فرایند و اتوماسیون کسب‌وکار · · ۸ دقیقه
برای اتوماسیون، کدام فرایند واقعاً مناسب است؟
تکراری‌بودن به‌تنهایی دلیل کافی برای اتوماسیون نیست. با سنجش هزینهٔ واقعی، حجم و نوسان کار، تعداد استثناها، پیامد خطا و امکان بازگشت، مناسب‌بودن یک فرایند را پیش از پایلوت بسنجید.
پاسخ کوتاه: یک کار پرتکرار باید قابل‌پیش‌بینی و کم‌هزینه برای اصلاح هم باشد
تکرار زیاد، به‌تنهایی یک فرایند را برای خودکارسازی مناسب نمی‌کند. انتخاب خوب زمانی شکل می‌گیرد که حجم کار و هزینهٔ فعلی آن را بتوان توضیح داد، ورودی و خروجی روشن باشند، استثناها قابل‌شناسایی بمانند و پیامد یک خطا مهارشدنی باشد. برای مثال، ثبت درخواست‌های استاندارد ممکن است پرتکرار باشد، اما اگر هر مورد به بررسی قرارداد یا تشخیص شرایط خاص وابسته است، بخش مهمی از آن همچنان به قضاوت انسان نیاز دارد. این راهنما دربارهٔ رتبه‌بندی فهرستی از ایده‌ها نیست؛ می‌خواهد نشان دهد یک فرایند مشخص از نظر اقتصاد اجرا و کنترل‌پذیری ارزش اتوماسیون دارد یا نه. نتیجه هم لازم نیست انتخاب میان «کاملاً دستی» و «کاملاً خودکار» باشد: گاهی حذف یک ورود دوباره یا آماده‌کردن پیش‌نویس، از واگذاری کل تصمیم به سامانه مناسب‌تر است.
دامنه و واحد کار را دقیق کنید
پیش از محاسبه، بنویسید کار از کجا شروع می‌شود و چه زمانی واقعاً پایان‌یافته به حساب می‌آید. «رسیدگی به فاکتور» دامنهٔ دقیقی نیست؛ دریافت فایل، بررسی کامل‌بودن اطلاعات، تطبیق با سفارش، ثبت در سامانه مالی و رسیدگی به مغایرت هر کدام گام متفاوتی‌اند. واحدی را انتخاب کنید که بتوان دفعات انجام، زمان و نتیجه‌اش را شمرد؛ مانند هر درخواست، هر فاکتور یا هر پرونده. سپس مسیر عادی را در کنار مسیرهای پرتکرار اما متفاوت رسم کنید و مشخص کنید کدام نقش، چه اطلاعاتی را کجا وارد یا تأیید می‌کند. اگر شروع کار نامعلوم است، مالک ندارد یا پایان آن بین دو سامانه گم می‌شود، مسئله هنوز برای برآورد آماده نیست. در این مرحله ممکن است روشن شود راه بهبود، اصلاح فرم، حذف تأیید غیرضروری یا توافق بر سر مسئولیت است؛ این تغییرهای ساده را با اتوماسیون اشتباه نگیرید و هزینهٔ ابزار تازه به مسئله اضافه نکنید.
حجم و هزینهٔ فعلی را با دادهٔ واقعی بسنجید
میانگین تعداد کارها در ماه را کنار پراکندگی آن بنویسید: یک ماه شلوغ، فصل اوج یا روزهای پایانی دوره ممکن است با متوسط سال تفاوت داشته باشد. زمان لمس مستقیم کار را از زمان انتظار جدا کنید؛ پرونده‌ای که دو روز در صف می‌ماند لزوماً دو روز نیروی انسانی مصرف نکرده است. برای هزینهٔ پایه، دفعات انجام را در زمان واقعی هر گام و هزینهٔ تقریبی همان زمان ضرب کنید؛ بازکاری، جست‌وجوی اطلاعات، دوباره‌واردکردن و پیگیری تأخیر را هم در نظر بگیرید. فرض کنید تیم مالی هر هفته تعدادی فاکتور را بررسی می‌کند: ثبت تعداد فاکتور، دقیقهٔ صرف‌شده برای حالت عادی و زمان جداگانهٔ مغایرت‌ها تصویر مفیدتری از یک برآورد کلی می‌دهد. این محاسبه قرار نیست دقت حسابداری داشته باشد؛ باید آن‌قدر شفاف باشد که افراد درگیر بگویند کدام فرض واقع‌بینانه نیست. اگر حجم کم است یا بیشتر زمان صرف قضاوت موردی می‌شود، حتی کاهش چشمگیر زمان هر اجرای خودکار ممکن است هزینهٔ راه‌اندازی و نگهداری را جبران نکند.
