-

Hyperautomation: slimme robots, algoritmes en geautomatiseerde bedrijfsprocessen (4/5)

Het gebruik van algoritmes en AI in het automatiseren van bedrijfsprocessen vindt steeds meer concrete toepassingen. In dit artikel een aantal concrete voorbeelden, een overzicht van de voordelen, maar ook belangrijke aandachtspunten.

Algoritmes zijn in de dagelijkse wereld alom vertegenwoordigd: van het toekennen van een kredietscore tot aan het vinden van een geliefde via Tinder. In de moderne betekenis worden algoritmes vaak gekoppeld aan grote hoeveelheden data. Data kan te pas en te onpas gebruikt worden door algoritmes om beslissingen te nemen. Een nieuwe opmars is het gebruik van algoritmes in procesautomatisering, waarbij datasets gebruikt worden om voorspellingen te doen in bedrijfsprocessen.

Wat is Algorithmic Process Automation en hoe verhoudt het zich tot de digitale transformatie?

Algorithmic Process Automation (APA) omvat algoritmes die bedrijfsprocessen slimmer kunnen maken. Algoritmes kunnen bepaalde modellen of formules omvatten en kunnen data dusdanig interpreteren dat ze er uitkomsten mee kunnen voorspellen. Dit gaat van beschrijvend (wat gebeurt er nu?) naar voorspellend (wat gebeurt er in de toekomst?) tot aan voorschrijvend (hoe kunnen we de toekomst beïnvloeden). De toepassingen zijn uiteenlopend en zijn te vinden bij zowel de private sector als bij overheidsinstellingen en NGO’s.

Organisaties bevinden zich in een constante staat van innovatie en evolutie om te kunnen overleven in een steeds sneller veranderende (concurrentie)omgeving en maatschappij. Veel bedrijven uit verschillende sectoren noemen daarin “digitale transformatie” als één van hun speerpunten. Deze digitale transformatie is organisatie-breed en heeft impact op de beleving van zowel klanten als medewerkers en andere belanghebbenden. De digitale transformatie is breder dan alleen de ‘klassieke’ IT en beslaat de complete businesstransformatie. APA is een van de vele oplossingen die in dat proces een rol spelen.

Het voorspellen van geoptimaliseerde automatiseringsprocessen

In 2004 drong de Chief Information Officer van de Amerikaanse supermarktketen Wal-Mart erop aan om voorspellingen te doen op basis van wat er was gebeurd toen de orkaan Charley langskwam. Orkaan Frances was namelijk onderweg en dreigde een enorme impact te gaan hebben aan de kust van Florida. Gesteund door de enorme hoeveelheid winkelhistorische data was het tijd om te beginnen met het voorspellen wat er stond te gebeuren, in plaats van te wachten tot het daadwerkelijk gebeurde.

Experts ontdekten dat de verkoop van een aantal ongebruikelijke producten enorm steeg. Zo was de verkoop van de Pop-Tart snack met aardbeiensmaak zeven keer zo hoog als normaal, en was bier het bestverkopende item voorafgaand aan een orkaan! Dankzij deze inzichten werden de meeste producten voor de storm ingeslagen en waren deze ook al snel uitverkocht (zie “What Wal-Mart Knows About Customers’ Habits” in de New York Times).

Het gebruik van APA kan dus enorme winst opleveren in de retail sector. Het gebruik van data- en AI-modellen in de automatisering kan het proces van het inschatten van de hoeveelheid producten significant verbeteren. Door zulke modellen toe te passen kan de voorspelling van de klantvraag zowel op korte als op lange termijn (deels) worden geautomatiseerd. Door data uit verschillende processtappen te combineren – van de klantvraag tot productverkoop (zie Figuur 1), inclusief externe informatie, over bijvoorbeeld het weer en lokale evenementen – kunnen volledige processen geoptimaliseerd worden.

Figuur 1: De processtappen van de prognose tot verkoop van een product.

