أفيناش ميسرا ، الرئيس التنفيذي والشريك المؤسس لشركة Skan.AI - سلسلة مقابلات

أفيناش ميسرا هو الرئيس التنفيذي والمؤسس المشارك لشركة SKAN. أفيناش هو رائد أعمال مدى الحياة وله سجل حافل في نقل المشاريع من البداية إلى السيولة. لقد قام ببناء مشاريع ناجحة في مجال التحول الرقمي للمؤسسات واستحوذت Genpact (NYSE: G) على مشروعه الأخير. لقد اكتسبت رؤية أفيناش فيما يتعلق بـ Skan بذرة في مشاريع تحويل عمليات الأعمال على نطاق واسع والتي قادها على مدار العقد الماضي.

استحوذت Genpact في النهاية على شركتك السابقة Endeavor Software Technologies. ما هي هذه الشركة وما هي بعض الدروس الرئيسية التي تعلمتها؟

كانت هذه الشركة متخصصة في التحول الرقمي في المكاتب الأمامية. أي أنها متخصصة في بناء ونشر تقنيات محددة مثل رؤية الكمبيوتر، وروبوتات الدردشة/معالجة اللغات الطبيعية (NLP)، وتطبيقات الأجهزة المحمولة للمؤسسات لتحسين وتحويل العمليات التجارية التي تواجه العملاء. 

لقد تعلمنا درسين رئيسيين. أولاً ، عندما يتم تطبيق التكنولوجيا لمصلحتها فقط ، فإنها تخلق كلاً من الديون التقنية والعملية. ثانيًا ، يتم الحصول على أكبر قيمة عندما تقترب التكنولوجيا تحديدًا من المستخدم النهائي بالتعاطف وعقلية التفكير التصميمي. 

هل يمكنك مشاركة قصة التكوين وراء سكان؟

"تبدأ الأتمتة عندما تفشل الأتمتة." في جملة واحدة ، كانت هذه بدايتنا. عندما قمنا ببناء روبوتات RPA للعمليات التجارية المعقدة ، لاحظنا مرارًا أنه بمجرد نشر الروبوت ، فإنه يفشل بسرعة لأنه لم يأخذ في الاعتبار جميع الفروق الدقيقة ، والتبديل ، والاستثناءات لعملية الأعمال هذه. في كل مرة يفشل فيها الروبوت ، يتحول إلى تغيير آخر في العمل ينقصه. لقد كانت دورة لا نهاية لها من النشر والفشل. 

إذن ، لماذا لا نعرف كل الفروق الدقيقة في العمليات التجارية؟

لا نعرف جميع الفروق الدقيقة في العمليات التجارية لأن جميع عمليات اكتشاف العمليات تتم بواسطة محللي الأعمال البشرية الذين يطلبون من وكلاء العملية وصف العمل. لا يمكن الاعتماد على البشر بشكل مذهل في وصف الأشياء التي لديها شعور بالألفة أو الاعتياد والروتين. غالبًا ما تكون هذه أشياء يمكنهم القيام بها بشكل جيد ، لكن لا يمكنهم أبدًا وصفها بالدقة المطلوبة. ومن ثم ، قمنا ببناء Skan لمراقبة العمل الحقيقي وفهم ذلك العمل والعمليات ، بدلاً من مقابلة وتوثيق البشر.

Skan جزئيًا عبارة عن منصة لاكتشاف العمليات. هل يمكنك تحديد عملية الاكتشاف لقرائنا؟

اكتشاف العملية هو مصطلح واسع يشير إلى اكتشاف أو تعلم كيفية عمل العمليات على المستوى التشغيلي أو الهيكلي. يمثل هذا تحديًا خاصًا مع العمليات التي تتضمن تفاعلات النظام البشري مع مئات أو آلاف العمال ، وعشرات من تطبيقات البرامج ، ومهام سير العمل المعقدة. وخير مثال على ذلك هو عملية إدارة المطالبات.  

اليوم ، تعد Skan في الواقع أكثر من مجرد منصة لاكتشاف العمليات. يولد Skan فهماً عميقاً للعمل (اكتشاف العملية) ويوفر تحليلات متقدمة لمساعدة مالكي العمليات وقادة التحول في قياس وتحليل وتحسين مؤشرات الأداء الرئيسية التي تحرك نتائج الأعمال مثل تجربة العميل والإيرادات والتكلفة. نحن نطلق على هذه القدرة الأوسع نطاقًا: استخبارات العملية أو الجمع المنهجي للبيانات والعملية الشاملة وتطبيق تلك المعرفة للتحكم في نتائج الأعمال أو للتعلم والفهم واتخاذ القرارات. 