تکرارپذیری را از تعداد دفعات جدا کنید
دو کار با حجم برابر می‌توانند آمادگی بسیار متفاوتی داشته باشند. بررسی کنید ورودی‌ها چه‌قدر یکدست‌اند، قواعد تصمیم‌گیری مستند است یا شفاهی، و چه سهمی از پرونده‌ها بدون تغییر مسیر از ابتدا تا انتها پیش می‌رود. نمونه‌های استثنا را دسته‌بندی کنید: دادهٔ ناقص، سند نامعتبر، اختلاف میان منابع، درخواست فوری یا قضاوتی که به زمینهٔ مشتری وابسته است. لازم نیست پیش از شروع همهٔ حالت‌های نادر را حل کنید، اما باید بدانید سامانه آن‌ها را تشخیص می‌دهد یا نه و بعد از تشخیص کار به کجا می‌رود. اگر تیم هر بار برای یک مورد مشابه از فرد دیگری پاسخ متفاوت می‌گیرد، ابتدا قاعده و مسئولیت را روشن کنید. افزودن مدل هوش مصنوعی به فرایندی که تعریف‌های متناقض و دادهٔ ناسازگار دارد، اختلاف را خودکار می‌کند؛ آن را از بین نمی‌برد. معیار مفید، سهم کارهایی است که با قواعد مشخص و بدون مداخلهٔ موردی پیش می‌روند، نه صرفاً تعداد کل اجراها.
پیامد خطا و امکان برگشت را کنار منفعت بگذارید
برای هر مرحله بپرسید اگر خروجی اشتباه باشد چه کسی یا چه چیزی آسیب می‌بیند، آیا خطا پیش از اثر نهایی دیده می‌شود و اصلاح آن چه‌قدر دشوار است. اشتباه در برچسب‌گذاری داخلی ممکن است با بازبینی نمونه‌ها اصلاح شود؛ ارسال وجه، رد درخواست مشتری یا تغییر دسترسی می‌تواند اثر مالی یا اعتباری جدی‌تری داشته باشد. این تفاوت باید اندازهٔ اختیار خودکار را تعیین کند. اطلاعات محرمانه، دادهٔ شخصی و محدودیت دسترسی نیز هزینهٔ طراحی و نگهداری را بالا می‌برند و نباید از برآورد حذف شوند. راه بازگشت را مشخص کنید: آیا می‌توان اجرای خودکار را خاموش کرد، کارهای معلق را دید، نتیجهٔ قبلی را اصلاح کرد و موقتاً به مسیر دستی برگشت؟ اگر عمل برگشت‌ناپذیر است یا کشف خطا فقط از شکایت مشتری ممکن می‌شود، صرفه‌جویی زمانی دلیل کافی برای واگذاری کامل آن نیست. طراحی باید توقف امن و رسیدگی مسئول مشخص داشته باشد؛ هرچه پیامد خطا بیشتر باشد، دامنهٔ خودکارسازی کوچک‌تر و تأیید انسانی نزدیک‌تر به اقدام حساس می‌ماند.
