Industria y Utilities | Noticias | 11 SEP 2018

Un BPM más inteligente con IA

Para impulsar la innovación y mantener las eficiencias operativas, necesitamos reforzar los procesos y la inteligencia humana con la inteligencia de las máquinas. ¿Cómo se complementan todas estas tecnologías y cómo pueden ayudar a las empresas a obtener ventajas operativas?
IA bmp
Sandy Kemsley

En 2016 me pidieron participar en el libro de la organización Workflow Management Coalition titulado «Mejores prácticas para los usuarios experimentados». Mi sección «Más allá de las listas de control», llamaba a utilizar una gestión adaptativa de casos más inteligente, con el objetivo de impulsar la innovación manteniendo al mismo tiempo la eficiencia operativa. El año siguiente publicaron el libro «Adaptabilidad inteligente», en el que contribuí con una sección llamada «Inteligencia artificial y automatización en gestión adaptativa de casos y BPM», donde llevé estas ideas aún más allá. Un año después, numerosos distribuidores están integrando la inteligencia artificial además de otras tecnologías inteligentes en sus productos. He hablado con Miguel Valdés Faura, CEO de Bonitasoft entre otros sobre sus nuevos proyectos.

Entender las tecnologías inteligentes en el contexto del BPM

Hay dos factores que han provocado la fusión del BPM y las tecnologías inteligentes: por una parte, la aparición de los sistemas de gestión de procesos de negocio (BPMS) como plataformas de desarrollo de aplicaciones de propósito general que permiten integrar fácilmente otras tecnologías y, por otra, la necesidad de automatizar procesos y decisiones, por motivos que van desde mejorar la eficiencia hasta asegurar el cumplimiento de la normativa. Las siguientes son algunas de las tecnologías inteligentes habituales que complementan al BPM:

  • Las reglas de negocio y la toma automatizada de decisiones, que obligan a respetar la normativa y las mejores prácticas. Pueden servir para evitar que un usuario experimentado se salte el procedimiento estándar establecido para una tarea específica, así como para asegurar que se aplica siempre la misma lógica de decisión en todos los casos.
  • Los análisis predictivos, que recomiendan a los trabajadores determinadas acciones a partir de situaciones pasadas y del contexto actual. Esto reduce el tiempo de aprendizaje de los usuarios experimentados y les ayuda a tomar mejores decisiones.
  • Con el aprendizaje automático y la automatización robótica de procesos (RPA) se automatizan las tareas semicualificadas, aprendiendo de las acciones humanas para decidir cuáles son las actividades necesarias para completar una tarea. Así se descarga a los usuarios experimentados de este tipo de tareas y los deja libres para centrarse en trabajos más complejos y no estructurados.
  • En la gestión de eventos mediante la Internet de las Cosas (IoT) se interacciona con dispositivos y actividades externos, lo que permite activar procesos y actividades automáticamente en función de eventos creados por dispositivos remotos o datos externos.
  • Con el procesamiento de flujos o de eventos complejos pueden observarse patrones entre transacciones para activar nuevos procesos o alertas como respuesta a anomalías.
  • Mediante la minería de procesos se detectan modelos y comportamientos de procesos emergentes, pueden recomendarse acciones y hacer predicciones sobre la ejecución de los procesos.

No todas estas tecnologías están clasificadas como inteligencia artificial. Pero la inteligencia artificial y el aprendizaje automático se están convirtiendo en los elementos básicos de muchas otras tecnologías, lo que difumina la línea entre lo que es y no es exactamente inteligencia artificial. Por ejemplo, la automatización robótica de procesos puede implantarse utilizando sencillas técnicas de entrenamiento que registran y vuelven a ejecutar las acciones de un usuario; su potencial real surge cuando para ello se implanta antes un sistema de aprendizaje automático que observa las acciones de un trabajador durante un período de tiempo y decide la mejor manera de sustituirlas para que se ejecuten por ellas mismas.

El procesamiento de eventos es otra tecnología cuyo origen se encuentra en una gestión de decisiones más estándar, pero añadiendo inteligencia artificial o aprendizaje automático es posible detectar patrones dentro de miles de transacciones que podrían no ser fácilmente codificables de entrada. Esto podría utilizarse, por ejemplo, para detectar actividades fraudulentas en transacciones financieras, violaciones de seguridad de las redes a partir de los métodos de acceso y averías de los equipos de prevención analizando los registros de las máquinas. Aunque muchas de estas tareas se harían fuera de un BPMS, un sistema de procesamiento de eventos iniciaría los procesos de investigación dentro del BPMS.