According to a study conducted by Ernst & Young, 30% to 50% of automation projects fail. Why do you believe this is so high?

استنادًا إلى العمل مع عملائنا ، وجدنا أن إحدى العقبات الرئيسية لنجاح الأتمتة هي الافتقار إلى الرؤية في الحالة الحالية لمؤشرات الأداء الرئيسية عبر دورة حياة مشاريع الأتمتة. 

على سبيل المثال ، من أجل تأهيل مشروع الأتمتة ، نحتاج إلى تحديد مؤشرات الأداء الرئيسية للحالة الحالية وإنشاء حالة عمل. في مرحلة التجريب ، نحتاج إلى تحديد أنماط التكنولوجيا وتحديد مؤشرات الأداء الرئيسية المستهدفة (في المستقبل) بناءً على مؤشرات الأداء الرئيسية الحالية. أثناء مرحلة التصميم والتطوير والاختبار والتشغيل ، نحتاج إلى التوافق مع السبب الجذري للمشكلة لحلها. 

أخيرًا ، في مرحلة التحقق من الصحة حيث نقيس عائد الاستثمار وتحقيق الفوائد ، نحتاج إلى إمكانية التتبع إلى مؤشرات الأداء الرئيسية المستقبلية. لذلك ، نرى أنه خلال دورة الحياة بأكملها ، فإن الشفافية وإمكانية التتبع إلى مؤشرات الأداء الرئيسية للحالة الحالية والأسباب الجذرية مطلوبة. ومع ذلك ، وفقًا لـ Forrester Research (2021) ، تقول 16٪ فقط من المؤسسات أن لديها رؤية كاملة لكيفية عمل العمليات. لا عجب في أن مشاريع الأتمتة تكافح من أجل تقديم قيمة. 

هل يمكنك شرح الإجراءات التي يتخذها سكان لحماية خصوصية الأشخاص الذين تتم مراقبتهم وبيانات العمل الحساسة؟

من المهم ملاحظة أننا لا نراقب الأشخاص. نلاحظ فقط عناصر محددة من العمل (وليس الشاشة بأكملها). هذه العناصر هي تطبيقات عمل محددة تم تحديدها مسبقًا.

ومع ذلك ، بالنسبة لأي تطبيقات يتم ملاحظتها ، يتم تنقيح جميع بيانات العمل الحساسة. لدينا أيضًا القدرة على إخفاء هوية الرابط بين الشخص الذي قام بالمهمة والعملية. يمكن أيضًا إخفاء أسماء الأفراد العاملين في هذه العملية.

هل يمكنك مناقشة كيفية استخدام Skan للتعلم الآلي والتعلم العميق على وجه التحديد؟

يدمج Skan العديد من خوارزميات الذكاء الاصطناعي والتعلم الآلي لمعالجة المشكلات المختلفة مثل إخفاء هوية المعلومات الحساسة (كل من بيانات النص والصورة)، واستخلاص الأحداث ذات المستوى المنخفض للأنشطة التجارية ، واستنتاج الرسوم البيانية للعملية ، واكتشاف الاختلافات في العملية.

ما هي بعض الأمثلة على الرؤى القابلة للتنفيذ التي تم الحصول عليها من هذه العملية؟

يساعد Skan مالكي العمليات وقادة التحول على قياس وتحليل وتحسين مؤشرات الأداء الرئيسية التي تدفع نتائج الأعمال. بعض الأمثلة على الأفكار هي:

فعالية:

• تكلفة وحدة الإنتاج
• استخدام الموارد (القوى العاملة)
• تحسين NPS

كفاءة:

• اكتشاف الأتمتة
• معدل النجاح الأول
• الامتثال للعملية
• القدرة (القوى العاملة) التخطيط
• انخفاض تقلب العملية

ما هي رؤيتك لمستقبل ذكاء العمليات؟

تتمثل رؤيتنا لمستقبل ذكاء العمليات في تغيير طريقة عمل الأشخاص حتى يتمكنوا من تحسين الإنتاجية والوصول إلى إمكاناتهم الكاملة. 

اليوم ، يحتوي هرم العمل العالمي على قاعدة عريضة من المهام غير ذات القيمة المضافة وقمة ضيقة جدًا من المهام ذات القيمة المضافة. تتمثل رؤيتنا في اكتشاف العملية لعكس هذا الهرم.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا SKAN.