سطح درست مداخله را انتخاب کنید
پس از شناخت مسیر، برای هر گام نوع کمک مناسب را انتخاب کنید. ورود دادهٔ ساخت‌یافته و انتقال آن میان سامانه‌ها معمولاً با قواعد ثابت قابل‌سنجش است. استخراج اولیهٔ اطلاعات از متن یا دسته‌بندی پیام‌ها ممکن است از هوش مصنوعی کمک بگیرد، اما باید موارد کم‌اطمینان را جدا کند و نمونه‌ها بازبینی شوند. تصمیمی که به مذاکره، سیاست استثنا یا شرایط حساس مشتری وابسته است می‌تواند انسانی بماند؛ سامانه فقط مدارک را جمع کند یا گزینه‌ها را پیشنهاد دهد. این انتخاب می‌تواند در یک فرایند ترکیبی باشد: بخش استاندارد خودکار شود، موارد نامعمول به صف بررسی بروند و اقدام پرپیامد پس از تأیید نقش مجاز انجام شود. برای هر بخش بنویسید چه خروجی‌ای انتظار می‌رود، چه زمانی سامانه باید کنار بکشد و چه کسی اختیار ادامه دارد. لازم نیست فناوری پیشرفته‌تری انتخاب کنید تا طرح جدی به نظر برسد؛ روش ساده‌ای که بتوان کیفیت آن را کنترل کرد، گاهی هم کم‌هزینه‌تر است و هم برای تیم قابل‌اعتمادتر.
هزینهٔ کل را در یک پایلوت محدود بررسی کنید
صرفهٔ مالی را با مقایسهٔ هزینهٔ فعلی و هزینهٔ کل راهکار بسنجید، نه با قیمت اشتراک ابزار. اتصال به سامانه‌های موجود، پاک‌سازی یا دسترسی داده، ساخت و تنظیم، پایش، پشتیبانی، رسیدگی انسانی به استثناها و اصلاح‌های آینده هم هزینه‌اند. برای زمان آزادشده نیز فرض نکنید که هر دقیقه خودبه‌خود به صرفه‌جویی نقدی تبدیل می‌شود؛ مشخص کنید تیم آن ظرفیت را کجا به کار می‌گیرد. یک پایلوت کوچک را روی نوع محدودی از درخواست‌ها یا یک تیم اجرا کنید و پیش از شروع خط پایه بگیرید: تعداد و ترکیب پرونده‌ها، زمان کار انسانی، بازکاری، زمان انتظار، خطای کشف‌شده و هزینهٔ رسیدگی به استثنا. سپس همان تعریف‌ها را پس از اجرا مقایسه کنید. شرط توقف هم از پیش روشن باشد؛ مثلاً افزایش خطای حساس، از دست‌رفتن پرونده یا بالارفتن بار بازبینی. اگر نتیجه فقط روی پرونده‌های آسان خوب است، تعمیم آن به همهٔ موارد هنوز توجیه ندارد. پایلوت باید امکان توقف یا بازگشت داشته باشد و تصمیم بعدی را با شواهد بهتر کند، نه اینکه گسترش ابزار را از قبل قطعی فرض کند.
تصمیم را با شواهد و محدودیت‌ها جمع‌بندی کنید
برای فرایند منتخب، یک صفحهٔ تصمیم تهیه کنید: دامنه و واحد کار، حجم عادی و اوج، هزینهٔ فعلی، سهم مسیرهای استاندارد و استثنا، پیامد خطا، روش برگشت، سطح مناسب خودکارسازی، هزینه‌های پیاده‌سازی و نگهداری، و معیار ادامه یا توقف. این برگه نشان می‌دهد چرا یک کار پرتکرار کنار گذاشته شده یا چرا تنها یک بخش از آن خودکار می‌شود. نتیجه می‌تواند «اکنون پایلوت شود»، «ابتدا قاعده یا داده اصلاح شود» یا «فعلاً دستی بماند» باشد؛ هر سه تصمیم معتبرند اگر دلیل روشن داشته باشند. برآورد اولیه با تغییر حجم، قیمت ابزار و نوع مشتری عوض می‌شود و تضمین نمی‌کند که پروژه در هر محیطی بازده مالی داشته باشد؛ پس فرض‌ها را هنگام تغییر فرایند به‌روز کنید. اگر بین اتوماسیون کامل، کمک‌گرفتن از هوش مصنوعی و اصلاح سادهٔ یک مسیر مردد هستید، در یک جلسهٔ مشاوره می‌توان دامنه، هزینه، استثناها و شرط‌های پایلوت همان فرایند را کنار هم بررسی کرد.