Otro ejemplo es la minería de procesos, que permite utilizar algoritmos estándar para llevar a cabo un proceso de descubrimiento de procesos que muestre las rutas que ha tomado la instancia de un proceso; sin embargo, su fortaleza se multiplica cuando se combina con la inteligencia artificial. Introduciendo objetivos en forma de métricas de proceso y permitiendo que la inteligencia artificial decida el mejor camino a seguir, estos algoritmos pueden predecir cómo se completará la instancia de un proceso, elegir qué ruta tomar para mejorar las métricas de esa instancia y recomendar maneras para mejorar en el futuro el proceso al que está asociado. Esta última posibilidad, en la que la IA «afina» el modelo de un proceso para optimizar su rendimiento, cierra el bucle en la optimización de procesos y permite que estos se reparen por ellos mismos.

Por supuesto, estas tecnologías no son mutuamente exclusivas y es habitual ver muchas de ellas combinadas en un único sistema para crear procesos más inteligentes.

Innovación de negocio utilizando procesos inteligentes

Como tecnóloga, me interesan las tecnologías, pero lo realmente importante es lo que permiten hacer a las empresas.  Para empezar, se observan ciertas ventajas operativas:

  • Mejor eficiencia, tanto en cuanto a las horas dedicadas por los trabajadores, como de las duraciones desde el principio hasta el final de las transacciones.
  • Mejor calidad y cumplimiento de la normativa, gracias al uso de procesos y decisiones estandarizados.
  • Los trabajadores capacitados disponen de más tiempo para gestionar las incidencias de los clientes y otras tareas poco estructuradas.

Todo esto contribuye a una mejora de la satisfacción de los clientes, y puede además aumentar la de los trabajadores, al automatizar las tareas que requieren una capacitación baja o media, sin valor añadido, y que se agregan a la carga de trabajo de la mayoría de los trabajadores.

Más allá de estas ventajas operativas fundamentales, un BPM más inteligente, con IA y aprendizaje automático, permite a las empresas hacer cosas que simplemente antes no eran posibles. Por ejemplo, no solo puede predecirse para qué instancias de los procesos probablemente no se cumplan los acuerdos de servicio que tienen asignados o los objetivos regulatorios, sino también recomendar, o incluso automatizar, acciones correctivas para cumplir con los plazos pactados. Entre estas acciones podrían saltarse pasos de aprobación de instancias con bajo riesgo, modificar las prioridades en las colas de tareas o asignar trabajo a personal externo.

¿Cómo afecta esto a tu empresa? ¿Y cómo empiezas a añadir inteligencia artificial o aprendizaje automático a tus procesos de BPMS? Como ocurre en muchas otras tecnologías, no tiene por qué ser un enfoque tipo «Bing Bang», sino que puede implantarse de forma incremental. Puedes empezar utilizando la inteligencia artificial para analizar datos históricos y actuales con el objetivo de hacer predicciones y automatizar decisiones; puedes probarlo con uno o dos puntos de decisión de tu proceso que tengan la capacidad de mejorar significativamente su capacidad y calidad sin crear un gran riesgo.

Añade RPA mediante aprendizaje automático para automatizar pasos complejos manuales de integración, como los que hay entre los sistemas heredados y un BPMS, implementándolo cada vez en un punto de integración y bajo la supervisión de un trabajador experimentado, lo que reduce el riesgo al mismo tiempo que proporciona un mayor ROI. A medida que vas aumentando tus prestaciones en cuanto a inteligencia artificial y aprendizaje automático, empieza a aplicar procesamiento inteligente de eventos para hacer seguimiento de eventos de varios sistemas y detectar patrones inusuales, y utiliza esta información para iniciar procesos de gestión de excepciones en tu BPMS

No tienes que pasar todos tus procesos a la inteligencia artificial, ni necesitas una iniciativa tecnológica independiente de tus capacidades de BPM: la inteligencia artificial puede ser muy eficaz como tecnología adicional para hacer que tus procesos actuales sean más inteligentes.

Sandy Kemsley es analista y arquitecta de sistemas independiente, especializada en la automatización de procesos digitales



Comentar
Para comentar, es necesario iniciar sesión
Se muestran 0 comentarios