Avinash Misra, CEO & Co-Founder of Skan.AI – Συνέντευξη Σειράς

Ο Avinash Misra είναι ο CEO και συνιδρυτής του Skan. Ο Avinash είναι ένας lifetime επιχειρηματίας με αποδεδειγμένο ρεκόρ στην ολοκλήρωση επιχειρήσεων από το στάδιο του σπόρου έως τη ρευστότητα. Έχειสร้างσει επιτυχημένες επιχειρήσεις στον χώρο της ψηφιακής μεταμόρφωσης επιχειρήσεων και η τελευταία επιχείρησή του εξαγοράστηκε από την Genpact (NYSE: G). Η εικόνα του Avinash για το Skan έλαβε χώρα σε μεγάλο βαθμό στις επιχειρήσεις Μεταμόρφωσης Επιχειρηματικών Διεργασιών, τις οποίες έχει ηγηθεί τα τελευταία δέκα χρόνια.

Η προηγούμενη εταιρεία σας, Endeavour Software Technologies, εξαγοράστηκε τελικά από την Genpact. Ποια ήταν αυτή η εταιρεία και ποια ήταν einige από τα βασικά μαθήματα που μάθατε;

Αυτή η εταιρεία ήταν ειδικός στην ψηφιακή μεταμόρφωση του μετώπου. Δηλαδή, ειδικεύτηκε στην κατασκευή και ανάπτυξη συγκεκριμένων τεχνολογιών, όπως η όραση υπολογιστή, τα chatbots/ φυσική γλώσσα επεξεργασίας (NLP) και τις επιχειρηματικές εφαρμογές κινητών για τη βελτίωση και μεταμόρφωση των επιχειρηματικών διεργασιών που αφορούν τους πελάτες.

Μάθαμε δύο βασικά μαθήματα. Πρώτον, όταν η τεχνολογία εφαρμόζεται για το δικό της χάριν μόνο, δημιουργεί τόσο τεχνικό όσο και διεργασιακό χρέος. Δεύτερον, η μεγαλύτερη αξία λαμβάνεται όταν η τεχνολογία προσεγγίζει τον τελικό χρήστη με ευσπλαχνία και μια σκέψη-σχεδιασμό.

Μπορείτε να μοιραστείτε την ιστορία γένεσης του Skan;

“Η αυτοματοποίηση αρχίζει όταν η αυτοματοποίηση αποτυγχάνει.” Σε μια πρόταση, αυτή ήταν η αρχή μας. Όταν κατασκευάσαμε RPA bots για σύνθετες επιχειρηματικές διεργασίες, παρατηρήσαμε επανειλημμένα ότι μία φορά που ένα bot αναπτυσσόταν, αποτυγχάνε nhanh chóng επειδή δεν έλαβε υπόψη όλα τα νюανς, τις περιπτώσεις και τις εξαιρέσεις της διεργασίας. Κάθε φορά που ένα bot αποτυγχάνε, έγινε μια ακόμη λείπουν περίπτωση εργασίας. Ήταν ένας ατελείωτος κύκλος ανάπτυξης και αποτυχιών.

Γιατί δεν γνωρίζουμε όλα τα νύανς των επιχειρηματικών διεργασιών;

Δεν γνωρίζουμε όλα τα νύανς των επιχειρηματικών διεργασιών επειδή όλες οι ανακαλύψεις διεργασιών γίνονται από ανθρώπινους αναλυτές επιχειρήσεων που ζητούν από τους παράγοντες διεργασιών να περιγράψουν την εργασία. Οι άνθρωποι είναι φανταστικά αξιόπιστοι στην περιγραφή πραγμάτων που έχουν μια αίσθηση οικειότητας ή συνηθισμένης και руτίνας. Αυτά είναι συχνά πράγματα που μπορούν να κάνουν καλά, αλλά ποτέ δεν μπορούν να τα περιγράψουν με την απαραίτητη ακρίβεια. Έτσι, κατασκευάσαμε το Skan για να παρατηρήσουμε την πραγματική εργασία και να κατανοήσουμε αυτήν την εργασία και τις διεργασίες, αντί να συνεντρωθούμε και να τεκμηριώσουμε τους ανθρώπους.

Το Skan είναι μερικώς μια πλατφόρμα ανακάλυψης διεργασιών. Μπορείτε να ορίσετε τι είναι η ανακάλυψη διεργασιών για τους αναγνώστες μας;

Η ανακάλυψη διεργασιών είναι ένας ευρύς όρος που αναφέρεται στην πράξη της ανακάλυψης ή της μάθησης του πώς λειτουργούν οι διεργασίες σε επιχειρηματικό ή δομικό επίπεδο. Αυτό είναι ιδιαίτερα απαιτητικό με τις διεργασίες που εμπλέκουν ανθρώπινες-συστημικές αλληλεπιδράσεις με εκατοντάδες ή χιλιάδες εργαζόμενους, δεκάδες εφαρμογές λογισμικού και σύνθετες ροές εργασίας. Ένα εξαιρετικό παράδειγμα είναι η διαδικασία διαχείρισης αξιωμάτων.

Σήμερα, το Skan είναι στην πραγματικότητα περισσότερο από μια πλατφόρμα ανακάλυψης διεργασιών. Το Skan δημιουργεί μια βαθιά κατανόηση της εργασίας (ανακάλυψη διεργασιών) και παρέχει προηγμένα ανάλυση για να βοηθήσει τους ιδιοκτήτες διεργασιών και τους ηγέτες μεταμόρφωσης να μετρήσουν, να αναλύσουν και να βελτιώσουν τους KPI που οδηγούν τα επιχειρηματικά αποτελέσματα, όπως η εμπειρία του πελάτη, οι έσοδοι και το κόστος. Chúng tôi ονομάζουμε αυτή τη μεγαλύτερη ικανότητα: ευφυής διεργασία ή η συστηματική συλλογή δεδομένων και η εφαρμογή της γνώσης για τον έλεγχο των επιχειρηματικών αποτελεσμάτων ή για να μάθουμε, να κατανοήσουμε και να λάβουμε αποφάσεις.

Σύμφωνα με μια μελέτη που διεξήχθη από την Ernst & Young, το 30% έως 50% των έργων αυτοματοποίησης αποτυγχάνουν. Γιατί πιστεύετε ότι αυτό είναι τόσο υψηλό;

Βάσει της συνεργασίας μας με τους πελάτες μας, βρήκαμε ότι ένα από τα βασικά εμπόδια για την επιτυχία της αυτοματοποίησης είναι η έλλειψη ορατότητας στην τρέχουσα κατάσταση των KPI σε όλη τη διάρκεια των έργων αυτοματοποίησης.

Για παράδειγμα, για να προκριθεί ένα έργο αυτοματοποίησης, πρέπει να δημιουργήσουμε μια βάση για τις τρέχουσες KPI και να κατασκευάσουμε một περίπτωση επιχειρήσεων. Στη φάση πειραματισμού, πρέπει να αναγνωρίσουμε τα μοτίβα τεχνολογίας και να ορίσουμε τους στόχους (προς-να-γίνει) KPI με βάση τις τρέχουσες KPI. Κατά τη διάρκεια της φάσης σχεδιασμού, ανάπτυξης, δοκιμής και λειτουργικής, πρέπει να ευθυγραμμιστούμε με την αιτία του προβλήματος που πρέπει να λυθεί.

Τέλος, στη φάση επαλήθευσης όπου μετράμε την απόδοση της επένδυσης και την πραγματοποίηση των οφελών, χρειαζόμαστε ιχνηλασιμότητα στους KPI που πρέπει να γίνουν. Έτσι, βλέπουμε ότι σε όλη τη διάρκεια αυτής της ζωής, η διαφάνεια και η ιχνηλασιμότητα στις τρέχουσες KPI και τις αιτίες είναι απαραίτητες. Και, ωστόσο, σύμφωνα με την έρευνα Forrester (2021), μόνο το 16% των οργανισμών δηλώνει ότι έχει πλήρη ορατότητα σε σχέση με το πώς λειτουργούν οι διεργασίες. Δεν είναι τότε θαύμα που τα έργα αυτοματοποίησης αγωνίζονται να προσφέρουν αξία.

Μπορείτε να εξηγήσετε ποια είναι τα προγράμματα που ακολουθεί το Skan για την προστασία της ιδιωτικής ζωής των ατόμων που παρακολουθούνται και των ευαίσθητων επιχειρηματικών δεδομένων;

Είναι σημαντικό να σημειωθεί ότι δεν παρακολουθούμε τους ανθρώπους. Παρατηρούμε μόνο συγκεκριμένα στοιχεία της εργασίας (όχι ολόκληρη την οθόνη). Αυτά τα στοιχεία είναι συγκεκριμένες εργασιακές εφαρμογές που ορίζονται από πριν.

Όπως αναφέρθηκε, για οποιαδήποτε εφαρμογή παρατηρείται, όλα τα ευαίσθητα δεδομένα εργασίας είναι redacted. Έχουμε επίσης τη δυνατότητα να ανωνυμοποιήσουμε τον σύνδεσμο μεταξύ του ατόμου που έκανε τη δουλειά και της διεργασίας. Τα ονόματα των ατόμων που εργάζονται στη διεργασία μπορούν επίσης να ανωνυμοποιηθούν.

Μπορείτε να συζητήσετε πώς το Skan χρησιμοποιεί τη μηχανική μάθηση και συγκεκριμένα τη βαθιά μάθηση;

Το Skan ενσωματώνει πολλά αλγόριθμοι AI και μηχανικής μάθησης για να αντιμετωπίσουν διάφορα προβλήματα, όπως η ανωνυμοποίηση ευαίσθητων πληροφοριών (και κειμένου και εικόνας δεδομένων), η αφαίρεση χαμηλού επιπέδου συμβάντων σε επιχειρηματικές δραστηριότητες, η εύρεση γραφών διεργασιών και η ανακάλυψη παραλλαγών διεργασιών.

Ποια είναι einige από τα δράσιμα ευρήματα που έχουν αποκτηθεί από αυτή τη διαδικασία;

Το Skan βοηθά τους ιδιοκτήτες διεργασιών και τους ηγέτες μεταμόρφωσης να μετρήσουν, να αναλύσουν και να βελτιώσουν τους KPI που οδηγούν τα επιχειρηματικά αποτελέσματα. Nieke από τα παραδείγματα ευρημάτων είναι:

Εфективικότητα:

• Κόστος παραγωγής μονάδας
• Χρήση πόρων (εργατικού δυναμικού)
• Βελτίωση NPS

Αποτελεσματικότητα:

• Ανακάλυψη αυτοματοποίησης
• Πρώτη διαδικασία
• Συμμόρφωση διεργασιών
• Σχεδιασμός (εργατικού δυναμικού)
• Μειωμένη μεταβλητότητα διεργασιών

Τι είναι η όρασή σας για το μέλλον της ευφυούς διεργασίας;

Η όρασή μας για το μέλλον της ευφυούς διεργασίας είναι να μεταμορφώσουμε τον τρόπο που οι άνθρωποι εργάζονται ώστε να μπορέσουν να βελτιώσουν την παραγωγικότητά τους και να φθάσουν στο πλήρες δυναμικό τους.

Σήμερα, η παγκόσμια πυραμίδα εργασίας έχει μια ευρεία βάση μη-αξιοποιημένων εργασιών και μια πολύ στενή κορυφή αξιοποιημένων εργασιών. Η όρασή μας είναι να ανατρέψουμε αυτή την πυραμίδα.

Ευχαριστούμε για τη μεγάλη συνέντευξη. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Skan.