De modellen verhogen de nauwkeurigheid van prognoses van de winkelvraag op lange termijn en het transport en de magazijnvoorspellingen. Daarnaast bieden zulke toepassingen nog meer voordelen voor de productlevering bij winkels:

  1. Een verbeterde voorspelling van de transactie zorgt dat de winkel zijn voorraad kan reduceren.
  2. Doordat winkels beter kunnen reageren op de klantvraag door juiste voorspellingen wordt de efficiëntie van de winkelproductie verhoogd.
  3. Een betere voorspelling verminderd afval en verspilling van beperkt houdbare producten.
  4. Door een betere voorspelling zijn producten altijd op voorraad, hetgeen het imago van de winkel verbetert.
  5. Een significante stijging van de winst.

Kortom: door automatisering te koppelen aan een AI-model kunnen verschillende retailprocesstappen verder geoptimaliseerd worden.

APA brengt extra waarde

APA, wat op basis van modellen beslissingen maakt aan de hand van algoritmen, kan problemen oplossen die Robotic Process Automation (RPA) niet kan oplossen. Terwijl RPA op vastliggende regels gebaseerde, repetitieve processen automatiseert, kan APA ook processen automatiseren die géén gestandaardiseerde input hebben. Op deze manier kunnen, bijvoorbeeld, ook de verschillende processtappen in de landbouw (de value chain) verder geautomatiseerd worden. Een voorbeeld hiervan uit onze eigen stal is Capgemini’s FARM platform, dat data aggregeert waarmee waardevolle inzichten voor boeren in Kenia worden gegenereerd. Zo wordt bij het FARM platform niet één stap geautomatiseerd – zoals een advies over grondkwaliteit, het opzoeken van een weerbericht of een berekening van potentiële opbrengst van het einde van het seizoen – maar wordt het gehele proces doorlopen: van een grondscan tot het voorspellen van de oogst voor de eindgebruiker.

Niet alleen voordelen

Het toevoegen van slimme modellen brengt ook een aantal uitdagingen met zich mee. De data die gebruikt wordt voor de intelligente modellen kan tot overhaaste beslissingen leiden. Wie houdt in de gaten of besluiten goed genomen worden? Wie is de verantwoordelijke als het systeem inderdaad een verkeerd besluit neemt? En is er inzage waarom een systeem überhaupt een bepaalde beslissing heeft gemaakt of is het systeem een black box? Hoe zit het met onderhoud van de modellen en het testen van modellen?

Dit zijn allemaal thema’s die vóór het implementeren van hyperautomation met slimme modellen besproken moeten worden in de organisatie. Meer informatie over ethiek in bij het invoeren van (hyper)automatisering is te vinden in de laatste aflevering in deze serie.

Dit is deel 4 uit een serie van 5.

  • Deel 1 is een introductie tot hyperautomation
    De kracht van de inzet van Artificial Intelligence zit in het verwerkbaar maken van ongestructureerde data, zoals beelden.
  • Deel 2 gaat in op Document Understanding and Processing
    De kracht van de inzet van Artificial Intelligence zit in het verwerkbaar maken van ongestructureerde data, zoals beelden.
  • Deel 3 gaat in op Conversational AI
    Wil je je klant direct betrekken in het automatiseren van jouw interne processen? Dan kun je het contact met die klant ook automatiseren door bijvoorbeeld de inzet van Conversational AI.
  • Deel 5 gaat in op het houden van controle
    Moet je als organisatie het volledige proces wel wíllen automatiseren, zelfs als het kan? Of wil je juist bepaalde beslissingen laten nemen door een mens? Het slot gaat in op het houden van controle bij de inzet van Hyperautomation.

Over de auteur: Marije Merckens is Senior Consultant Enterprise Data & Analytics bij Capgemini Invent en Lukas Bel is RPA Expert bij DKV Belgium. Met dank aan Marijn Markus, AI lead bij Capgemini.   

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedInTwitter en Facebook.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond