخیص چهره به یک ربات نرم افزاری بسیار ساده شده است.

با پیشرفت در حوزه‌های معماری محاسباتی و مدل‌سازی، پیچیدگی این ربات‌های RPA مجهز به هوش مصنوعی در سال‌های آینده نیز به طور قابل توجهی افزایش خواهد یافت. تایری می‌گوید: ما در یک «خط روند نمایی» هستیم.

اعتبار تصویر: SS&C Blue Prism

نتیجه دو جانبه است: عرضه راه حل های هایپراتوماسیون بسیار ساده شده است، و تعداد موارد استفاده برای RPA گسترش می یابد تا شامل عملکردهایی مانند تجزیه و تحلیل، طراحی و نظارت شود.

و همانطور که بزرگ‌ترین شرکت‌ها استقرار اتوماسیون خود را افزایش می‌دهند، انتظار می‌رود که آموخته‌ها در موج‌های متوالی به کسب‌وکارهای کوچک‌تر و کوچک‌تر سرازیر شوند و مزایای RPA را به طور فزاینده‌ای در دسترس قرار دهند.

«سازمان‌های بزرگ 1000 فورچون اکنون این فناوری‌ها را در مقیاس بزرگ به کار گرفته‌اند که باعث کاهش هزینه‌ها می‌شود. گاوتام مورجانی، GM Intelligent Automation Solutions در SS&C Blue Prism گفت: موج دوم کسب‌وکارهایی که معمولاً حتی نمی‌توانستند به این نوع فناوری فکر کنند، اکنون می‌توانند آن را بخرند.

طی سه تا ده سال آینده، ما شاهد گردهم آمدن این امواج و ایجاد فرصت‌های بیشتر خواهیم بود.»

نه خیلی سریع

اگرچه تایری و مورجانی در مورد پتانسیل هایپراتوماسیون خوش بین هستند، اما هر دو پذیرفتند که تعدادی موانع وجود دارد که صنعت باید با آنها مقابله کند.

اولی فنی است. اگرچه پیشرفت‌ها در محاسبات، ذخیره‌سازی و شبکه راه را برای مدل‌های هوش مصنوعی با تریلیون‌ها پارامتر هموار کرده است (هر چه این تعداد بیشتر باشد، معمولاً مدل عملکرد بیشتری دارد)، پیشرفت‌های بیشتری برای دستیابی به اتوماسیون فراگیر ضروری است. و هیچ تضمینی وجود ندارد که مسیر رو به جلو هموار باشد.

ما شاهد رشد آسان و تدریجی قابلیت‌های هوش مصنوعی نخواهیم بود. تایری اعتراف کرد که به خوبی می آید و شروع می شود. به عنوان مثال، جهش بزرگ در هوش مصنوعی در حال حاضر، از کسی که به ساختارهای عصبی نگاه می کند و آن معماری را تکرار می کند، رخ داد.

همچنین ارتباط قوی‌تری بین هزینه محاسبات و هوش مصنوعی نسبت به آنچه مردم تصور می‌کنند وجود دارد. هوش مصنوعی همیشه از آنچه که از نظر اقتصادی امکان پذیر است جلوتر است و الگوریتم ها همیشه جلوتر از آنچه از منظر محاسباتی ممکن است هستند.

عامل دوم به فرهنگ و ادراک مربوط می شود. هر مکالمه ای در مورد اتوماسیون محل کار در نهایت به بحث در مورد تعدیل نیروی انسانی منجر می شود.

اگرچه به طور گسترده پذیرفته شده است که ظهور اتوماسیون پیکربندی نیروی کار را تغییر می دهد، بحث هایی در مورد میزان این تغییر وجود دارد. تصویری که توسط فروشندگان ترسیم شده است این است که فناوری‌های اتوماسیون نقش پشتیبانی را ایفا می‌کنند، اما سوء ظن غالب است.

تایری به سمت رشته رادیولوژی اشاره کرد. اگرچه نشان داده شده است که مدل‌های هوش مصنوعی قادر به برابری با عملکرد متخصصان در تشخیص بدخیمی‌ها هستند، اما کارشناسان هنوز سطح پایینی از اعتماد را ابراز می‌کنند.

هیچ موردی از  RPA در اینجا دخیل نیست، اما همان قانون کلی در تمام زمینه های اتوماسیون اعمال می شود. سطح عملکرد مورد انتظار هوش مصنوعی بسیار بالاتر است. هنگامی که یک تصمیم توسط یک سیستم خودکار گرفته شده است، مردم حاضر نیستند حتی مقدار کمی از خطا را بپذیرند.

دیگران کمتر در مورد عملکرد و بیشتر نگران دورنمای تعدیل‌های گسترده هستند، که به‌دلیل انواع وظایفی که RPA قادر به انجام آن است، به طور نامتناسبی بر کارگرانی که در پایین‌ترین گروه‌های دستمزد قرار دارند، تأثیر می‌گذارد.

به گفته تایری، هدف گذاری برای از دست دادن شغل صفر امکان پذیر خواهد بود، اما مدیریت دقیق این گذار حیاتی خواهد بود. یکی از رویکردهایی که قبلاً توسط برخی از کسب و کارها اتخاذ شده است، ترسیم “کوتاه ترین مسیر ممکن بین مجموعه مهارت هایی که دیگر مورد نیاز نیستند و مهارت هایی که هستند” و تلاش برای سوق دادن افرادی که به دلیل اتوماسیون آواره شده اند به این مسیرها است.مورجانی افزود: “هنوز یک نگرانی طبیعی بشر وجود دارد، این چیزی است که باید بر آن غلبه کرد.” اما موارد استفاده واقعی روز به روز قانع‌کننده‌تر می‌شوند.»

«این در مورد تمایز بیشتر بین این است که چه چیزی واقعاً یک تصمیم مبتنی بر قضاوت است و چه چیزی نیست، و به افراد اجازه می‌دهد بر آنچه برای سازمانشان مناسب است تمرکز کنند. این همه هنوز در حال تکامل است.

جوئل خلیلی ویرایشگر اخبار و ویژگی‌ها در TechRadar Pro است که امنیت سایبری، حریم خصوصی داده‌ها، ابر، هوش مصنوعی، بلاک چین، زیرساخت اینترنت، 5G، ذخیره‌سازی داده و محاسبات را پوشش می‌دهد. او مسئول مدیریت محتوای خبری ما و همچنین راه‌اندازی و تولید ویژگی‌هایی در فناوری‌هایی است که شیوه تجارت جهان را تغییر می‌دهند.

https://www.techradar.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *