Авинаш Мисра, главен изпълнителен директор и съосновател на Skan.AI – Серия интервюта

Авинаш Мисра е главен изпълнителен директор и съосновател на Скан. Авинаш е предприемач през целия живот с доказан опит в предприемане на начинания от семена до ликвидност. Той е изградил успешни начинания в пространството за цифрова трансформация на предприятията и последното му начинание е придобито от Genpact (NYSE : G). Прозрението на Авинаш за Skan даде началото на широкомащабни проекти за трансформация на бизнес процеси, които той ръководи през последното десетилетие.

Вашата предишна компания Endeavor Software Technologies в крайна сметка беше придобита от Genpact. Каква беше тази компания и какви бяха някои от основните уроци, които научихте?

Тази компания беше специалист по дигитална трансформация на фронт офиса. Това означава, че се специализира в изграждането и внедряването на специфични технологии като компютърно зрение, чатботове/обработка на естествен език (NLP) и корпоративни мобилни приложения за подобряване и трансформиране на бизнес процеси, насочени към клиентите. 

Научихме два ключови урока. Първо, когато технологията се прилага само заради нея, тя създава както технически, така и процесен дълг. Второ, най-голяма стойност се извлича, когато технологията специално подхожда към крайния потребител с емпатия и мислене, ориентирано към дизайна. 

Бихте ли споделили историята на генезиса зад Skan?

„Автоматизацията започва, когато автоматизацията се провали.“ С едно изречение това беше нашето начало. Когато създадохме RPA ботове за сложни бизнес процеси, многократно забелязахме, че след като бот бъде внедрен, той се проваля бързо, защото не взема под внимание всички нюанси, пермутации и изключения на този бизнес процес. Всеки път, когато бот се провали, той се превръщаше в още една липсваща пермутация на работа. Това беше безкраен цикъл от внедряване и неуспехи. 

И така, защо не знаем всички нюанси на бизнес процесите?

Ние не знаем всички нюанси на бизнес процесите, защото откриването на всички процеси се извършва от човешки бизнес анализатори, които искат от агентите на процеса да опишат работата. Хората са впечатляващо ненадеждни при описването на неща, които имат усещане за познати или обичайни и рутинни. Това често са неща, които те могат да правят добре, но никога не могат да опишат с необходимата точност. Затова създадохме Skan, за да наблюдаваме реална работа и да разбираме тази работа и процесите, вместо да интервюираме и документираме хората.

Skan е частично платформа за откриване на процеси. Бихте ли дефинирали какво представлява откриването на процеси за нашите читатели?

Откриването на процеси е широк термин, който се отнася до акта на откриване или научаване как работят процесите на оперативно или структурно ниво. Това е особено предизвикателство при процеси, които включват взаимодействия човек-система със стотици или хиляди работници, десетки софтуерни приложения и сложни работни процеси. Чудесен пример е процесът на управление на искове.  

Днес Skan всъщност е повече от платформа за откриване на процеси. Skan генерира задълбочено разбиране на работата (откриване на процеси) и предоставя усъвършенствани анализи, за да помогне на собствениците на процеси и лидерите на трансформация да измерват, анализират и подобряват KPI, които управляват бизнес резултати като изживяване на клиента, приходи и разходи. Ние наричаме тази по-широка способност: разузнаване на процеса или систематично събиране на данни и процес от край до край и прилагане на тези знания за контролиране на бизнес резултатите или за научаване, разбиране и вземане на решения. 

Според проучване проведено от Ernst & Young, 30% до 50% от проектите за автоматизация се провалят. Защо смятате, че това е толкова високо?

Въз основа на работата с нашите клиенти откриваме, че една от ключовите пречки пред успеха на автоматизацията е липсата на видимост на текущото състояние на KPI през жизнения цикъл на проектите за автоматизация. 

Например, за да квалифицираме проект за автоматизация, трябва да изведем базовите KPI на текущото състояние и да изградим бизнес случай. Във фазата на експериментиране трябва да идентифицираме технологични модели и да дефинираме целеви (бъдещи) KPI въз основа на KPI на текущото състояние. По време на фазата на проектиране, разработване, тестване и въвеждане в действие трябва да се приведем в съответствие с основната причина за проблема, който трябва да разрешим. 

И накрая, във фазата на валидиране, където измерваме възвращаемостта на инвестициите и реализацията на ползите, имаме нужда от проследимост до бъдещите KPI. И така, виждаме, че през целия този жизнен цикъл е необходима прозрачност и възможност за проследяване до KPI на текущото състояние и основните причини. И въпреки това, според Forrester Research (2021), само 16% от организациите казват, че имат пълна видимост за това как работят процесите. Не е чудно, че проектите за автоматизация се борят да осигурят стойност. 

Можете ли да обясните какви процедури предприема Skan, за да защити поверителността на хората, които се наблюдават, и чувствителните бизнес данни?

Важно е да се отбележи, че ние не наблюдаваме хора. Наблюдаваме само конкретни елементи от работата (не целия екран). Тези елементи са конкретни работни приложения, които са предварително дефинирани.

Въпреки това, за всяко наблюдавано приложение, всички чувствителни работни данни се редактират. Също така имаме способността да анонимизираме връзката между лицето, което е свършило работата, и процеса. Имената на лицата, работещи в процеса, също могат да бъдат анонимизирани.

Бихте ли обсъдили как Skan използва машинно обучение и по-специално дълбоко обучение?

Skan включва няколко AI и алгоритми за машинно обучение за справяне с различни проблеми като анонимизиране на чувствителна информация (както текстови, така и графични данни), абстрахиране на събития от ниско ниво към бизнес дейности, извеждане на графики на процеси и откриване на вариации на процеси.

Кои са някои примери за приложими прозрения, получени от този процес?

Skan помага на собствениците на процеси и лидерите на трансформациите да измерват, анализират и подобряват KPI, които стимулират бизнес резултатите. Някои примерни прозрения са:

Ефективност:

• Себестойност на единица продукция
• Използване на ресурси (работна сила).
• Подобряване на NPS

Ефективност:

• Откриване на автоматизация
• Първо преминаване
• Съответствие на процеса
• Планиране на капацитет (работна сила).
• Намалена променливост на процеса

Каква е вашата визия за бъдещето на интелигентността на процесите?

Нашата визия за бъдещето на интелигентността на процесите е да трансформираме начина, по който хората работят, така че да могат да подобрят производителността и да достигнат пълния си потенциал. 

Днес глобалната пирамида на работата има широка база от задачи без добавена стойност и много тесен връх от задачи с добавена стойност. Нашата визия е откриването на процеси да обърне тази пирамида.

Благодаря ви за страхотното интервю, читателите, които искат да научат повече, трябва да го посетят Скан.