Machine Learning: haal nóg meer uit RPA
Machine Learning: haal nóg meer uit RPA
Organisaties die Robotic Process Automation (RPA) toepassen, hebben een doel voor ogen. Ze willen kosten besparen. Tijdwinst boeken. De kwaliteit een impuls geven of profiteren van meer flexibiliteit. Na verloop van tijd wil je weten: hoe presteert mijn softwarerobot met het oog op mijn doel? Zijn er kansen om de performance te verbeteren? Een zelflerend algoritme op basis van Machine Learning kan hierbij helpen.
Eerst een stapje terug. Hoe zit het ook alweer met RPA? Hierbij gaat het om softwarerobots die repetitieve (administratieve) taken overnemen van medewerkers. Je vertelt deze robot precies wat ‘ie moet doen. De robot denkt zelf niet na. Hij wijkt nóóit van jouw opdracht af. Dat is handig, want je weet precies waar je aan toe bent. Hij voert jouw opdracht zo vaak uit als je wilt, in een fractie van de tijd die jij eraan kwijt bent.
Machine Learning en Artificial Intelligence
Kijken we naar de toekomst van RPA, dan kun je er vergif op innemen dat deze robotiseringsvorm steeds vaker verrijkt wordt met Artificial Intelligence. Bijvoorbeeld in de vorm van Machine Learning: met algoritmes die steeds intelligenter worden, dankzij data. Deze zelflerende algoritmes kunnen bijvoorbeeld de performance van jouw RPA-robot controleren. Vervolgens zijn ze zelfs in staat om verbetervoorstellen te doen, waardoor jij de RPA-robot nóg beter zijn taak kunt laten vervullen.
Proces kwantificeren
Hierbij is het zaak dat je eerst kwantificeert wat jouw robot je oplevert. Dit kan het beste aan de hand van vier parameters:
- Kosten: hoeveel kosten kun je besparen met de robot?
- Snelheid: hoeveel tijd win je met de inzet van de robot?
- Kwaliteit: hoeveel extra kwaliteit levert de robot je op? Bijvoorbeeld: in welke mate reduceer je het aantal fouten in een proces?
- Flexibiliteit: hoeveel flexibiliteit biedt de robot jouw organisatie?
Dit zijn vier parameters die je kan meten in een bedrijfsproces. Ook kun je hiermee kwantificeren wat de robot jou concreet oplevert. Voor kosten en snelheid is dat vrij eenvoudig: je rekent bijvoorbeeld uit hoeveel fte je bespaart of hoeveel sneller een proces nu verloopt, dankzij de robot. Kwaliteit en flexibiliteit zijn uitdagender om te kwantificeren.
Algoritme houdt performance in de gaten
Als jij de RPA-robot kunt kwantificeren op basis van (een van deze) vier parameters, dan weet je – bijvoorbeeld – wat de potentiële kostenbesparing of tijdswinst is. Vervolgens ‘vertel’ je dit aan het algoritme. Het algoritme kan nu op basis van die informatie de performance van de robot continu in de gaten houden.
Analyseren en verbetervoorstellen doen
Het mooiste van dit alles: het algoritme ziet precies wat er gebeurt in het proces. Stel dat je belangrijkste parameter ‘snelheid’ is. Het algoritme weet dan dat de robot vooral snel moet zijn. Dan besteedt het extra aandacht aan de aspecten die de robot sneller kunnen maken. Hij houdt continu bij hoeveel tijd de robot bezig is met bepaalde stappen in het proces. Vervolgens kan het algoritme verbetervoorstellen doen op basis van de verzamelde data.
Voorbeeld: kwaliteit en snelheid
Het kan ook zijn dat jouw belangrijkste parameters ‘snelheid’ en ‘kwaliteit’ zijn. Je wilt dat de robot snel is, nooit vastloopt en geen fouten maakt. Dan kan het algoritme vooral naar die aspecten kijken. Stel dat jouw robot data uit openbare bronnen moet halen en daarvoor websites raadpleegt. Als één van die websites uit de lucht is, bezoekt de RPA-robot automatisch een andere website. Dat kost wel extra tijd. Het algoritme ziet zo’n ‘hick-up’. Hij ziet ook of dit vaker gebeurt. Is dat het geval? Dan kan het algoritme een voorstel doen om die specifieke website uit het proces te halen. De RPA-robot kan dan sneller performen en direct door kan naar de websites die wél goed functioneren.
Nog een voorbeeld. Wil je dat de RPA-robot vooral veel repetitieve werkzaamheden overneemt van medewerkers? In zo’n geval kan het algoritme veel menselijke interventies waarnemen. Dan rapporteert hij wáár in het proces dit gebeurt. Je kunt het proces dan op deze punten zo aanpassen, dat die interventies niet langer nodig zijn.
Hapklare verbetervoorstellen
Op die manier kan het algoritme waardevolle data verzamelen en analyses maken. Met als resultaat: hapklare verbetervoorstellen voor de robot. Het algoritme levert de rapportages aan. Jij kunt er als organisatie slim op anticiperen. En dát is de next step van RPA. Deze specifieke combinatie staat nog in de kinderschoenen. Maar uiteindelijk gaan we toe naar meer Artificial Intelligence-achtige oplossingen. Waarmee RPA naar verwachting steeds verder transformeert naar een zelflerend algoritme. Zeker als de genoemde verbetervoorstellen geheel automatisch in de RPA robot worden verwerkt.
Download het e-book
Benieuwd naar de kansen van Robotic Process Automation voor jouw organisatie? Download het e-book en ontdek de toepassingsmogelijkheden.
Remo Antonis (auteur) Specialist op het gebied van Robotic Process Automation (RPA) en Document Management. Volg Remo op LinkedIn. En blijf op de hoogte van de laatste ontwikkelingen op het gebied van robotiseren (RPA).
